Profiler使用

Unity常见的等待函数

等待函数功能
WaitForTargetFPS等待达到目标帧率，一般这种情况CPU与GPU都没什么负载问题
Gfx.WaitForGfxCommandsFromMainThread/WaitForCommand渲染线程己经准备接受新的渲染命令，一般瓶颈在CPU
Gfx.WaitForPresentOnGfxThread/WaitForPresent主线程等待渲染线程绘制完成，一般瓶颈在GPU
WaitForJobGroupID等待工作线程完成，一般瓶颈在CPU

Xcode使用

性能优化拾遗（三）性能优化实战-tajourney
  • 提供十分强大的分析工具，包括各种资源使用情况，当前线程开启情况等
  • 还可以抓帧分析，每帧所有指令的耗时以及渲染流程清晰可见
  • 经验：任何超过1ms的渲染步骤都值得关注，尽量将GPU耗时控制在10ms
  • Xcode工具会将有问题的流程标上三角叹号
  • 该工具每个指令还提供：
    • Attachments
    • Geometry
    • Bound Resources，当前使用的资源
    • All Resources，整体使用的资源
    • Pipeline Statisitics，渲染管线分析
    • Performance，渲染性能分析
    • CallStack，渲染api回调

性能指标

GPU

性能优化拾遗（三）性能优化实战-tajourney

Draw:代表当前绘制操作耗时

Encoder：当前Pass整体时间开销

xxx Limiter ： 代表工作+暂停（同步/等待）的开销，此项用来定义瓶颈

xxx Utilization : 利用率，代表实际的工作的耗时，此项用来定义使用效率

一般情况下读操作比写操作耗时要高，但也有特殊情况：比如延迟渲染中GBuffer Pass

Primitives

性能优化拾遗（三）性能优化实战-tajourney

Primitives : 代表有多少个模型三角面被提交到渲染管线

Primitives Rendered : 代表有多少百分比的三角面被真正渲染。如果此值过小，需要查看场景模型是否拆分合理，镜头等要素。

性能优化拾遗（三）性能优化实战-tajourney

Pixels Rasterized:光栅化像素个数

Pixels per Primitive: 每三角面的平均光栅化像素个数。如果此值过小，代表模型三角形又多又小，考虑LOD划分是否合理。

Memory

性能优化拾遗（三）性能优化实战-tajourney

主要关注 Miss Rate,越低越好。

Texture Cache Miss Rate: 纹理 Cache Miss 率，此项可以通过调整纹理大小看到优化成果。

Vertex Shader

性能优化拾遗（三）性能优化实战-tajourney

主要关注

Vertex Stage Time : 数值与FS中 Stage Time，一般前者远小于后者，如果

VS ALU Float Instructions :

VS Buffer L1 Miss Rate

Fragment Shader

性能优化拾遗（三）性能优化实战-tajourney

主要关注

Fragment Stage Time

FS Invocations FS调用

Average Pixel Overdraw 此项指标代表Overdraw，如果>>1，则重点关注半透明过多

Sample Shaded Per Tile

Sampler Calls/FS Invocation

AO优化

SSAO优化

  • 通过Xcode Metal Capture查看SSAO第一个pass耗时十分多
  • 查看其引用的资源，发现使用的纹理分辨率非常高，容易造成gpu采样瓶颈和带宽瓶颈
  • 查看渲染管线分析，主要耗时在ALU time和Wait time，基本证实片元着色器片元压力大以及带宽瓶颈
  • 查看性能分析，主要问题还是片元指令，片元指令过多以及缓存命中率低
  • Timeline和Counters可以看到带宽读写、顶点与片元占用率、ALU逻辑单元运行、Cache缓存命中率等情况
  • 主要优化：
    • 降采样中间纹理，可修改srp源码对中间模糊纹理也降采样
    • 将ao执行挪到不透明物体pass后面，提高移动端tbdr效率
    • 适当调低ssao采样半径选项
    • 采样次数，越低越好
    • 改进ao图像模糊算法（单pass或其他算法），或者直接不使用（降分辨率本身就是一种模糊）
  • 进一步优化：
    • 使用hbao、gtao 方案
    • 针对SSAO的Shader指令做进一步优化
    • 采样烘焙AO到光照贴图的方案替换SSAO
  • 优化后总耗时降低比ssao降低秒数还多：
    • 填充率提高了
    • SSAO 的占用资源减少之后，减少了其它环节的阻塞
    • 缓存命中提高了

