王思聪携英雄互娱联手五大渠道 移动电竞终现前两把交椅
来源：搜狐手游
“凡有的，还要加给他叫他多余；没有的，连他所有的也要夺过来。”――《新约?马太福音》
强者恒强，赢家通吃，千百年来莫不如是，这就是神奇的“马太效应”。在当下炙手可热的移动电竞，“马太效应”的威力也愈发显现。
不过和PC端游不同的是，移动电竞并非绝对的一家独大。速途研究院《2015年H1中国移动电竞市场报告》数据显示，腾讯以34.7%的市场占有率排在第一，英雄互娱凭借10.5%的行业规模紧随其后，位居三四名的是网易游戏和中国手游。
别忘了在搜索、电商、社交等领域，BAT动辄垄断六七成以上的市场，腾讯更是在PC电竞垄断八九成市场份额。这说明移动电竞尚未出现真正坐稳头把交椅的公司。未来移动电竞很有可能像电商、社交那样，出现阿里京东、微信陌陌两强并立的格局。如果说腾讯已经提前锁定其中一把交椅的话，它的对手们无疑在争夺另一把交椅。
这把交椅会是谁呢？
10月24日，由王思聪和英雄互娱牵头，成立了有17家厂商成员的中国移动电竞联盟。彼时，尽管联盟已经囊括了包括游戏厂商、PGC 内容、视频直播平台、赛事承办方在内的四大产业环节，但渠道的缺席，无疑是其试图构建移动电竞产业完整闭环的一大缺憾，这也被一些人批评为“五行缺水”。
敢于征服沙漠的人当然不会让自己渴死。仅仅过了不到一个月，11月19日，移动电竞联盟宣布：包括360、百度、小米、UC和硬核联盟（包含华为、OPPO、vivo、酷派、金立、联想）在内的五大渠道商已正式加入中国移动电竞联盟。此事有两个意义：首先是，联盟将“厂商-比赛-PGC内容制作方-直播平台-渠道”的电竞产业闭环彻底打通；其次，有了这几大渠道商的助力，英雄互娱等联盟厂商有望迅速扩大各自市场规模，扩大行业壁垒。
招安渠道为“造血”
对于此事，一些业内人士好奇包括360、百度等强势渠道商这么快就被“招安”的始末。但在我看来，从移动电竞产业层面来看，生态整合正是“马太效应”最自然的结果。
据权威机构Newzoo预计，今年的全球电竞市场将达到7.48亿美元（47亿元）的规模，中国电竞粉丝数占全球的45%左右。同时，随着中国今年超越美国成为全球第一大手游市场，移动电竞将成为手游市场新的旗帜。
腾讯对移动电竞一直蠢蠢欲动。仅在8月份，腾讯接连发布两款实时MOBA电竞手游《全民超神》和《英雄战迹》；9月，腾讯旗下热门FPS游戏《穿越火线：枪战王者》开启安卓首测，同时宣布手游电竞“CFM赛事计划”。
论实力、论资源，联盟中任何一家厂商或机构，都不具备单挑腾讯的优势。以目前火热的英雄互娱旗下电竞产品《全民枪战》为例，它的总注册用户超过1.6亿、月活跃用户可以达到3500万。但如果与腾讯系电竞比较，恐怕也是小巫见大巫。
就算它们联合起来，与腾讯相比还会存在一个致命短板，那就是渠道。渠道即用户流量，如果没有强大的“微信-QQ-应用宝”的渠道矩阵，像《全民突击》、《天天飞车》等产品也不会那么成功。
根据Newzoo最新发布的中国安卓渠道排名，360手机助手、百度手机助手、小米游戏中心等加入移动电竞联盟的渠道商，总共覆盖了整个安卓市场超过80%的移动游戏用户。
移动电竞联盟的根本目标则是搭建移动电竞平台。这几大渠道既可以帮助联盟厂商吸纳更多优质用户，为平台“造血”；又能有效维持原有用户的稳定性，大大削弱被腾讯渠道分流的影响。这就是渠道的价值所在。
有了这些筹码，渠道商当然也不仅仅是扮演雪中送炭的无名英雄。首先，渠道通过发行高水准的电竞作品，其品牌影响力也会大大提升。过去是渠道决定了用户选择什么游戏，现在则到了用户主动选择游戏，进而选择渠道的阶段。像英雄互娱《全民枪战》、昆仑万维的《梦三国》等高水准电竞作品，无疑为渠道商带来了大批新用户。
此外，这个时代是“让专业的人做专业的事”，360、百度、小米也深知自身最强的优势是通道和流量，它们不会傻到自己去做游戏研发。与厂商合作，可以更好的发挥自身价值，攫取更好的回报，百利而无一害。
从这些角度来看，自移动电竞联盟建立之日起，其与渠道商的强强互补便是大势所趋了。它们构建起全新的、更为强大的共生体，这也为它们重构电竞行业格局，攒下了充分的资本。
电竞联盟下一个野心：赛事
