Lua性能优化（二）：CPU性能优化
本文章仅供稿于知乎、UWA和我个人网页，未经允许禁止转载。
大家好，我是舒航，现任职于心动网络，主要负责RO的优化工作。今天主要想和大家分享一下，我这段时间在LuaCPU性能优化方面的一些经验。
上一篇文章主要讲的是写一个LuaProfiler的思路，即如何快速定位到内存和CPU问题。而这一篇则着重于介绍如何写好Lua代码，已经优化的一些经验。在我优化RO和隔壁项目组的CPU性能时候，发现CPU性能问题非常个性化，两个项目遇到的问题截然不同。而通用的Lua性能优化的Tips，往往并不能解决问题。所以这篇文章的前部分是我总结的我优化过程中常见的性能问题，后半部分是实际优化案例的一个分析，希望这样的一个形式能帮助到大家。
常见优化
常见优化主要是参考了Lua作者Roberto Ierusalimschy所写的Lua性能优化建议。
1. 使用局部变量
这个点是绝大部分Lua性能问题产生的原因，尤其是和一个频繁调用的函数组合，会产生大量的开销。总的来说，我们在一个频繁调用的函数内，应该避免重复地去查询Table，应该把Table内我们常用的值缓存起来。这里的值通常有两种:
- 函数
- 对象
虽然Lua是first-class，但是我发现实际使用中，大家意识上还是认为函数有别于其他值。所以分开来列举，方便大家对号入座。
使用局部变量是优化Lua性能的一条重要准则。
不管是函数还是对象，不管是Lua自身的库，还是我们自己写的，在Lua中都是储存在_G中的某个节点下。当我们调用一个函数/对象的时候，Lua首先会去他们的表中查找到这个函数/对象，而我们使用局部变量的话，由于Lua的局部变量是储存在寄存器(这里的寄存器不对应CPU的寄存器)内的，所以这个访问就会快很多。更严重的是，如果使用的是父类的函数/对象，还会触发__index，这样不仅会有额外的耗时还有内存开销。
尽量使用局部变量是一个容易避免，但是对于不熟悉Lua的人又很容易出现的问题，有些时候这也会造成比较严重的性能问题。比较常见的就是写UI的同学在一个定时器或者一个循环内，使用GetComponent来获取组件然后进行一些操作。由于没有用变量缓存起来，每次用完了就抛弃，再用再获取。不仅会造成很大的耗时，还会造成很大的内存开销。而写UI的工作又容易被大家所忽视，所以目前为止，我发现大部分项目这一块都有优化的空间。
这里提供了一段缓存Lua函数的代码(摘自Roberto原文):
function memoize(f)
local mem = {}
setmetatable(mem, { __mode = "kv" })
return function(x)
local r = mem[x]
if r == nil then
r = f(x)
mem[x] = r
end
return r
end
end2. 使用对象池
现在大部分团队，在使用Lua的时候，一般只用来写一些UI界面。而UI界面经常交给项目组的新人来做，以熟悉项目代码，所以这里的性能问题很容易被大家所忽视。这里经常遇到的性能问题一般出现在复杂滚动列表的重用、消息协议的重用、以及C#对象的重用中。在我帮隔壁项目组优化性能的时候，就发现一个有趣的现象。他们项目Lua使用的不重度，但是平均每帧分配内存3.4kb，而RO高峰时期的内存分配也只有0.5kb，是RO的17倍。每帧Lua耗时在0.47ms，是RO的20%-30%。总体来说，对于普通使用Lua的团队来说这里面已经有很大的性能问题了，只是总量比较少，影响不是那么大。而造成这么大性能问题的原因只有2个，一个是在一个定时器内频繁地给GameObject设位置，一个是每隔几帧收发一条移动消息。最后设位置时避免了重复创建LuaVector3，移动消息做了个简单的对象池。优化了这两条以后，不管是每帧分配内存，还是CPU耗时都降低了50%。而在所有的项目中，除了使用局部变量，其他优化中最显著的就是使用对象池了。因为正确地使用对象池能有效地减少创建新对象的过程，在Lua中也就是__newindex这个函数的耗时明显减少。__newindex减少了以后，不仅避免了频繁开辟回收内存，还能避免额外的CPU开销。尤其是使用对象池缓存一个经常复用的对象时，这样的优化更明显，比如说LuaVector3、GameObject、滚动列表中的对象。
3. 字符串拼接使用table.concat
这个问题在很多优化Tips里面经常提到，相信大家也不陌生。究其原因，是因为Lua的string是内部复用的，当我们创建字符串的时候，Lua首先会检查内部是否已经有相同的字符串了，如果有直接返回一个引用，如果没有才创建。这使得Lua中string的比较和赋值非常地快速，因为只要比较引用是否相等、或者直接赋值引用就可以了。而另一方面这个机制使得Lua在拼接字符串上开销比较大，因为在一些直接持有字符串buffer的语言中，往往可以直接把后者的buffer插入到前者的buffer的末尾，而Lua先要遍历查找是否有相同的字符串，然后会把后者整个拷贝然后拼接。尽管是这样，我们还是有一些手段来优化Lua的字符串拼接，使用table.concat来代替..。通过查看Lua的源码可以发现，这里的原理主要是table.concat只会创建一块buffer，然后在此拼接所有的字符串，实际上是在用table模拟buffer。而..则每次拼接都会产生一串新的字符串，开辟一块新的buffer。这个问题在《Programming in Lua》一书也有提及:
local buff = ""
for line in io.lines() do
buff = buff .. line .. "\n"
end
--这段代码读取一个350kb大小文件的时候需要约1分钟，同时会移动(开辟后又被回收)50GB内存。这个问题确实真实出现过，我有一次发现的一个性能问题就是因为写聊天界面的同学，每次都会用旧的聊天字符串，拼接上新增的聊天字符串得到一串新的聊天字符串。以致于当聊天信息过猛的时候，只要几分钟内存就会爆炸。但是这个问题对内存的影响更大，相比较前面两点，这个问题对CPU耗时的影响比较小。
4. 优化配置表
–如果polyline内有一百万个点，则下面的表结构会占用95kb内存
polyline = {
{x = 1, y = 2},
{x = 3, y = 4},
{x = 5, y = 6},
...
