Godot引擎中TypedArray在Dictionary中的引用问题解析
在Godot引擎的C++扩展开发中,开发者TokisanGames发现了一个关于TypedArray在Dictionary中存储时的引用行为问题。这个问题影响了4.2.2稳定版中的gdextension开发体验,特别是在处理大量数据时性能表现不佳。
问题现象
当开发者尝试将TypedArray存储在Dictionary中时,发现从Dictionary中取出的TypedArray实际上是原数组的一个副本,而非引用。这意味着对取出的数组进行修改不会影响原始存储在Dictionary中的数组。
通过测试代码可以清晰地观察到这一现象:
- 创建一个TypedArray并存入Dictionary
- 修改原始数组
- 从Dictionary取出数组并修改
- 原始数组保持不变
相比之下,普通Array和Ref类型在Dictionary中则表现正常,保持了引用语义。
技术分析
这个问题本质上与TypedArray的构造函数行为有关。在当前的godot-cpp实现中,TypedArray从Dictionary中取出时会触发一个拷贝构造函数,导致创建新副本而非保持引用。
值得注意的是,这个问题仅出现在gdextension中,在GDScript中测试TypedArray在Dictionary中的行为是正常的,保持了引用语义。这表明这是一个特定于C++绑定的实现问题。
解决方案
目前已经有一个相关的PR(#1483)修复了这个问题。测试表明该修复确实解决了TypedArray在Dictionary中的引用问题。对于暂时无法升级的用户,可以考虑以下临时解决方案:
- 使用std::map替代Dictionary进行中间处理
- 仅在最终存储时转换为Godot Dictionary
- 对于性能敏感场景,避免频繁存取TypedArray
性能影响
这个问题对性能影响显著。在修复前,处理23万实例需要较长时间;修复后仅需0.34秒,性能提升约1700倍。这充分说明了引用语义在数据处理中的重要性。
总结
TypedArray在Dictionary中的引用问题是Godot引擎C++扩展开发中需要注意的一个细节。开发者应当了解不同容器类型在传递时的行为差异,特别是在性能敏感的场景下。随着相关修复的合并,这个问题将在未来的版本中得到解决。
对于当前版本的用户,建议采用替代方案或等待稳定版更新。同时,这也提醒我们在使用引擎扩展功能时,应当充分测试核心数据结构的语义行为,以确保性能符合预期。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00