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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0168- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
hotgoHotGo 是一个基于 vue 和 goframe2.0 开发的全栈前后端分离的开发基础平台和移动应用平台,集成jwt鉴权,动态路由,动态菜单,casbin鉴权,消息队列,定时任务等功能,提供多种常用场景文件,让您把更多时间专注在业务开发上。Go03
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
596
4 K
Ascend Extension for PyTorch
Python
433
524
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++
915
755
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
365
243
暂无简介
Dart
840
204
🎉 (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
1.45 K
814
昇腾LLM分布式训练框架
Python
130
154
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
111
166
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
128
173