Game_Num_Basics_And_Calc

🚀 ECS 性能优化实战：从 Vampire Survivors 到 Unity DOTS

文档目标：解析如何在 Unity 中实现同屏 500+ 敌人的高性能逻辑，参考 Vampire Survivors 的优化思路，并映射到 Unity DOTS (Data-Oriented Technology Stack) 的最佳实践。同时结合本项目特有的 GAS (Gameplay Ability System) 进行混合架构设计。

---

1. 为什么传统 OOP (面向对象) 会卡？

在传统的 MonoBehaviour 方式中，每个怪物都是一个 GameObject。

💀 性能杀手名单：

1. 内存碎片与缓存未命中 (Cache Miss)：
   • 现象: 怪物数据 (Enemy 类) 散落在堆内存的各个角落。
   • 原理: CPU 读取内存的速度远慢于计算速度。当 CPU 处理 EnemyA 时，它会将附近内存块加载到 L1/L2 缓存（Prefetching）。但如果 EnemyB 在内存的另一头，预取失效，CPU 必须停下来等待内存读取（Cache Miss）。这是性能的头号杀手。
2. GC 压力 (Garbage Collection)：
   • 大量的临时对象实例化和销毁（如子弹、掉落物）导致 GC 频繁触发，造成卡顿。
3. Transform 同步开销：
   • Unity 引擎层 (C++) 和脚本层 (C#) 之间的 transform.position 交互有封送（Marshalling）开销。
4. Update() 调用开销：
   • 500 个 Update() 方法的虚函数调用本身就是巨大的 CPU 负担。

---

2. 核心解法：数据导向设计 (DOD)

Data-Oriented Design (DOD) 的核心思想是：CPU 喜欢处理连续的、简单的数据块。

2.1 结构体数组 (SoA) vs 数组结构体 (AoS)

• AoS (Array of Structs) - OOP 常用:
  • [ {HP, Pos, Speed}, {HP, Pos, Speed}, ... ]
  • 问题：如果系统只想更新位置（Position += Speed * dt），CPU 缓存行里却被迫加载了不用的 HP 数据，浪费了宝贵的缓存带宽。
• SoA (Struct of Arrays) - ECS 推荐:
  • Pos: [P1, P2, P3...]
  • Speed: [S1, S2, S3...]
  • HP: [H1, H2, H3...]
  • 优势：
    1. 缓存命中率极高: 当移动系统运行时，只加载 Pos 和 Speed 数组，每一字节的数据都是有用的。
    2. SIMD 优化: 现代 CPU 可以用一条指令同时处理 4 个或 8 个浮点数（Vectorization）。连续的数组天然适合 SIMD。

---

3. Vampire Survivors 的优化魔法

虽然 Vampire Survivors 早期是基于 Phaser (JS) 开发的，但其优化逻辑通用：

3.1 伪物理碰撞 (Fake Physics)

不要给 500 个怪物挂 Rigidbody 或 BoxCollider。

• 网格法 (Spatial Hashing)：将地图划分为小格子。只检测同一格子或相邻格子内的单位。
• 圆圆碰撞 (Circle-Circle)：DistanceSquared(A, B) < (R1+R2)^2。避免开方运算。
• “推挤”而非“物理”：怪物重叠时，根据重叠向量给一个排斥力，而不是物理引擎的刚体解算。

3.2 对象池 (Object Pooling) 2.0

• 不仅复用 GameObject，还要复用数据结构。
• Loot Reservoir (掉落蓄水池)：经验宝石不总是实例化。如果地上超过 50 个宝石，将新掉落的经验值“合并”到最近的宝石上，或创建一个特殊的“红宝石”来吸收全屏经验。

---

4. Unity 实现方案 (从入门到进阶)

🟢 方案 A：简易版 (Job System + Burst)

