G-CET运行时分析器

G-CET运行时分析器

按模组和回调分析《赛博朋克2077》CET/Lua性能。通过详细报告和可选的帧时间关联,找出热点、调度器峰值和高负载运行窗口。

我们都喜欢模组。非常非常多的模组。

而在《赛博朋克 2077》这样一个活跃的社区中,总是有新东西可以安装。我自己的收藏最终超过了 1,000 个模组,到了某个时候,我那可怜的 PC 开始明确表示,单纯地继续添加模组不可能永远奏效。

所以我决定是时候弄清楚我的模组栈到底在做什么了。

这最终引导我找到了 DigitalVixen 的 0-Engine。0-Engine 为 CET 模组提供了一个共享运行时层,将状态、生命周期处理和事件分发等集中管理,而不是让每个模组各自重复做同样的事情。这正是我想要的大型 CET 栈架构。

但还是有个问题: 我需要看到运行时。 哪些模组实际上开销很大? 哪些回调触发了数千次? 哪些函数造成了尖峰? 0-Engine 是否在承载客户端的工作? 而且最重要的是,这些是否真的与我在游戏中感受到的帧时间尖峰相符?

这一切就是这样开始的。

它最终变成了三个相关的项目: G-CET Runtime Profiler — 分析模组栈的 CET/Lua 侧。 G-REDscript Profiler (GRSP) — 按模组、函数和帧分析 REDscript 工作负载。 G-REDruntime Framework — 一个独立开发的、受 0-Engine 启发的 REDscript 侧优化框架。

本页面介绍的是 G-CET Runtime Profiler。


G-CET Runtime Profiler

G-CET Runtime Profiler 的功能

G-CET Runtime Profiler 是一个便携式 Windows 应用程序。 它不需要放在你的《赛博朋克》安装目录中。 将它解压到你任意一个硬盘上。避免使用 Program Files 等受保护的 Windows 文件夹。

该分析器会临时部署一个分析构建版的 CET ASI 来替代原始版本。 你的原始 CET ASI 以及任何由分析器管理的更改都会被备份并以事务方式跟踪,以便之后可以恢复。 如果检测到兼容的 0-Engine 安装,分析器可以添加更深入的 Scheduler 插桩(兼容版本为 Pure CET v0.17.2 及更新版本)。

在捕获期间,分析器会记录 CET 运行时工作去向:模组、回调类型、调用量、高开销路径、重运行时窗口、尖峰,以及——当 0-Engine 集成可用时——Scheduler 作业和突发。 当你点击 COLLECT RESULTS / CLEAR LIVE 时,捕获的结果会从实时游戏文件夹中收集并存储到应用程序的结果文件夹中。

然后应用程序会生成: CET_Report.html — 主要清晰且组织良好的性能报告 CET_Summary.json — 简明的机器可读摘要 + 所有底层原始分析器数据

报告本身就是 G-CET 的突出功能之一。它直接源自于我对自己 1,000+ 模组收藏的分析和优化。在调查真实性能问题时,我不断添加我实际需要的信息:所有者开销、回调压力、高开销函数、尖峰、Scheduler 堆积、重运行时窗口。

这就是为什么强烈建议将 0-Engine 和 CapFrameX 与 G-CET Runtime Profiler 一起使用,以获得最完整的结果。


完整分析器体验

G-CET 可以仅与 CET 一起使用,但这不是我推荐给大多数用户的配置。

0-Engine + 0-Engine(Pure CET v0.17.2 或更新版本)— 强烈推荐

安装了 0-Engine 后,分析器可以深入洞察更多已调度的 CET 工作。 对于大型 CET 模组栈来说,这非常有用。 除了常规的 CET 所有者/回调数据外,兼容的 0-Engine 集成还增加了:

  • Scheduler 作业归因
  • 按作业划分的 Scheduler 工作负载
  • Scheduler 尖峰
  • Scheduler 帧突发
  • 识别通过 0-Engine 承载的工作,而不是错误地将其计为单独的额外 CPU 时间
  • 更好地了解已经使用共享运行时架构的模组