AA优化

反走样方案的发展

  • 第一代：SSAA（超级采样抗锯齿Super-Sampling Anti-Aliasing )
  • 第二代：（URP目前主要方案）
    • MSAA（多重采样抗锯齿 Multi Sampling Anti-Aliasing）
    • FXAA（快速近似抗锯齿Fast Approximate Anti-Aliasing)
    • SMAA（增强子像素形变抗锯齿Enhanced Subpixel Morphological Anti-Aliasing )
  • 第三代：TAA（时间序列抗锯齿Temporal Anti-Aliasing），目前还没有接入URP，可以使用PPV2包，但是不支持urp的motion vector，鬼影会比较严重
  • 第四代：DLSS（基于深度学习的超级采样Deep Learning super Sampling )，需要特殊硬件支持，目前只有hdrp的pc平台

URP中的AA方案

方案URP支持优点缺点
MSAAURP默认支持，适合绝大多数非延迟渲染游戏显卡硬件支持，反走样效果较好仅支持前向渲，静态画面表现最好，运动画面一般，支持MRT的情况下效率较差，只能消除Geometry的反走样，对于高光像素部分无能为力
FXAAURP默认支持，有Quality与Console两个不同版本，Quality版本需要PPV2.适合一些对低端硬件有要求、对画面模糊不敏感的特殊游戏后处理支持开销非常小，适合移动端没有格外像素辅助，在高频颜色变化快的地方，动态场景会出现闪烁，对图形所有颜色边缘进行柔化处理 ，导致画面整体较模糊
SMAAURP默认支持，适合一些对低端硬件有要求的特殊游戏后处理支持，开销相对较小，适合低端PC端没有格外像素辅助 ，在高频颜色变化快的地方，动态场景会出现闪烁，三次pass，开销相对FXAA高一些，切换RT开销在手机上可能造成开销，边缘处理比FXAA精细些，但依然有模糊表现
TAAURP末来支持，可用PPV2扩展支持支持延迟渲染，反走样效果较好，性能开销较小动态场景下，低帧率下可能出现鬼影，无法处理半透明物体、贴图序列帧动画物体，需要额外内存开销,需要MotionVector Buffer

效率：FXAA>SMAA>TAA>MSXX

质量：MSAA>SMAA>TAA>FXAA

优化手段

  • 调低SMAA的质量选项
  • 优化SMAA中间pass的中间纹理带宽开销，利用metal片上内存，修改为memoryless模式、以及storeaction
  • 使用FXAA代替，有几毫米改进
  • 评估是否需要AA，手机DPI较大，色彩跳动较下

优化示例工程AA方案总结

  • 高端移动设备上采用优化后的SMAA或FXAA, Unity默认URP
    下的TAA成熟后，根据性能与表现均衡选择采用
  • 中端移动设备上采用FXAA方式或关闭AA渲染
  • 低端移动设备上关闭AA渲染

后处理优化

效果列表描述移动端性能开销常用性优化方式
Bloom泛光、镜头污垢中高高降采样、降低迭代次数、替换2遍模糊pass算法（ue有提出移动端的优化手段）。
Channel Mixer通道混合器非常低低几乎无
Chromatic Aberration散色像差，用于模拟相机的镜头无法将颜色聚合在一起的颜色失真效果（机器人视觉、屏幕破碎）中低（需要三遍采样）低几乎无
Color Adiustment颜色调整中高ColorGradingMode(HDR or LDR)，如果支持浮点精度计算的平台或设备，HDR模式效率会更高
Color Curves颜色曲线低低几乎无
Depth Of Field景深非常高中低切换Gaussian与Bokeh的景深模式，移动平台建议用Gaussian
Film Grain胶片颗粒中（需要采样多张Lookup纹理，可以修改LUT纹理大小）低几乎无
Lens Disortion镜头失真中低低几乎无
Lift, Gamma,and Gain提升、伽马与增益非常低低几乎无
Motion Blur运动模糊高（需要MotionVector）中低MotionBlur质量分级、Intensity强度、Clamp摄像机旋转产生的速度可以具有的最大长度
Panini ProjectionPanini投影中低几乎无
Shadows、Midtones、Highlights阴影、中间调与高光中低低几乎无
Split Toning拆分着色非常低低几乎无
Tonemapping色调映射中中几乎无
Vignette渐晕，四边暗角，一般用于无ui动画或截图中低Intensity与Smoothness
White Balance白平衡中低低几乎无
Lens Flare镜头光晕中高中Occlusion设置与光晕数量

