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。
kernelopenEuler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。C043
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
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