不使用完整的 Entities 包，仅用 Job System 优化计算。

• 适用：项目中期优化，不想重写整个架构。
• 收益：移动计算移至多线程，Burst 编译器优化数学运算。

🟡 方案 B：GPU Instancing 渲染

逻辑再快，渲染 500 个 DrawCall 也会死。

• 使用 Graphics.DrawMeshInstanced 或 DrawMeshInstancedIndirect。
• 将所有怪物的 Position/Rotation/Color 塞入 ComputeBuffer，一次提交给 GPU。

🔴 方案 C：Pure ECS (Unity DOTS)

• Entities：纯数据实体 ID。
• Components：IComponentData (struct)，如 MoveSpeedData, HealthData。
• Systems：SystemBase 或 ISystem，只负责逻辑。

---

5. 深度整合：ECS + GAS 混合架构

在 Project Vampirefall 中，我们结合 Gameplay Ability System (GAS) 设计，采用混合架构。

5.1 架构图

• Hero / Boss: MonoBehaviour + AbilitySystemComponent (C# Class)。处理复杂逻辑、动画状态机。
• Minions (500+): ECS Entity + BuffBuffer (DynamicBuffer)。处理移动、简单攻击、Buff 状态。

5.2 案例：特斯拉电塔 vs 虫群

场景: 特斯拉电塔释放“连锁闪电”，击中 50 个敌人，造成伤害并施加“感电” Debuff。

流程:

1. 触发 (Mono): 电塔 (GameObject) 的 GA_ChainLightning 触发。
2. 查询 (ECS): 通过 EntityQuery 瞬间找到范围内最近的 50 个带有 Tag_Enemy 的实体。
3. 应用 (ECS Job):
   • 创建一个 ApplyEffectJob。
   • 并行写入：扣除 HP (Health -= Damage)。
   • 并行写入：向实体的 BuffBuffer 添加 GE_Shock (感电) 的 ID。
4. 表现 (Hybrid):
   • Job 输出被击中实体的坐标列表。
   • 主线程根据坐标生成 50 条闪电链 VFX (使用 ParticleSystem 或 LineRenderer)。

代码片段：Buff 处理系统 (ECS)

[BurstCompile]
public partial struct BuffProcessingSystem : ISystem
{
    public void OnUpdate(ref SystemState state)
    {
        float dt = SystemAPI.Time.DeltaTime;
        
        // 遍历所有拥有 Buff 缓冲区的实体
        foreach (var buffBuffer in SystemAPI.Query<DynamicBuffer<ActiveBuff>>())
        {
            for (int i = 0; i < buffBuffer.Length; i++)
            {
                // 处理持续时间
                var buff = buffBuffer[i];
                buff.RemainingTime -= dt;
                
                // 处理 Buff 逻辑 (例如：每秒伤害)
                if (buff.TypeId == BuffIDs.Poison) {
                    // ... Apply Damage Logic ...
                }

                // 移除过期 Buff
                if (buff.RemainingTime <= 0) {
                    buffBuffer.RemoveAt(i);
                    i--;
                }
            }
        }
    }
}

---

6. 实战检查清单 (Checklist)

1. 去 Mono化：核心高频逻辑（移动、碰撞）剥离 MonoBehaviour。
2. 关闭物理：小怪禁用 Rigidbody，使用自定义轻量级碰撞。
3. 批量渲染：确保怪物材质支持 GPU Instancing。
4. 结构体代替类：数据层尽可能使用 struct 以利用 SoA 优势。
5. 混合同步：仅在必要时（如播放死亡动画）将 ECS 数据同步回 GameObject。

7. 性能预算参考

| 平台 | 同屏目标 (60FPS) | DrawCalls 限制 | 物理计算耗时 | | :— | :— | :— | :— | | PC (Mid) | 2000+ | < 1500 (Batching后) | < 3ms | | Mobile (High) | 500+ | < 300 | < 4ms | | Mobile (Low) | 100+ | < 100 | < 5ms |

This site is open source. Improve this page.