优化手段

  • 去除不需要的后处理效果（最好是移除，不勾选复选框也会绑定资源，造成内存浪费）
  • 有优化空间的后处理效果看上表
  • 尽量不要全局使用volume效果

与场景复杂度相关的GPU开销优化

先从整体开销判断是不是场景复杂度瓶颈，一般看前向渲染（如果延迟渲染可以看阴影开销）各个阶段的DrawCall，条件允许优先做Simplization，接着Culling，最后才是Batching。

常用观察数据

  • Batches drawcall数量
  • Tris 三角形数
  • Verts 顶点数
  • setpass calls
  • shadowcasters 投影体数量

Simplization简化

场景简化总览

  • 用编辑器的线框模式查看顶点和三角形分别情况
  • 使用Rendering Debug 查看overdraw信息
  • 使用Rendering Debug 查看级联阴影设置情况

地形分类

场景描述
远景视距较远，主要用于表现开阔景物，为了渲染总体气氛和空间感，配合景深使层次感更丰富，增加整体意境，一般不需要具体细节表现
中景画面视觉中心的部分，进一步烘托场景气氛，需要一定视觉和细节表现，但不需要过分强调，更多通过材质颜色、质地、大范围光影明暗来呈现
近景视距最近的画面部分，突出表现具体某个物体或角色上，需要突出表现材质细节，凹凸、光影细节、反射折射投射等，通过近景与中景远景的占比更好突出场景透视感

可以通过LOD来配合远中近景使用，一般层级不宜超过5级（原模型-简化1-简化2-替代体-剔除），不需要替代体的一般是4级，如果只在近景可见那就是两级了（原模型-剔除）

远景简化

远景不可达地形使用天空盒烘焙，而不用真实网格

  • 反射探针烘焙cubemap
  • legacy->cubemap（旧的方法，unity可能会舍弃）
  • Camera.RenderToCubemap

中景简化

  • 配合overdraw视图进行LOD简化，使用DCC软件制作或者Unity插件
  • 要小心Quality setting中的LOD Bias
  • 对一些简化后的LOD层级物体去除阴影投影，减少投影体数量
  • 对一些静态光照物体，已经处于阴影体内也不必要开启投影体，视项目而定，毕竟可以开启SSAO弥补下

Culling剔除

遮挡剔除与灯关剔除

遮挡剔除Occlusion Culling是在CPU端做的优化，GPU可以通过延迟渲染、前向渲染配合EarlyZ|PreZ进行优化

  • 需要在对应相机开启Occlusion Culling选项
  • 对场景中设置成静态遮挡体或被遮挡体起作用
  • 对应动态物体，比如门窗，可以通过添加Occlusion Portal 组件
  • 注意需要烘焙场景，可以设置烘焙精度

对于不需要向其他物体投影的物体可以关闭投影选项（比如平坦的地形）

灯关方面的剔除

  • 充分利用tbdr、forward+架构
  • 前期注意使用urp的light layer功能
  • 如果后期无法大量修改资源了，也可以通过脚本来控制灯光的开启
  • 调整Quality urp setting中的灯光设置
    • 主光源阴影贴图分辨率
    • 每个对象最多受光源数量
    • 额外光源的shadow Atlas resolution大小（这个是所有额外光源共享的纹理）
  • 调整Quality urp setting中的级联阴影设置

Batching合批

不支持SRP Batcher的物体最好放在不透明渲染队列最后面，避免打断其他合批

Terrain优化

内置Terrain方案在移动端性能并不高，特别是shader不够轻量。

自己写一套地形烘焙工具

  • 根据Terrain Data将mesh信息与混合后的地形纹理烘焙出来
  • 再通过prefab生成地形块
  • Unity商店也有挺多现成工具：Terrain To Mesh

