EnTT项目中的组(Group)和视图(View)封装实践
2025-05-21 00:02:49作者:蔡丛锟
引言
在基于EnTT的实体组件系统(ECS)开发中,组(Group)和视图(View)是两种核心的数据访问模式。它们提供了高效的方式来遍历和操作具有特定组件组合的实体。然而,在实际项目开发中,我们经常需要对这些基础结构进行封装,以实现更高级的功能或满足特定架构需求。
为什么需要封装
在游戏引擎开发中,直接使用EnTT的原生组和视图可能会遇到以下挑战:
- 延迟初始化需求:某些情况下,我们需要先声明组对象,稍后才能初始化它
- 类型安全:希望提供更友好的接口来创建和使用组
- 系统集成:需要将组与自定义系统架构集成
- 生命周期管理:确保组的创建和销毁与系统生命周期一致
封装方案设计
基础接口设计
首先,我们定义一个基础查询接口类,作为所有具体查询类型的基类:
class VQueryBase {
public:
// 禁止堆分配
void* operator new(std::size_t) = delete;
void operator delete(void*) = delete;
VQueryBase(VSystem* owningSys) {
owningSys->RegisterQueryToSystem(this);
}
virtual ~VQueryBase() {
m_OwningSys->UnRegisterQueryFromSystem(this);
}
protected:
VSystem* m_OwningSys;
private:
virtual void InitializeQuery(VEntityManager& entity_manager) = 0;
friend VSystem;
};
这个基类主要处理与系统的注册关系,并确保查询对象不会被错误地分配在堆上。
类型别名定义
为了简化模板参数的使用,我们定义一些类型别名:
template<typename... Type>
using Exclude_T = entt::exclude_t<Type...>;
template<typename... Type>
using Get_T = entt::get_t<Type...>;
template<typename... Type>
using Owned_T = entt::owned_t<Type...>;
核心封装实现
核心的组封装实现涉及一些高级模板技巧:
// 辅助函数推导组类型
template<class... TOwneds, class... TGets, class... TExcludes>
constexpr auto get_group_type(
entt::owned_t<TOwneds...>, entt::get_t<TGets...>, entt::exclude_t<TExcludes...>) ->
entt::basic_group<
entt::owned_t<entt::registry::storage_for_type<TOwneds>...>,
entt::get_t<entt::registry::storage_for_type<TGets>...>,
entt::exclude_t<entt::registry::storage_for_type<TExcludes>...>>;
// 类型别名简化
template<class TOwned, class TGet, class TExclude>
using group_type_t = decltype(get_group_type(
std::declval<TOwned>(), std::declval<TGet>(), std::declval<TExclude>()));
// 主模板声明
template<class, class, class>
class VQuery;
// 具体实现
template<class TOwned, class TGet = Get_T<>, class TExclude = Exclude_T<>>
class VQuery : public VQueryBase {
public:
VQuery(VSystem* owningSys): VQueryBase(owningSys) {}
void InitializeQuery(VEntityManager& entity_manager) override {
m_Group = MakeGroup(entity_manager.GetNativeRegistry(), TOwned{});
}
auto& Group() {
return m_Group;
}
private:
group_type_t<TOwned, TGet, TExclude> m_Group;
template<class... TOwneds>
static auto MakeGroup(
entt::registry& entity_manager,
Owned_T<TOwneds...> i_owned) {
return entity_manager.group<TOwneds...>(TGet{}, TExclude{});
}
};
使用示例
在实际系统中使用封装后的组:
class VTransformSystem : public VSystem {
public:
void OnStartup(VEntityManager& manager) override;
void OnExecute(VEntityManager& manager, const VSystemExecutionContext& context) override;
// 其他成员函数...
VQuery<Owned_T<VTransformComponent>> m_TransformQuery = VQuery<Owned_T<VTransformComponent>>(this);
};
关键点解析
-
类型推导:通过
get_group_type辅助函数和group_type_t类型别名,我们能够正确推导出底层EnTT组的具体类型 -
延迟初始化:封装允许我们先创建查询对象,稍后在系统初始化时再实际创建EnTT组
-
类型安全:模板参数强制使用
Owned_T、Get_T和Exclude_T包装,确保类型正确性 -
生命周期管理:通过基类机制,确保查询对象与其所属系统生命周期一致
扩展思考
这种封装模式不仅适用于组,也可以类似地应用于视图(View)。在实际项目中,还可以进一步扩展:
- 添加缓存机制,避免频繁重建组
- 实现更复杂的查询组合逻辑
- 添加调试和性能分析功能
- 支持热重载时的查询更新
总结
通过合理的封装设计,我们可以在保持EnTT高性能特性的同时,获得更好的工程实践体验。这种封装既解决了延迟初始化的问题,又提供了更清晰的接口,同时与自定义引擎架构无缝集成。这种模式在复杂游戏引擎开发中特别有价值,能够显著提高代码的可维护性和可扩展性。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134