游戏和体育作为世界上参与人数最多的两大产业，它们最大的共同点是：与赛事共生共荣。尤其对于电竞手游而言，如何激发更多的人参与，让其尽享竞技的乐趣，是发展过程中最核心的问题。赛事推广就是最好的良药。数据研究机构SuperData的统计，今年全球电竞观看者人数达到1.88亿，这个数字超过了任何一个单项体育运动。
在端游时代，《英雄联盟》和《DotA 2》就凭借在全球范围成功打造赛事品牌以及高昂的参赛奖金刺激，吸引了全球电竞爱好者的参与，成为最火爆的游戏品牌。据了解，去年《英雄联盟》的总决赛共有3200万人观看，这差不多是看NBA总决赛观看人数的2倍；《DotA 2》则建立了全球最大的电竞游戏奖金池，旗下TI锦标赛也成为全球最受欢迎的电竞赛事。年复一年，但该游戏的奖金池和用户量依然在保持增长。
移动电竞联盟想要稳坐市场的前两把交椅，同样在积极推广旗下品牌赛事――英雄联赛（HLP）。此前，英雄联赛由英雄互娱筹办并主导，赛事项目主要是《全民枪战》、《天天炫舞》等英雄互娱自研发产品。据悉，昆仑万维的《梦三国》将在明年三月份前正式接入HPL的体系赛事。HPL作为大中华区最大的移动电竞赛事，具备很高的商业价值。据了解，金立、魅族、旺旺、新世界百货成为了HPL赛事的首批赞助商。
“HPL每月比赛都有接近2万支战队报名，在未来一年内，我们的目标是同时实现500万的在线观看人群。联盟除了HPL赛事，同时还为其他赛事提供长期服务。”移动电竞联盟秘书长刘志刚表示。
移动电竞的概念发轫于几年前，但真正从萌芽进入生长期想必正是今年。业内人士称，移动电竞如今这么火有两个人最要感谢，一个是马化腾，另一个则是王思聪。尽管腾讯旗下一些游戏产品被批评设计简单、竞技程度不足，但依靠国内第一的发行渠道优势，也大大促进了端游电竞到移动电竞的迅速普及；而“国民老公”王思聪不仅有霸占娱乐圈头条的本事，作为超级狂热的电竞爱好者，他不仅玩电竞、投资电竞直播平台，甚至参与组建中国第一个移动电竞联盟，对于移动电竞的推广可谓是不遗余力。
然而，中国移动电竞距离韩国、美国等发达市场，依然存在不小的差距。比如仍然缺乏足够多的优质产品，以及尚未在全行业范围建立成熟的移动电竞生态等等，这也是移动电竞联盟力争实现的目标。
电竞产业不仅需要残酷的竞争，也呼唤开放的合作，对于像“腾讯和它的17个对手”、“移动电竞联盟颠覆腾讯”这样的字眼，并不是大家喜闻乐见的。因为这个市场足够宽阔，容得下更多的创新者，对整个产业有益的人，自然会收获与之匹配的价值。
(责任编辑：原小卫)
原标题：王思聪携英雄互娱联手五大渠道 移动电竞终现前两把交椅
&&&&&&</div
网络视频正在成为一块炙手可热的蛋糕...[]
社区热帖推荐
揭秘网红生活真相……[]
客服热线：86-10-
客服邮箱：英雄联盟怎么让画面跟这人移动_百度知道
英雄联盟怎么让画面跟这人移动
提问者采纳
LZ你好，可以按y （再次按下解除）或者按空格（持续按住空格就一直跟随，否则就只是瞬间定格（这个很好用的）
其他类似问题
为您推荐：
其他5条回答
进入游戏后按键盘Y键可以锁定视角
移动人物的时候窗口也会一起动了 不用特地再移动窗口同样再按Y键可以解锁视角
随个人喜好吧。就这样 希望会对你有帮助。
进入游戏按Y键锁定屏幕，或是小地图上面点眼睛图标进入游戏按Y键锁定屏幕，或是小地图上面点眼睛图标进入游戏按Y键锁定屏幕，或是小地图上面点眼睛图标
按字母Y锁定视角，你的人物就会固定在屏幕中间，画面跟着人物动
进入游戏按Y键锁定屏幕，或是小地图上面点眼睛图标
按Y键可以锁定视角,使画面随人物移动
英雄联盟的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁4399游戏盒下载
时间：16-01-14
作者：4399未荻
| 浏览:0次
讯，日，(MGAS)在美丽的海滨城市厦门正式开幕。本届年会以&产业赢响&多元趋动&为主题，吸引了众多业内人士参与。会后，英雄互娱COO刘志刚就移动电竞发展接受了记者的采访。
英雄互娱刘志刚
以下为采访实录
记者：我想问一下，10月份英雄互娱前头成立中国移动电竞联盟，现在联盟有多少成员，包括哪些公司?
