Puerts项目中的Unity IL2CPP优化实践
背景介绍
Puerts是一个将JavaScript/TypeScript与Unity游戏引擎集成的技术方案,它允许开发者使用JS/TS来开发Unity游戏。在Unity的IL2CPP后端下,Puerts面临着一些性能优化挑战,特别是在类型注册、反射调用和内存管理等方面。
核心优化点
类型注册逻辑优化
原始的类型注册(TypeRegister.cs)是在C#层面实现的,这会导致从C#侧反射获取Type或MethodInfo等元数据时,产生il2cpp元数据对象到C#对象的映射缓存。这个缓存存在两个问题:
- 永远不会被删除
- 容量不足时采用翻倍扩容策略
优化方案是将这部分逻辑迁移到C++实现,通过更底层的处理来提升性能。
函数包装支持
createFunction功能增加了对wrapper的支持,这依赖于类型注册的优化。在C++侧实现了signature计算,使得函数包装更加高效。
反射调用无GC优化
当前实现中,参数为值类型时已经实现了无GC,但返回值是值类型时仍然会产生GC。通过引入更底层的接口,可以完全消除反射调用中的GC分配。
私有函数访问优化
私有函数的访问也增加了wrapper支持,与公有函数访问保持一致的性能水平。
对象池优化尝试与回退
最初尝试将ObjectPool改为C++实现,使用unordered_set配合il2cpp::gc::Allocator。在V8环境下测试通过,但在QuickJS版本支持IL2CPP后发现问题:
- 测试用例随机失败
- 发现对象在释放前被重新创建,表明已被C# GC回收
- unordered_set无法防止GC回收
回退到保守的ObjectPool方案后,发现需要手动设置写屏障(SetWriteBarrier)来正确管理对象生命周期。这类似于il2cpp自身在AppDomain数据存储中的做法,通过显式调用GC写屏障来确保对象不被意外回收。
其他优化方向
除了IL2CPP特定优化外,项目还规划了跨版本的通用优化:
- 支持FieldInfo自动转换为getter/setter函数
- 实现JS数组到C#数组的自动转换
- 优化字符串处理,利用V8原生UTF16支持减少编码转换
- 迁移代码生成到基于Cecil的方案,解决条件编译导致的wrapper代码问题
对于P/Invoke版本,还计划优化字符串编组处理,使用系统自带的编组方法比手动调用Encoding.UTF8.GetBytes性能更好且GC更少。
技术启示
从这些优化实践中可以得到几点重要启示:
- 跨语言交互的性能瓶颈往往出现在类型系统和内存管理边界
- GC行为在不同环境下表现可能不同,需要全面测试
- 底层运行时提供的特殊机制(如写屏障)对性能优化至关重要
- 渐进式优化和及时回退是保证稳定性的重要策略
这些优化不仅提升了Puerts在IL2CPP下的性能,也为其他需要深度集成脚本引擎的项目提供了宝贵经验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00