APM 实现 GPU 硬件层加速优化 Android 系统的游戏流畅度

主页（http://www.zhonghuagame.com）：APM 实现 GPU 硬件层加速优化 Android 系统的游戏流畅度

作为一款 VR 实时操作游戏 App，我们需要根据重力感应系统，实时监控手机的角度，并渲染出相应位置的 VR 图像，因此在不同 Android 设备之间，由于使用的芯片组和不同架构的 GPU，游戏性能会因此受到影响。举例来说：游戏在 Galaxy S20+ 上可能以 60fps 的速度渲染，但它在 HUAWEI P50 Pro 上的表现可能与前者大相径庭。 由于新版本的手机具有良好的配置，而游戏需要考虑基于底层硬件的运行情况。

如果玩家遇到帧速率下降或加载时间变慢，他们很快就会对游戏失去兴趣。如果游戏耗尽电池电量或设备过热，我们也会流失处于长途旅行中的游戏玩家。如果提前预渲染不必要的游戏素材，会大大增加游戏的启动时间，导致玩家失去耐心。如果帧率和手机不能适配，在运行时会由于手机自我保护机制造成闪退，带来极差的游戏体验。

基于此，我们需要对代码进行优化以适配市场上不同手机的不同帧率运行。

所遇到的挑战

首先我们使用 Streamline 获取在 Android 设备上运行的游戏的配置文件，在运行测试场景时将 CPU 和 GPU 性能计数器活动可视化，以准确了解设备处理 CPU 和 GPU 工作负载，从而去定位帧速率下降的主要问题。

以下的帧率分析图表显示了应用程序如何随时间运行。

在下面的图中，我们可以看到执行引擎周期与 FPS 下降之间的相关性。显然 GPU 正忙于算术运算，并且着色器可能过于复杂。

为了测试在不同设备中的帧率情况，使用友盟 +U-APM 测试不同机型上的卡顿状况，发现在 onSurfaceCreated 函数中进行渲染时出现卡顿， 应证了前文的分析，可以确定 GPU 是在算数运算过程中发生了卡顿：

因为不同设备有不同的性能预期，所以需要为每个设备设置自己的性能预算。例如，已知设备中 GPU 的最高频率，并且提供目标帧速率，则可以计算每帧 GPU 成本的绝对限制。

数学公式 : $ 每帧 GPU 成本 = GPU 最高频率 / 目标帧率 $

CPU 到 GPU 的调度存在一定的约束，由于调度上存在限制所以我们无法达到目标帧率。另外，由于 CPU-GPU 接口上的工作负载序列化，渲染过程是异步进行的。CPU 将新的渲染工作放入队列，稍后由 GPU 处理。

数据资源问题

CPU 控制渲染过程并且实时提供最新的数据，例如每一帧的变换和灯光位置。然而，GPU 处理是异步的。这意味着数据资源会被排队的命令引用，并在命令流中停留一段时间。而程序中的 OpenGL ES 需要渲染以反映进行绘制调用时资源的状态，因此在引用它们的 GPU 工作负载完成之前无法修改资源。

调试过程

我们曾做出尝试，对引用资源进行代码上的编辑优化，然而当我们尝试修改这部分内容时，会触发该部分的新副本的创建。这将能够一定程度上实现我们的目标，但是会产生大量的 CPU 开销。

于是我们使用 Streamline 查明高 CPU 负载的实例。在图形驱动程序内部 libGLES_Mali.so 路径函数 , 视图中看到极高的占用时间。

由于我们希望在不同手机上适配不同帧率运行，所以需要查明 libGLES_Mali.so 是否在不同机型的设备上都产生了极高的占用时间，此处采用了友盟 +U-APM 来检测用户在不同机型上的函数占用比例。

经友盟 + U-APM 自定义异常测试，下列机型会产生高 libGLES_Mali.so 占用的问题，因此我们需要基于底层硬件的运行情况来解决流畅性问题，同时由于存在问题的机型不止一种，我们需要从内存层面着手，考虑如何调用较少的内存缓存区并及时释放内存。

解决方案及优化

基于前文的分析，我们首先尝试从缓冲区入手进行优化。单缓冲区方案 使用 glMapBufferRange 和 GL_MAP_UNSYNCHRONIZED. 然后使用单个缓冲区内的子区域构建旋转。这避免了对多个缓冲区的需求，但是这一方案仍然存在一些问题，我们仍需要处理管理子区域依赖项，这一部分的代码给我们带来了额外的工作量。多缓冲区方案 我们尝试在系统中创建多个缓冲区，并以循环方式使用缓冲区。通过计算我们得到了适合的缓冲区的数目，在之后的帧中，代码可以去重新使用这些循环缓冲区。由于我们使用了大量的循环缓冲区，那么大量的日志记录和数据库写入是非常有必要的。但是有几个因素会导致此处的性能不佳：１. 产生了额外的内存使用和 GC 压力２. Android 操作系统实际上是将日志消息写入日志而并非文件，这需要额外的时间。３. 如果只有一次调用，那么这里的性能消耗微乎其微。但是由于使用了循环缓冲区，所以这里需要用到多次调用。我们会在基于 c# 中的 Mono 分析器中启用内存分配跟踪函数用于定位问题：

$ adb shell setprop debug.mono.profile log:calls,alloc

我们可以看到该方法在每次调用时都花费时间：

Method call summary Total ( ms ) Self ( ms ) Calls Method name 782 5 100 MyApp.MainActivity:Log ( string,object [ ] ) 775 3 100 Android.Util.Log:Debug ( string,string,object [ ] ) 634 10 100 Android.Util.Log:Debug ( string,string )

在这里定位到我们的日志记录花费了大量时间，我们的下一步方向可能需要改进单个调用，或者寻求全新的解决方案。

log:alloc 还让我们看到内存分配；日志调用直接导致了大量的不合理内存分配：

Allocation summary Bytes Count Average Type name 41784 839 49 System.String 4280 144 29 System.Object [ ]

硬件加速

最后尝试引入硬件加速，获得了一个新的绘图模型来将应用程序渲染到屏幕上。它引入了 DisplayList 结构并且记录视图的绘图命令以加快渲染速度。

同时，可以将 View 渲染到屏幕外缓冲区并随心所欲地修改它而不用担心被引用的问题。此功能主要适用于动画，非常适合解决我们的帧率问题 , 可以更快地为复杂的视图设置动画。

如果没有图层，在更改动画属性后，动画视图将使其无效。对于复杂的视图，这种失效会传播到所有的子视图，它们反过来会重绘自己。

在使用由硬件支持的视图层后，GPU 会为视图创建纹理。因此我们可以在我们的屏幕上为复杂的视图设置动画，并且使动画更加流畅。

代码示例：