刘志刚：现在24家公司，基本上都是上市公司，百度、小米、电竞联盟，还有360，还有UC几个大平台，公司有游族，凯英、完美、巨人、畅游等等，可以看一下我们的名单。
主持人：英雄互娱自己办的英雄联赛，现在到年底好象过了一轮了，已经办过一届了?
刘志刚：下下周就有一场比赛。北京、广州、成都、上海战队都打完了，还有一些名额资格，现在东南亚几支战队也在抢，我们的台湾联赛打出来几只战队，都想参加3月份的总决赛，这届总决赛名字也确定下来，叫英雄杯，大概3月底。海外的战队对打英雄赛这件事非常感兴趣，他们希望得到更多的资格，建议我们再打一次，之前线下赛的时候有些战队希望有机会再打一次，当时没有发挥好，希望再进行一次复活赛。其实我们每个月都有比赛，一个月平均3到4场比赛，有线上有也许有线下的。后面还有校园赛、城市赛、精英邀请赛，基本上都确定了。
记者：之前出一过报告，目前市面上大部分的手游电竞都是腾讯的，英雄互娱在这方面赶超腾讯，是数量还是精细化布局方面?
刘志刚：前段时间腾讯自己出了一个数据，国内电子竞技领域，英雄互娱也算仅次于腾讯了。除了腾讯之外，它也承认其他公司做电竞也开始做得比较好一些了。从手游电竞来说我们是第一家开始做的，后面还有一些竞技擂台出现。我们看很多比赛的时候，很多人说电子竞技，特别是手游上的电竞绝对不是moba的产品。腾讯又教育我们，moba在手游上也可以做，竞技不是某一家公司，就像体育一样，是全世界的，是每个人的，就像你喜欢篮球，或者喜欢足球，是个人爱好。所以我觉得我们开创，我们做的中国移动电竞联盟，手游竞技这个方向，大家要相信这点。要进场之后，后面才有机会。
记者：我想问一个问题，前段时间华谊兄弟来投资英雄互娱，华谊兄弟在这次扮演了什么样的角色，是只是投资还是会以后长期的发展?
刘志刚：不光是投资，华谊兄弟还有院线发行的影片和游戏的结合推广，影娱联动都是可以做的。他们之所以敢投我们这么多钱，也是对我们未来表现有信心。
记者：会在IP有进一步合作吗?
刘志刚：一定会。我们在计划更大的事情。
记者：现在腾讯发了CS手游版，这对我们全民枪战来说是冲击吗，或在数据上有体现吗?
刘志刚：4F是80后的IP，我们全民枪战，从后台看到的数据是，我们的DAU相对比较稳定，也让我觉得FPS类的产品空间满大的，它还是有很大空间的。
记者：最后一个问题就是关于香蕉计划问题，英雄互娱也有参与吧。
刘志刚：有参加。
记者：那这个赛事是内部公司完成，还是由其他赛事和厂商进行合作?是封闭的吗?