烘焙完网格需要重新Occlusion Culling

如果是平坦地形，不需要自我投影时，请关闭投影选项

主光源级联阴影优化

  • 减少级联层级
  • 如果阴影变化不大，没有相关动画，可以将阴影进行缓存，按级联阴影的不同层级定制刷新频率，也是一种LOD思路（相关链接）
    • 调整阴影的创建和销毁时机
    • 去除渲染目标每帧清空逻辑
    • 调整阴影刷新频率

渲染管线精简与优化

这块需要的知识面比较深，需要多回顾下https://www.bilibili.com/video/BV1i94y1Q7W3

引擎为了通用考虑，通常会有冗余的流程或资源生成，当项目需要深度优化时，进行管线的精简与优化是有必要的，高效的管线一定是定制化而非通用化的。

  • unity通常需要做加法，因为其管线功能并没有那么强，需要添加新功能或替换已有效率不高的功能
  • unreal通常需要做减法，因为其管线功能并不一定全需要用到，但其设置和流程与编辑器耦合比较紧密
  • unity最佳实践还是需要写一套能满足表现需求，又无过多冗余流程的srp管线

主要手段

  • 使用URP的Native RenderPass，主要是能优化一些需要多PASS的渲染效果（比如延时渲染需要gbuffer生成和着色两个pass，可以优化成一个native pass），主要目的是减少RT切换和读取的开销（节省带宽和内存，使用后Memoryless、load action为dontcare），使tbr架构更高效渲染。需要图形API支持（metal和vulkan)
  • 去除URP为了通用且对于该项目冗余的PASS（绑定了资源又不使用的PASS），需要修改URP源码
  • 考虑是否需要Normal与Depth提前生成的PASS，如果是延迟渲染则是可以不需要的，但一些透明物体又确实是前向渲染（URP 使用unlit着色器对象也会被强制使用前向渲染）。
    • 如果开启SSAO发现即使使用了延迟渲染也会生成这个上述Normal、Depth PrePass，需要修改URP源码处理没有额外使用前向渲染不透明物体时不生成这个Pass的情况。（关键字ConfigureInput）
    • 但去除这个pass可能会发现ssao不生效了，原因在于没有正确读取gbuffer中的法线与深度信息，可以将其资源绑定一下，但同时也会打断Native RenderPass了，需要权衡一下。
  • 建议CopyDepth和CopyColor不要在URP设置中开启，而是使用对应相机设置覆写开启，可以将生成纹理生命周期控制在对应功能开启时，而不是实时生成
    • 考虑是否需要CopyDepth（常用于深度雾、扫描线等效果）Pass，生成的深度图不能降采样
    • 考虑是否需要CopyColor（常用于扰动、反射、UI上的效果）Pass，生成的颜色图可以降采样，但反射其实可以用SSR或反射探针实现，其他情况可以视条件开启，不需要全程使用
    • Metal Api下延迟渲染管线除非开启了Native RenderPass否则都会进行CopyDepth（2021 URP）
  • 修改URP源码需要将Library中的PackageCache对应的包拷贝到Packages中，后续如果URP要升级只能手动Merge代码

Shader指令优化

如果要按渲染功能分级优化：Shader LOD

Xcode查看Shader总体耗时排名：抓帧后将Group by API Call -> Group by Pipeline State

直接在Xcode抓帧中修改Shader后刷新即可看到修改变化

Shader四类性能指标

  1. ALU: GPU逻辑处理单元的时间花费
    • Float指令占比过高时：浮点精度修改半浮点精度
    • Complex过高时：减少sqrt、sin、cos、recip等复杂指令的使用
  2. Memory: 代表访问程序的一些缓冲区或纹理内存的时间花费
    • Sample过高时：纹理降采样
    • Load/Store过高时：降低分辨率或减少内存读写开销
  3. Control Flow：着色器在分支、循环、增量、跳转等指令上花费的时间。
    • 使用恒定的迭代记数来最小化循环时间
    • 使用一些指令替换或优化分支语句
  4. Syuchrouization: 在指令执行前等待所需系统资源或同步事件所花费的时间
    • wait Memory：等待内存访问，如纹理采样或缓冲区读写Memory类的优化同样会改善此类同步问题
    • wait Pixel:等待像素资源释放，除ColorAttachment外这些像素还来自深度与模版缓冲区或者用户自定义资源，Blender是造成像素等待的常见情况，合理的光栅化对象顺序（渲染排序）来减少等待时间
    • Wait Barriar：等待同一组中其余线程完成，合理的compute shader group分组与线程分组可以改善这一情况
    • Wait Atomic：等待原语指令同步，很难优化