直接从其 Nexus Mods 页面下载 DigitalVixen 的 0-Engine: 点击在 Nexus Mods 上下载 0-Engine

CapFrameX + CapFrameX — 强烈推荐

CET 运行时数据告诉你脚本在做什么。 帧时间分析器告诉你游戏在同一时刻在做什么。 这个区别很重要。 当识别到的 CapFrameX JSON 捕获与 G-CET 配对时,报告还会获得:

  • 平均 / 中位数 / P95 / P99 / 最大帧时间
  • 慢帧计数
  • CPU Active 和 GPU Active 读数
  • 同步的 CET + 帧时间时间线
  • CET 50 ms 工作负载窗口重叠
  • 回调尖峰重叠
  • 0-Engine Scheduler 突发重叠
  • 最差渲染帧分析
  • 交互式时间线,支持 Shift + 鼠标滚轮缩放

这使得区分 “这个模组做了大量 CET 工作” 和 “这个 CET 活动实际上与帧时间问题相符” 变得容易得多。

对于 G-CET v1.0.0 的开发和测试,我使用了: CapFrameX — Pre-release v1.9.1 Beta(build 1.9.1.2) 在 GitHub 页面上下载 CapFrameX 其他帧时间分析器仍然可以链接,其文件也会被包含,但完整的自动帧时间分析是基于识别到的 CapFrameX JSON 捕获构建的。

主要功能

  • 按模组的 CET 运行时分析 — 查看哪些 CET 模组占据测得的工作量。
  • 回调分析 — 识别高频和高开销的 onUpdate onDraw OnAction 以及其他回调路径。
  • 热点检测 — 暴露高开销函数和异常昂贵的单次调用。
  • 运行时时间线 — 定位密集的 CET 活动,而不是仅依赖平均值。
  • 尖峰记录 — 捕获可能在平均值中消失的异常回调/运行时事件。
  • 0-Engine Scheduler 分析 (需 0-Engine) — 按作业计时、Scheduler 尖峰和 Scheduler 帧突发。
  • CapFrameX 关联 (需 CapFrameX) — 渲染帧时间、CPU/GPU Active、慢帧、同步工作负载重叠和最差帧证据。
  • 交互式 HTML 报告 — 先提供简明概览,下方有更深入的表格和证据。
  • 保留原始数据 — HTML 是展示层;底层分析器输出仍然可用。
  • 安全的事务性安装/恢复 — 原始受管理文件会被备份并恢复,而不是盲目覆盖。
  • 便携/自包含 — 无需单独安装 .NET。
  • 捕获标题 — 让不同的测试保持有序,例如 CITY_DRIVING COMBAT IDLE WANTED

特别鸣谢

特别感谢 DigitalVixen,0-engine 的创作者。 0-Engine 是推动整个项目启动的灵感来源,坦率地说,也是我那臃肿 CET 收藏的救星。将重复的模组工作迁移到共享运行时基础设施的想法,让我想要正确地理解整个栈的其余部分,而不是仅仅随机删除模组直到 FPS 计数器上升。 查看 0-Engine 和 DigitalVixen 的其他作品: Nexus 上的 DigitalVixen - 查看 DigitalVixen 更多出色的模组。我可能正在为他们的 Midnight Acquisition 准备另一个 preem 级别的补充。

还要向整个 《赛博朋克 2077》模组社区致敬。 这款游戏仍在产出的作品数量和质量简直惊人。新系统、任务、车辆、玩法、视觉、框架和工具在发布多年后仍不断涌现。 排名第一的模组社区。

G-CET Runtime Profiler

重要:分析器本身不会优化你的游戏

G-CET Runtime Profiler 本身不提供任何性能优化。 它是一个测量和诊断工具。

分析器显示 CET/Lua 运行时工作的去向——哪些模组、回调、调度作业和运行时路径正在消耗时间、产生过多调用量或导致重度执行窗口。 正是这些信息使得下面展示的优化成为可能。 本节中的性能结果来自应用于我自己模组栈的独立优化工作,基于分析器所揭示的内容。它们不是仅仅通过安装或运行 G-CET Runtime Profiler 所产生的性能提升。