刘志刚：不是，我们是完全开放的，这届赛事跟MARS TV进行合作的，跟NICE TV也合作，跟香蕉计划也合作。我们投资、布局，参与这个行业并不是自私，绝对是开放的。
更多本届大会相关内容，尽在!
看精彩攻略秘籍，玩海量精品手游
扫一扫，用手机随身看！
用微信扫描还可以
分享至好友和朋友圈
扫一扫二维码
微信号：sj4399我们是如何优化英雄联盟的代码的
招聘信息：
原文链接：译者：杰微刊--张帆对于像英雄联盟这样不断演进的产品的开发者而言，需要不断的致力于与系统的熵作斗争，因为他们将越来越多的内容添加到资源有限的服务器中。新的内容带了新的隐性成本——不仅是更多的实施成本，同时也包括由于创造了更多的纹理、仿真和处理造成的内存和性能成本。如果我们忽略（或者错误估算）了这些成本，则整体游戏性能不佳，可玩性减少。故障使人厌恶，延迟使人愤怒，帧率下降让人沮丧。我是致力于提高英雄联盟性能团队中的一员。我们为客户端和服务器做快照，发现问题 (性能相关和其他)，然后修复问题。同时，我们将在这个过程中学到的东西反馈其他团队，并且给他们提供工具，使他们在影响用户之前来检测并定位他们自己的性能问题。我们不断的提高英雄联盟的性能为艺术家和设计师添加新的东西提供了空间：当他们使游戏更庞大更优秀的同时，我们使之更快。这是关于我们团队如何优化英雄联盟性能系列的第一篇文章，后续我们将不断持续更新。这是一项回报丰厚的挑战，这篇文章将深入介绍我们在粒子系统中遇到的一些有趣的挑战——正如在下图中，你可以看到粒子系统在游戏中扮演了十分重要的角色。上图是在英雄联盟游戏中高粒子密度的一个例子。优化，并不是在程序集中重写大量的代码——尽管有些时候是这样的。我们仅变更那些不仅能够提高性能，而且维护正确性的代码，如果有可能的话，还会提高代码质量。最后一项略显挑剔：任何不易读、不易维护的代码都会产生技术债务，这个我们稍后再谈。优化已有的代码库，我们采用了三个基本步骤：鉴别、理解和迭代。步骤一鉴别在开始之前，我们首先需要确认哪些代码需要进行优化。即使有些代码看起来明显性能较差，但是由于其对整体性能影响极小，优化这类代码收益极少（尤其当花费在上面的时间和精力在其他方面可以做到更好的收益）。我们使用代码检测工具和采样分析器来帮助识别非性能部分的基本代码。&步骤二理解一旦我们得知代码库的哪部分代码性能较差，我们便会详细的查看这部分代码以求完全理解代码。理解代码意味着理解这些代码的含义及原本的目的。接着，我们就能知悉为何这些代码产生瓶颈了。步骤三迭代当我们理解了为何特定部分代码执行较慢及代码本意要执行的内容，我们就有了足够的信息来设计和开发一套可行的解决方案。使用鉴别步骤中的工具和得到的快照数据，我们将新代码和旧代码的性能做了比较。如果解决方案效果出众，我们会彻底的进行测试以确保不引入来新的bug，那么接下来就可以击掌庆贺了，因为我们已经为其他内部测试做好了充分的准备。在大多数情况下，新的代码不见得足够快，所以我们不断迭代解决方案，知道新的代码能达到优化的目的。现在，让我们看下在英雄联盟代码库中这几个步骤的实施细节，并以最近优化的粒子系统逐步介绍。步骤1：鉴别拳头的工程师使用大量的分析工具来检查游戏客户端和服务器的性能。我们先查看来自客户端的帧率和通过Waffles得到的高级分析信息（通过工具的特定函数获得的输出信息），这个内部工具可以让我们在内部构建的客户端与服务器保持联通。此外，Waffles还具备其他功能，如在测试过程中触发调试、检查游戏内部数据如导航分格和暂停或者减缓游戏过程。&Waffles截图&Waffles提供了一个实时展示界面，并提供详细的性能信息。上图是Waffles如何展现客户端性能表现的经典例子，上边图形（绿色柱状图）以毫秒为单位表示了帧率——越高的柱状图表示越低的帧率。非常慢的帧率在游戏中是可以感受得到的。柱状图下面是重要功能的分层视图，通过点击任何绿色柱状图，工程师都会看到影响该帧率的详细信息。通过这里，我们可以看出些端倪，即哪部分代码运行时导致性能较差的关键。我们使用一个简单的宏在代码库内手工检测一些重要函数来提供这份性能相关的信息。在对外发布的游戏版本中，这个宏并没有被打包编译，但在测试版本打包中，这个宏作为一个很小的class存在，它创建了一个事件，存放于配置文件缓冲区。