Proton兼容性报告:Once Human游戏在Linux下的运行优化方案
2025-05-07 13:01:02作者:韦蓉瑛
游戏性能问题概述
Once Human作为一款近期热门的生存类MMO游戏,在Linux平台通过Proton运行时遇到了严重的性能问题。主要症状表现为游戏过程中频繁出现的卡顿现象,特别是在进入城市区域或查看某些建筑物体时尤为明显。这些问题严重影响了游戏体验,甚至导致部分玩家出现眩晕症状。
技术背景分析
游戏基于Vulkan图形API开发,理论上应该对Linux平台有较好的兼容性。然而实际运行中,即使在高端硬件配置(如RTX 4090显卡)下,游戏仍会出现明显的性能问题。这主要源于以下几个方面:
- 着色器编译问题:游戏启动时需要15分钟进行Vulkan着色器预编译,但编译完成后仍会出现运行时卡顿
- 渲染管线切换:当视角转向特定建筑物体时性能骤降,表明存在渲染资源加载或管线切换问题
- DirectX转换层效率:虽然使用Vulkan,但游戏底层可能仍依赖DirectX API调用
解决方案探索历程
社区经过长达5周的测试,尝试了多种Proton版本和配置方案:
- 官方Proton版本测试:从7.0系列到最新的Experimental版本均无法完全解决问题
- 第三方Proton分支:包括GE-Proton、Proton-tkg和Proton-cachyos等定制版本
- DXVK异步编译:尝试使用DXVK_ASYNC=1参数,但该功能在Proton 7之后已被禁用
当前有效解决方案
经过大量测试,目前发现以下配置方案能显著改善游戏性能:
- 使用GE-Proton7-55版本:这是目前表现最佳的兼容版本
- 启用DirectX 12模式:修改GraphicConfig.xml文件中的相关参数:
- 将
setting_enable_d3d12和setting_use_d3d12的值从0改为1
- 将
- 应对WinLicense错误:游戏更新后旧版Proton可能触发DRM保护机制,需配合DX12设置使用
性能优化建议
对于仍遇到性能问题的用户,可尝试以下额外优化措施:
- 降低图形设置:特别是阴影质量和后期处理效果
- 限制帧率:使用游戏内或驱动层面的帧率限制功能
- 关闭不必要的后台进程:确保系统资源充分分配给游戏
- 定期清理着色器缓存:防止过时或损坏的缓存文件影响性能
未来展望
随着游戏和Proton的持续更新,预期未来版本将提供更好的原生兼容性。Valve开发团队已注意到该游戏的兼容性问题,并将其纳入统一跟踪处理。建议用户关注官方更新日志,及时获取最新的兼容性改进信息。
对于Linux游戏玩家而言,这类大型在线游戏的兼容性挑战并非个例。通过社区协作和持续的技术优化,Once Human已从最初的几乎无法运行状态发展到目前的基本可玩状态,展现了开源兼容层技术的强大适应能力。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
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
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220