}
--这样优化可以减少到65kb
--只是我们不得不使用polyline[1][1]来代替比较直观的polyline[1].x了。
polyline = {
{1, 2},
{3, 4},
{5, 6},
...
}
--这样优化最终可以减少到24kb
--我们必须使用polyline.x[2]来代替polyline[2].x
polyline = {
x = {1, 3, 5 ... },
y = {2, 4, 6 ... }
}对于我们RO来说，table配置表就占了几十MB的内存，每一点小的优化都能节省很多内存空间。通过平时定义配置表的谨慎小心，再配合之前UWA的这篇文章Lua配置表存储优化方案，能给项目带来非常可观的优化空间。
细枝末节
以下是一些比较小的优化，但确实出现过。所以列举出来供大家参考，另外如果想写出完美的Lua代码的话强烈建议读以下Roberto的原文。
5. 使用闭包代替loadstring()
loadstring(string.format("return %d", i))
function oploadstring (k)
return function () return k end
endloadstring总是会动态地编译传入的字符串，而这个操作是非常耗时的。有时候我们可以使用闭包的形式来达到一样的效果，而且开销更小。
6. 使用pairs代替next
next总是从第一个非nil值开始遍历直到找到一个非nil值，在删除一个表或者一个足够空的表时，很慢。使用next删除一个10万个元素的表时，耗时约为20秒。而使用pairs仅需要0.04秒。
7. 不要在for循环中创建表和闭包
8. 重用coroutine
--lua中的coroutine本身是不支持重用机制的，但是我们可以使用一些小技巧来实现它。
co = coroutine.create(function (f)
while f do
f = coroutine.yield(f())
end
end)9. 用C实现一些功能
如果性能实在吃紧，但是有苦于不能使用luajit，可以用C实现一些功能，这样可以使模块的性能可优化的空间大大增加。需要注意的是，使用C越多，则luajit能优化的越少，这两者是不能叠加的。目前我们项目中并没有使用到C来实现一些模块，一来是纯用Lua性能并没有那么吃紧，二来是如果使用C来实现一些功能就失去了使用Lua的意义。反正都不能热更，那还不如直接用C#实现。只要小心一些，用Lua还是用C写不会是性能的瓶颈。
实际案例分析
广度搜索的Lua写法优化
通用的优化经验相信大家都有所了解，这里再给大家分享一段我自己写Lua代码的优化过程，这段代码是求解一个无向图中的最短路径问题。在一个773个顶点，812条边的无向图中，求任意一点到原点(一个特殊点，即local origin = 10000)的最短路径。这个无向图储存在一个table中，每个顶点有个全局ID作为key，children记录了该顶点的邻接点，示意如下：
graph = {
[ID] = { children = { ID1, ID2, ID3 } },
[ID1] = { ... },
[ID2] = { ... },
...