该事件包含一个字符串识别码、一个线程ID、一个时间戳和其他必要的信息（比如它还可以存储在其生命周期内所有发生的内存配置数）。当对象超出范围后，析构器会在配置缓冲区中更新该事件自构造以来的运行时间。在随后的时间，可以输出和解析此配置文件缓冲区——理想的情况是在另一个进程进行以尽量减少对游戏本身的影响。在这个例子中，我们将分析缓冲区输出到文件，并且读入到构建在Chrome浏览器中可视化工具中（关于跟踪工具的更多信息，可以点击这里，你可以在自己的Chrome浏览器中通过在地址栏敲入"chrome://tracing/"进行尝试。这个扩展程序被设计用来进行网页性能分析，输入格式是JSON，所以你可以轻松的根据你自己的数据构造输入）。通过图形化后的结果，我们可以看到哪些是执行较慢的函数，或者在那里不断有大量的小函数被调用：这些都是次优代码的迹象。让我来展示详细操作：上面的视图是Chrome Tracing的视图，图中展示了客户端上两个运行的线程。上部分的是主线程，执行大多数的处理工作，底部的是粒子线程，用来执行粒子处理。每一个着色的横条均对应一个函数，横条的长度指示了其执行时间。被调用的函数由竖直栈结构展示，父函数在子函数之上。这个工具提供给我们一种非常神奇方式来可视化执行复杂度以及帧的签名时间。当我们发现一个次优代码区域，我们可以放大粒子区域以求查看更多细节.&Chrome Tracing放大效果图&让我们放大图形中间部分。从上面的线程中我可以看到一个非常长的等待，只有当下面的粒子模拟函数执行完毕才结束。模拟功能包含大量不同函数（着色的横条）的调用。每一类都是粒子系统的更新功能，用于将位置、 方向和每个粒子在该系统中其他可见性状态进行更新。一个明显的优化方式是将模拟函数改造成多线程方式，即可运行在主线程中，也可以在粒子线程中执行，对于本例，我们仅关注优化模拟代码本身。既然现在我们知道去何处查看性能问题，我们可以切换到样本分析。这类分析周期性的读取和存储程序计数器和运行中的进程的栈信息（可选）。一段时间后，这个信息可以给出一个随机概述，概述中描述了代码库内的耗时。较慢的函数会得到更多的样本，更有用的是，用时最长的单个函数会累积更多的样本。在这里，我们不仅可以看到哪些函数执行最慢，同时可以看到哪几行代码执行最慢。如今有很多不错的样本分析工具可供选择，从免费的Very Sleepy到更多特性支持的商业软件，如Intel的VTune。通过在游戏客户端上运行VTune来检查粒子线程，我们可以看到如下列表中运行最慢的函数。VTune中的Hot Functions上面的表格展现了一些粒子相关的函数。作为参考，最上面两个较大的函数用于为每个粒子更新矩阵和位置、方向相关的状态。举例来说，我们来看在第三和第九项AnimatedVariableWithRandomFactor中的Evaluate函数，函数很小（并且容易理解），但是相对而言比较耗时。步骤2:理解现在，我们选择了一个需要优化的函数，则需要理解这个函数要做的事情和为什么这么做的原因。在本例中，AnimatedVariables被英雄联盟美术师用来定义粒子特征是如何随着时间变化。一旦一个美术师为一个特定的粒子可见性指定关键帧值后，代码中便会插入这些数据来产生一条曲线。插值方法是线性插值或一阶或二次集成。动画曲线被大量的使用——尽在召唤师峡谷（译者注：英雄联盟的地图之一，也是最热门的地图）中就有接近40000的动画曲线——涵盖了从粒子颜色扩展到旋转速度方方面面。Evaluate函数在每场游戏中会被调用数以亿计次。此外，LOL中的粒子系统是游戏体验中很重要的一部分，所以它们的行为不能做出任何改变。这个类其实已经做过了优化，通过查表的方式，对每个timestep所需要的值都预先计算过并存储在一个数组中，所以在读取这些数值时不必再次计算，所以减少了计算的耗时。这是一个明智的选择，因为曲线的一阶和二次集成是一个昂贵的进程。为每个系统中的每个粒子上的动画变量进行这个操作会使得处理过程大大减少。&动画变量曲线的查询表在查询性能问题时，通过找到最坏的场景来放大问题往往是一个十分有用的技巧。为了模拟粒子处理减缓，我开始了一场单个玩家的游戏，游戏中有9个中期级别的电脑，并且在下路挑起了一场混乱的团战。