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。
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112