Unity Netcode for GameObjects 中 NetworkShow 调用导致重复创建对象的分析与解决
2025-07-03 04:44:08作者:薛曦旖Francesca
问题背景
在 Unity Netcode for GameObjects (NGO) 网络框架中,开发者可能会遇到一个特殊场景:当在 OnNetworkSpawn 生命周期方法中调用 NetworkShow 方法时,会导致客户端收到重复的 CreateObjectMessage 消息。这种情况特别容易发生在设置了 SpawnWithObservers = false 的网络对象上。
问题现象
当开发者按照以下方式实现时会出现问题:
- 创建一个网络预制体,其组件在
OnNetworkSpawn中调用NetworkShow - 设置该预制体的
SpawnWithObservers为 false - 服务器端动态生成该网络对象并指定远程客户端为所有者
此时远程客户端会收到两条 CreateObjectMessage 消息,导致以下问题:
- 控制台出现"尝试生成已存在的网络对象"警告
- 场景中出现两个相同的网络对象实例(原始对象和重复对象)
技术原理分析
这个问题的根本原因在于 NGO 内部的消息处理机制:
- 在
NetworkObject.SpawnInternal方法中,会先调用NetworkManager.SpawnManager.SpawnNetworkObjectLocally - 该方法会触发
OnNetworkSpawn生命周期方法 - 如果在
OnNetworkSpawn中调用NetworkShow,会:- 将客户端ID添加到观察者列表
- 计划在帧结束时发送
CreateObjectMessage
- 当
SpawnNetworkObjectLocally完成后,SpawnInternal会遍历观察者列表并发送CreateObjectMessage - 帧结束时,之前计划的
CreateObjectMessage也会被发送
这样就导致了同一条创建消息被发送两次。
解决方案
NGO 官方提供了两种推荐的解决方案:
方案一:生成后立即显示
// 直接生成并将客户端设为所有者
var instance = NetworkManager.SpawnManager.InstantiateAndSpawn(
m_networkPrefab,
clientId,
true);
// 生成完成后显示对象
instance.NetworkShow(clientId);
这种方案只会发送一条 CreateObjectMessage 消息,是最简洁的解决方案。
方案二:服务器生成后转移所有权
// 服务器端生成但不显示给任何客户端
var instance = Instantiate(m_networkPrefab.gameObject);
var networkObjectInstance = instance.GetComponent<NetworkObject>();
networkObjectInstance.Spawn();
// 先显示给目标客户端
networkObjectInstance.NetworkShow(clientId);
// 然后转移所有权
networkObjectInstance.ChangeOwnership(clientId);
这种方案会发送两条消息(创建消息和所有权变更消息),实现上较为复杂,通常不推荐使用。
最佳实践建议
-
避免在生命周期方法中调用显示/隐藏方法:特别是
OnNetworkSpawn这类早期生命周期方法 -
使用 NGO 2.0+ 的新特性:在 NGO 2.0.0 及以上版本中,可以使用新的
NetworkPostSpawn虚拟方法来处理这类需求,它更适合在生成完成后执行显示操作 -
简化所有权和可见性逻辑:尽可能使用方案一的模式,保持代码简洁
-
注意版本兼容性:该问题在 NGO 2.4.0 版本中已得到官方修复
总结
在 Unity Netcode for GameObjects 开发网络游戏时,正确处理网络对象的生成和显示顺序至关重要。理解框架内部的消息处理机制可以帮助开发者避免这类重复创建的问题。通过采用生成后显示的模式或使用新版框架的特性,可以确保网络对象在不同客户端间的正确同步。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660