接着，我在团战期间在客户端上运行了VTune，记录了大量的数据用于分析。这些数据给出了在Evaluate代码中的归因样本（如下图所示）。下图中我截取了第91-95行代码，为了更好的说明第90行调用Evaluate的情形。VTune中的分析样本对于不熟悉VTune的人来说，其实这个试图展示的就是解析期间所收集的代码。右侧的红色横条指示了命中次数，横条越长就意味着命中次数越多，而命中次数越多表示这一行执行越慢。挨着横条的时间是处理这行代码所用的预估时间。你也可以就某个特定函数的到一个准确视图来查看是什么因素“贡献”了执行缓慢。如果就红色的横条来看，第95行代码就是问题所在。但是这段代码所做的仅仅是在Vector3f中复制出拼写错误的查询表，为什么这个函数成为最慢的部分呢？为什么12字节的复制这么慢？答案在于现代CPU访问内存的方式中。CPU非常忠实的遵循了摩尔定律，每年都会提速60%，而内存速度每年的增速只有可怜的10%。图出自《计算机体系结构：量化研究方法》By John L. Hennessy, David A. Patterson, Andrea C. Arpaci-Dusseau缓存可以减小性能差距，运行英雄联盟的大多数CPU都有3级缓存，一级缓存最快但容量最小，三级缓存最慢但容量相对最大。从一级缓存读取数据只需要4个周期，而读取主内存却需要大约300个周期甚至更多。你可以在300个周期内做大量处理工作。最初查询表的解决方案的问题在于，虽然从查询表中的顺序读取值的操作是非常快的(由于硬件预取)，但是我们正在处理的颗粒并不是按照时间顺序存储，所以实际查找顺序是随机的。这通常会导致CPU等待从主存储设备读取数据时产生延迟。虽然300个周期比一级或者二级集成代价更低，但我们还是需要知道这个函数在游戏中的使用频率如何，因为毕竟这个函数在游戏中被大量的使用。为了探求真相，我们在代码中添加一些额外的内容来收集AnimatedVariables的数量和类型。结果表示，在38000个AnimatedVariables中：①37500个是线性插值；100个是一级，400个是二级②31500个仅有一个关键值；2500个有3个关键值；1500有2个或者4个关键值所以最常见的途径是针对单键值。因为代码总是生成查询表，这就产生了一个不需要传播的单数值表。也就意味着每次查询（总是返回相同值）一般会产生缓存丢失，进而导致大量的内存和CPU周期浪费。通常来讲，代码成为瓶颈一般有四个原因：1、调用频率过高2、算法选择不佳：如O(n^2)vsO(n)3、做了不必要的工作或者太频繁的执行必要的操作4、数据较差：或者是数据量太大，或者是数据分布和访问模式较差这里产生的问题原因不是由于代码设计不好或者开发质量导致。解决方案是好的，但是在被美术师大量使用之后，普通路径是针对单值的，而这些简单的问题在使用过程中是很不明显的。顺便说一句，我学会了作为一名程序员最重要的事情之一便是尊重你正在处理的代码。代码有可能看起很疯狂，但是这样写的目的可能是基于一个好的出发点。在没有完全理解代码如何使用和其为何设计之前不要错误的认为这些代码是丑陋愚蠢的。来自：/2010/03/ha-code-entropy-explained.html&步骤3 迭代现在我们了解了哪部分代码执行较慢、这部分代码本意是什么和为何执行较慢，是时候开始构想解决方案了。每个常见的执行路径都是为单独变量设计，我们还知道数量少的键的线性插值非常快（在少量高速缓存中作简单的计算），所以我们需要在考虑这种情况的基础上进行重新设计。最后，我们可以回到前面罕见集成曲线的预计算查询表上。在某些情况下，当我们不使用查询表时，首先构造这些表是没有意义的，所以会释放大量意义非凡的内存（大多数表具有256个条目或者更多，每个条目可达12字节的大小，这相当于大约每张表3kb）。所以现在，我们可以使用额外的一些内存来添加缓存的条目和存储的单值的数量。之前的代码看起来是这个样子的：templateclass&AnimatedVariable
&&&&//private:
&&&&std::vectormT
&&&&std::vectormV
templateclass&AnimatedVariablePrecomputed