}原始代码:
local origin = 10000
function Util.BFS(fpIdx)
local visited = {}
local Q = {}
local firstNode = BFSNode.new(nil, fpIdx)
Q[#Q + 1] = firstNode
visited[fpIdx] = firstNode
while #Q > 0 do
local node = Q[1]
table.remove(Q, 1)
local v = graph[node.ID]
for i=1, #v.children do
local id = v.children[i]
if id == origin then
local bfsNode = BFSNode.new(node, id)
bfsNode:Log()
return bfsNode:GetPath()
end
if not visited[id] then
local bfsNode = BFSNode.new(node, id)
visited[id] = bfsNode
Q[#Q + 1] = bfsNode
end
end
end
return nil
end一、第一次优化
由于我自作聪明，为了提供Log和GetPath这些方法。将节点包装成了一个“BFSNode类”的形式，事实上是存在了一个table内。但是这部分的内存开销和CPU耗时都是非常大的，第一次优化主要就是将这个地方简化了。简化的代码应该是大家实现BFS算法的常用版本了，CPU耗时和内存开销都有所下降了。
优化后性能数据如下:
local origin = 10000
local visited = {}
local queue = {}
local remove = table.removoe
local node
local id = 0
function Util.BFS(fpIdx)
visited = {}
queue = {}
queue[#queue + 1] = fpIdx
visited[fpIdx] = -1
while #queue > 0 do
node = remove(queue, 1)
local v = graph[node]
for i=1, #v.children do
id = v.children[i]
if id == origin then
return Util.GetPath(visited, id, node)
end
if not visited[id] then
visited[id] = node
Q[#Q + 1] = id
end
end
end
return nil
end
function Util.GetPath(visited, targetIdx, parentIdx)
local path = { targetIdx }
while parentIdx > 0 do
path[#path + 1] = parentIdx
parentIdx = visited[parentIdx]
end
return path
end二、第二次优化
第一次优化后，CPU平均耗时1ms，平均内存开销1.4kb都处于可接受的范围了，但是这个代码还是有优化空间的。因为上面代码中visited没有得到复用，我们可以用一段简单的代码复用visited。这次优化做到了773次寻路总内存开销在740kb，visited和Q的开销约为50kb，其余的约700kb内存全部用于构造Path数组，此外没有内存浪费了。如果还需要优化的话就比较难了，不是一些简单的代码能实现的。而对于我们实际应用中，优化到这种程度已经完全够用了。优化后的代码和数据如下：
local noneIdx = 0
local invaildIdx = -1
local origin = 10000
local node
local id = 0
local g = graph
local GetPath = Util.GetPath
local ReuseTable = Util.ReuseTable
local head = 0
local last = 1
function Util.BFS(fpIdx)
head = 0
last = 1
Q[last] = fpIdx
visited[fpIdx] = noneIdx
while last > head do
head = head + 1
node = Q[head]
local v = g[node]
for i=1, #v.children do
id = v.children[i]
if id == origin then
local path = GetPath(visited, id, node)
ReuseTable(visited)
return path
end
if not visited[id] or visited[id] == invaildIdx then
visited[id] = node
last = last + 1
Q[last] = id
end
end
end
ReuseTable(visited)
return nil
end
function Util.GetPath(visited, targetIdx, parentIdx)
local path = { targetIdx }
while parentIdx > 0 do
path[#path + 1] = parentIdx
parentIdx = visited[parentIdx]
end
return path
end
function Util.ReuseTable(t)
for k,_ in pairs(t) do
t[k] = invaildIdx
end
end了解Slua和C#交互
上面的优化示例局限于Lua的写法和用法层面，虽然这是项目中常见的一类优化点，但是我们的Unity项目中，Lua优化还有另一个大头——Lua和C#交互。而要优化这部分，就先要明白Lua和C#交互时发生了什么。大家可以参考UWA之前推送的这篇文章《用好Lua+Unity，让性能飞起来——Lua与C#交互篇》，里面详细分析了ULua调用流程因为笔者用的是Slua，所以这里分析Lua和C#交互就以Slua为例了。其中`obj`为Lua持有的一个C#的GameObject对象，当我们执行以下代码的时候，就产生了两次Lua和C#交互。
local pos = obj.transform.position
这次Lua和C#交互的过程中，全部的流程如上表。简述一下流程就是:
- 取得元表中存储的C#函数指针
- 调用C#函数
- 返回结果
以我的经验来说，LuaCPU性能往往是和内存的开辟密不可分的。所以我们关注的重点在第三步，怎么返回结果的。Slua有一个缓存机制，已经返回过的对象会缓存在一个Map中，并且有一个唯一的索引作为Key。返回的对象会现在C#的Map中查找，如果找到了则返回这个索引。然后用这个索引去Lua的Table中查找对应的值，这个值就是最后返回给Lua的值。这个值是一个Table，其中的元表包含了所有到处的C#函数。而值类型，因为它性质的特殊，每次返回都会新生成一个索引。也就是C#里多缓存一次，Lua里多缓存一个Table。所以从Lua中访问C#中的值类型时，要注意Lua内存的开销。除去Vector2/3/4、Quaternion、Color等常用的值类型做了特殊处理，不经过特殊处理，其他的值类型都需要注意这一点。
值类型不仅在取值时，还有设值的时候也要非常小心，上面提到的我们隔壁项目组遇到的问题就类似下面这行代码，在每帧调用的Update里创建LuaVector3。因为调用这个函数的时候，C#中取LuaVector3是分别取的这个Table下标为1\2\3的三个值包装为C#的Vector3，然后设给position。所以当设完值以后这个LuaVector3由于没有任何人引用(虽然看起来是复制给了一个对象)，就会被回收掉，每一帧都会新建一个Table然后回收一个Table。
function Test:Update()
obj.transform.position = LuaVector3.New(0, 0, 0)
end