换句话说: 分析器 → 找到问题 → 理解工作负载 → 优化相关代码 → 再次测量结果。 分析器为你提供做出明智优化决策所需的信息;实际的性能提升来自之后所做的更改。


技术内容

我自己的模组栈发生了什么? 这个项目源于试图让我实际的模组化游戏运行得更好……所以我要分享我的结果:

测试 PC CPU: Ryzen 9 3900X GPU: Radeon RX 6900 XT 16 GB RAM: 32 GB DDR4 分辨率: 1920×1080 模组收藏: 1,000+ 已安装模组

我实际优化了什么 — CET 侧

下面的 FPS 对比展示了最终结果,但对于任何将 G-CET 用作开发或优化工具的人来说,这可能是更有用的部分。

我不是从随机移除回调或降低更新频率开始的。

我捕获了整个栈,梳理出反复出现的热路径,然后以 0-Engine 为基础重新组织这些工作的触发和执行方式——尽可能共享回调和观察者,更改更新时机和触发器,缓存重复工作,并将不需要逐帧运行的内容从逐帧执行中移出。然后我再次捕获,并处理剩余的部分。

对于下面的数字,我使用了隔离的 CET 优化运行,所以本节具体关注 CET 运行时工作。

总体变化

场景 之前 CET 优化后 降低
空闲 — 测得的 CET 工作 443.7 ms/s 93.2 ms/s −79%
空闲 — 测得的调用/秒 31,744 19,490 −39%
压力 — 测得的 CET 工作 441.9 ms/s 137.5 ms/s −69%
压力 — 测得的调用/秒 32,157 20,708 −36%
现在来看看这些降低实际上是如何实现的
onUpdate - 最大的那个

这是到目前为止我模组栈中最大的反复出现的热路径。

空闲 365.0 ms/s → 70.3 ms/s

压力 276.2 ms/s → 57.2 ms/s

这意味着在两种场景下,测得的 onUpdate 工作大约减少了 80%。 但这也是回调计数可能产生误导的地方。

在空闲测试期间,onUpdate 实际上从: 2,303 次调用/秒 → 3,958 次调用/秒

优化后的游戏运行了更多帧,所以回调自然运行得更频繁。 改变的是每次调用内部发生的工作量: 158.5 µs/次 → 17.8 µs/次

所以实际的降低来自于保持 onUpdate 廉价,而不是减少回调数量。

任何不需要真正逐帧执行的内容都被移出了热路径。一些工作变成了定时或调度工作,一些只在状态改变时运行,重复查找被缓存,昂贵的计算被推迟到实际需要时才进行。

PlayerPuppet::OnAction - 阻止每个模组做同样的工作

另一个主要问题来源是: PlayerPuppet::OnAction

优化之前,我在这条路径上附加了 31 个独立的观察者。 在整合相关处理后: 31 个观察者 → 7 个

空闲: 24,592 次调用/秒 → 8,452 次调用/秒 47.3 ms/s → 11.1 ms/s

压力: 23,248 次调用/秒 → 7,731 次调用/秒 47.1 ms/s → 14.8 ms/s

基本思路很简单。

与其让许多系统各自独立地接收相同的玩家动作,弄清楚它是什么,然后决定它们是否关心它,不如让共享路径处理一次,并只将动作路由到需要去的地方。

它还避免在订阅者实际需要该信息之前进行额外的解码/类型工作。 对于一个小模组来说,这种差异可能无关紧要。 但在一个大型 CET 栈中,它会迅速累积。

热回调中的重复查找

另一个有用的例子是: BaseMappinBaseController::UpdateRootState

在压力测试期间: 59.8 ms/s → 19.4 ms/s

同样,回调本身在优化后实际上被触发的次数更多了: 1,216 次调用/秒 → 2,085 次调用/秒

但它的平均测得开销从大约: 49.2 µs/次 → 9.3 µs/次

回调没有被移除。 被移除的是它内部的重复工作。

在这种情况下,通用的优化模式是在可能的情况下用直接索引/缓存查找替代重复搜索,同时保留原始的较慢查找作为缓存未命中时的回退。

这成为处理整个栈时的一个反复出现的教训:

如果一个热回调不断问同一个问题数千次,尽量不要计算答案数千次。

onDraw - 在帧率下小开销也很重要

onDraw 没有 onUpdate 那么昂贵,但它显示了相同的模式。

空闲: 12.5 ms/s → 8.5 ms/s

同时,它的回调频率从: 1,952 次调用/秒 → 3,354 次调用/秒

平均测得开销: 6.4 µs/次 → 2.5 µs/次

再次,我不需要消除回调。

我需要让它经过的正常路径更廉价。

当某些东西每个渲染帧都运行时,只要有足够多的模组都在做这些事,即使相对较小的不必要工作也会变得有意义。

我最终采用的通用模式

没有什么神奇的优化。

大多数有用的更改变都归入相同的几类:

  • 保持逐帧回调小巧
  • 将不需要帧频率的工作移到适当的定时器/节奏上
  • 使用共享调度,而不是让不相关的作业各自独立唤醒
  • 在多个系统监听同一事件时集中处理公共事件
  • 在做昂贵工作之前尽早过滤
  • 缓存稳定的游戏系统句柄和重复状态
  • 在可能的情况下用直接查找/索引替代重复搜索
  • 只在某些东西实际需要时才计算或解码数据
  • 在正确性需要时保留原始的较慢路径作为回退

在我的优化捕获中,32 个反复出现的作业已被移到共享调度下,不同的作业每帧、每两帧或按 0.25s、0.5s、1s 和 5s 等定时节奏运行。

这才是重要的部分:不是所有东西都值得每帧运行。

还有一件事:平均开销和尖峰是不同的问题

我也不认为更低的平均值就意味着工作完成了。

优化后的压力运行仍然包含孤立的大型事件——包括一个大约 125.8 ms 的 onUpdate 尖峰和一个大约 108.4 ms 的 UpdateAboveBelowVerticalRelation 尖峰。

这些问题与一个回调每秒持续燃烧数百毫秒是不同的。

G-CET 使这种区别可见。

首先我处理持续的热路径,因为它们不断消耗性能。之后,尖峰和重窗口数据告诉我到哪里寻找偶发卡顿。

现在,没有哪个栈会和我的相同,可能会显示不同的结果,但我预计相同类型的模式会相当频繁地出现:

onUpdate onDraw PlayerPuppet::OnAction 高频观察者 热回调内的重复查找 工作频率远超必要的定时器

性能对比

为了展示优化栈在实际游戏中的变化,我使用了两个可重复的测试场景并比较: 无优化 对比 完整 CET + REDscript 优化 相同系统、相同游戏设置、相同基础模组栈。

测试 1 — 空闲 / H10

V 站在 H10 前不动,每次运行都处于相同位置并面向相同方向。 这是干净的控制测试:几乎没有玩家驱动的活动,所以反复出现的后台工作负载和脚本卡顿很容易看到。

之前 - 无优化 - 站在 H10 不动 before idle

之后 - CET + REDscript 优化 - 站在 H10 不动 after idle

测试 2 — 重度 MaxTac 交战

这是压力测试。 运行从 Tom's Diner 附近开始。我触发 5 星通缉等级,攻击警察和 MaxTac,使用手榴弹和持续枪火,然后在完整响应发展期间在该区域移动。

之前 - 无优化 - 压力测试 before stress

之后 - CET + REDscript 优化 - 压力测试 after stress

空闲测试显示了持续后台开销和反复出现的脚本卡顿的减少。 MaxTac 测试显示了当游戏处于严重压力下时这转化为什么: 更高的 FPS、强得多的最低帧、显著减少的卡顿,以及更加一致的帧输出。