&&&&//private:
&&&&std::vectormPrecomutedV
};AnimatedVariablePrecomputed对象在AnimatedVariable中进行构造，从它的指定大小插值和构建一个表。Evaluate()仅在预计算对象中被调用。我们修改了一下AnimatedVariable类，现在看起来是这个样子的：templateclass&AnimatedVariable
&&&&//private:
&&&&int&mNumV
&&&&T&mSingleV
&&&&struct&Key
&&&&&&&&float&mT
&&&&&&&&T&&&&&
&&&&std::vectormK
&&&&AnimatedVariablePrecomputed*mP
};我们添加了一个缓存值mSingleValue，和一个整数mNumValues，用于告诉我们何时才使用mSingleValue。如果mNumValues是1（即对应单值的情况），Evaluate()会直接返回mSingleValue的值——不需要其他多余的处理。你还可以注意到插入时间和值构造的Key能够减少缓存未命中的情况。指向此类的数据向量大小现在范围从24到36个字节不等，具体取决于模板类型（同时也依赖与平台，std::vector的大小也会不同）。Evaluate()之前的代码看起来是这样子的：templateT&AnimatedVariablePrecomputed::Evaluate(float&time)&const
&&&&in&numValues&=&mPrecomputedValues.size();
&&&&RIOT_ASSERT(numValues&>&1);
&&&&int&index&=&static_cast(time&*&numValues);
&&&&//&clamp&to&valid&table&entry&to&handle&the&1.0&boundary&or&out&of&bounds&input
&&&&index&=&Clamp(index,&0,&numValues&-&1);
&&&&return&mPrecomputedValues[index];
}修改后的Evaluate()方法代码如下，这是在VTune中展示的。你可以看到三个可能的执行case：单值（红色部分），线性插值（蓝色部分）和预计算查询（绿色部分）。在VTune中展示的优化过的代码片段修改后的代码执行速度大约快了3倍：在最慢的函数列表中该函数从第三位降到了第22位！不仅执行更快，同时还降低了内存的使用，大约减少了750kb。这还不算完，不仅函数执行更快，占内存更少，同时提高了线性插值的准确度。可谓一石三鸟。这里并没有提到的内容（尽管文章已经足够长了）是我如何通过不断迭代找到了这个解决方案。我最初的尝试减少在粒子生命周期内样本表的大小。这个方案几乎有效——但有些移动较快的粒子由于样本表的减少，变的参差不齐。幸运的是，这个现象很快就被发现了，使得我依然能够将方案更换为本文中提到的方法。当然还有一些其他的代码修改，但是对于性能提高并没有直接效果，也有些代码的修改甚至造成了代码执行更慢。总结本文中介绍的是英雄联盟游戏代码库中代码优化的一个典型案例。虽然变动很小，但是这个改动使得内存节约了750kb，粒子线程比较之前运行快了1到2毫秒，这使得主线程执行的更快。当程序员寻求优化的时候，虽然看似显而易见，但这里提到的三个阶段都常常会被忽视。这里只是为了强调一下：1.鉴别：分析应用并找出性能最差的部分2.理解：理解代码的本意和执行缓慢的原因3.迭代：基于上面两个阶段的到的成果进行代码的修改、迭代，并重新分析。重复这三个步骤直到足够快。上面提到的解决方案不见得是最快的解决方案，但至少方向是正确的——性能提升的安全路径是通过迭代改进。&
微信扫一扫
订阅每日移动开发及APP推广热点资讯公众号：CocoaChina
您还没有登录！请或
点击量12464点击量11986点击量11682点击量10246点击量8756点击量7380点击量6828点击量6038点击量6008
&2015 Chukong Technologies,Inc.
京公网安备89