Shader数据类型精度

  • Float（32bit）（位置与纹理坐标信息时使用）
  • Half（16bit）（纹理坐标与颜色信息时使用）
  • Fixed（11bit）（颜色信息）（SRP下已不支持）
性能优化拾遗（三）性能优化实战-tajourney

尽量使用内置函数

不要自己造轮子，内置函数有ALU单元优化

  • pow
  • normalize
  • dot
  • inversesqrt
  • …

超越函数

一些变量之间关系不能用有限次加减乘除、乘方、开方运算表示的函数，这些函数在芯片上计算属于资源密集型函数，在低端设备上要慎用少用

  • exp
  • log
  • sin,cos,tan…
  • asin,acos,atan,atan2…
  • sincos
  • …

指令周期与阶段

性能优化拾遗（三）性能优化实战-tajourney

指令优化

  • mul + add => mad
    • (x-0.5)*1.5 -> ×*1.5+(-0.75)
  • 除法 => rcp
    • (t.x * t.y + t.z) / t.x -> t.y + t.z * ( 1.0 / t.x )
  • 对齐
    • float3 * float * float * float3 -> (float*float) * (float3*float3)
  • abs或neg指令输出 => 输入
    • abs(a.x * a.y) -> abs(a.x) * abs(a.y)
    • -(a.x*a.y) -> -a.× * a.y
  • saturate指令输入 => 输出
    • 1.0-saturate(a) -> saturate(1.0-a)
  • min或max => saturate (某些平合）
    • max(x, 0.0) = min (x, 1.0) -＞ saturate (x)
  • sart (×) = rcp (rsqrt (x)) : map to HW
  • if0=>sign(×) if/else=>step(×) lerp (a, b, step (cx, cy));
  • sin/cos/sincos << asin/acos/atan/atan2/degrees/radians
  • mul(v.m) v.x*m[0] +v.y*m[1] + v.z*m[2] + v.w*m[3] : MAD-MAD-MAD
  • mul(float4(v.xyz, 1)) v.×*m[0] + v.y*m [1] + v.z*m [2] + m[3] : MUL-MAD-MAD-MAD
  • v.x*m[01 + (v.y*m[1]+(v.z*m|2] + m[3])) : MUL-MAD-MAD-ADD
  • normalize/length/distance都包含一个dot，可以共亨，length(a-b)与distance(a，b)可共享，但与distance(b，a)不共享
  • normalize (vec) = vec * rsart(dot (vec, vec) ) ; 50*normalize (vec) -> vec(50 * rsqrt(dot(vec, vec)))
  • 自表达式不共享指令
    • if(length(v) > 1.0)
    • V = normalize (v)
    • return v
  • mul => mul24(高版本用于向量前三个相乘)
  • fma 注重精度的mad
  • texture.Load VS texture.Sample, Load (tc, offset) > Samole (tc, offset)
  • FS=>VS，均衡GPU着色器负载
  • 避免隐式转换，Vector4转成Vector3
  • Varying数据尽可能组织成向量形式，而非标量，从而减少MissCache

其他指令优化

  • [branch]UNITY_BRANCH ：真分支是否动态判断，语句比较多，且大概率走其中某一条分支
  • [flatten]UNITY_FLATTEN ：分支是否展开，分支语句比较简单的情况，比如少于6条语句的分支
  • [loop] UNITY_LOOP ：循环语句不展开，标记为真循环
  • [unroll] UNITY_UNROLL ：循环语句展开
  • [unroll(_x)] UNITY_UNROLL (_x) ：循环语句展开到第几层

Early-z失效

  • 开启Alpha Test
  • Clip()
  • Discard
  • Alpha Coverage
  • 光栅化后修改深度
  • 手动关闭Depth Test

某些平台慎用或推荐用某些内置功能

  • Alpha Test，需要真机测验
  • Color Mask，需要真机测验
  • sRGB硬件解压，大多数平台推荐用