随着游戏内容不断丰富、业务逻辑持续复杂化、画面表现持续升级，功耗问题正在成为移动游戏领域越来越突出的痛点。
很多团队都会遇到类似情况：
游戏帧率稳定，但设备发热严重
测试阶段一切正常，但长时间运行后功耗异常
明明做了大量优化，但续航依然不理想
过去一年，我们针对移动游戏功耗问题进行了大量调研与实践，并逐步整理出一套相对可量化的功耗分析方法。
这套方法的目标很简单：不仅能看到功耗变化，更能找到功耗产生的真正原因。
《移动端Unity游戏功耗调优的破局实践》主要分为三个部分：
1️⃣ 功耗分析工具介绍
2️⃣ 能耗影响因素
3️⃣ 项目中总结的功耗优化 Best Practices
本文先带大家看第一部分：功耗分析工具。
1
传统功耗分析工具的问题
在很多项目中，比较常见的做法是使用 GOT Online。通过它，我们可以看到类似这样的信息：
整体功耗曲线
测试过程中的功耗趋势变化
另外，在我们提供的免费性能分析工具 Gears中，也提供了类似的Power 曲线，可以直观查看：
测试过程中的整体功耗走势
最终的平均功耗数值
这些工具对于宏观观察功耗趋势非常有帮助。但它们有一个非常关键的局限：只能看到功耗变化，但无法告诉你功耗为什么上升。例如：是 GPU 压力过大？还是 CPU 负载过高？又或者是 某个系统模块突然消耗大量能量？
如果无法回答这些问题，功耗优化就很难真正落地。
因此，我们一直在寻找一种能够对功耗进行定量分析的工具，从而明确：到底是哪个模块导致了能耗异常增长。
2
我们尝试过的几种方案
在调研过程中，我们陆续尝试了多种工具。
1、Trepn Profiler
首先尝试的是 Trepn Profiler。从名字来看，它似乎是一个专门做能耗分析的工具。
但在实际使用过程中，我们发现：
可采集的数据维度非常有限
基本只能看到少量 CPU 核心频率变化
很难和实际功耗问题建立有效关联
最终，这个工具并没有为我们的分析提供太大帮助，因此被放弃。
2、ADB BatteryStats
随后我们尝试了 ADB 命令行中的 BatteryStats。它可以通过命令行统计设备的电量消耗，并按 进程 UID 输出相关数据，例如：Screen、CPU、Audio、Video、Wi-Fi......
如果将这些数据整理并做可视化分析，就可以得到类似这样的趋势：斜率越高，对应模块的能耗越大。
这种方式确实能让我们大致判断：
哪些模块的功耗占比较高
功耗趋势是上升还是下降
但它仍然存在两个明显问题：
1️⃣ 数据维度仍然偏抽象
2️⃣ 无法进一步定位具体行为
例如：为什么 CPU 功耗突然升高？是脚本逻辑？动画？UI？还是物理系统？
这些问题，BatteryStats 仍然无法回答。
3、Android Studio Power Rails
后来我们发现了 Android Studio 中的 Power Rails 功能。相比前面两个工具，它的信息要详细得多。
它可以将功耗拆分到多个硬件维度，例如：
CPU 大核 / 中核 / 小核
GPU
Display
从数据粒度上来说，这已经非常接近我们想要的效果。
但Power Rails 也有几个限制：
只能在 Google Pixel 设备上使用
被采集的 App 必须是 debuggable
测试时间不能太长，否则数据量会过大
因此在实际项目中使用仍然比较受限。
3
我们最终推荐的工具：Perfetto
经过多轮测试之后，我们最终更推荐使用 Perfetto 来进行功耗采集。
它的优势主要体现在几个方面：
1、支持更长时间的功耗采集
通过 Perfetto 的网页工具，可以开启：Battery & Power Rails相关选项。
相比 Android Studio，Perfetto支持更长时间的测试，例如：持续 1 小时的功耗采集。
对于大多数项目来说，这已经足够覆盖完整测试场景。
2、配置简单
在 Perfetto 的主界面中：
点击 Record new trace
选择 WebUSB 连接手机
点击 Connect new device
选择当前连接的设备
当界面中出现绿色提示信息时，就表示设备已经连接成功。
随后点击 Start Tracing 开始采集。测试一段时间后点击 Stop，即可生成分析数据。
3、可以直接查看模块功耗排名
在分析结果中，我们可以按照 Average Power 排序查看各模块功耗。
例如在某些测试场景中：GPU 功耗最高，这就意味着优化重点应该放在：
渲染复杂度
Shader
DrawCall
分辨率
后处理
而在另一些测试中，我们会看到：CPU 大核功耗占比最高，这通常意味着问题可能来自：
游戏逻辑
动画系统
UI 更新
物理系统
资源加载
通过这种方式，我们就可以非常清晰地定位：功耗压力究竟来自哪个模块。
4、支持正式版本游戏分析
Perfetto 还有一个非常重要的优势：被采集的应用不需要是 debuggable。
也就是说：即使是 应用商店下载的正式版本游戏，也可以直接进行功耗分析。这对于真实项目问题定位来说非常关键。
当然，它同样存在一个限制：功耗采集仍然需要使用 Google Pixel 设备。
4
未完待续
在解决了功耗数据采集问题之后，接下来更关键的是：哪些因素会真正影响游戏功耗？CPU、GPU、屏幕、系统模块分别占多少？哪些优化手段最有效？
在接下来的内容中，我们将基于大量实际项目数据，深入分析：基于工具采集到的数据，分析影响能耗的主要因素以及我们总结的一些 Best Practices。
https://edu.uwa4d.com/course-intro/1/630
1
2
3
4
热门跟贴