五 · OPTIMIZATION METHODOLOGY
优化方法论与闭环
发现 → 分析 → 制定 → 实施 → 验证，持续迭代
以数据驱动的五步闭环：从性能测试发现问题，到根因分析、方案制定（含性能预算）、实施优化，最终通过复测与自动化回归验证效果，持续迭代逼近体验与性能的最佳平衡。
01
发现问题
Discover闭环起点：用数据而非直觉发现瓶颈。
- 性能测试
标准化测试用例与基准场景
- 数据采集
多维指标自动化采集
- 瓶颈定位
CPU-bound / GPU-bound / 带宽 bound 初判
02
分析原因
Analyze从现象到根因：指标交叉验证。
- 指标分析
多指标交叉对比，排除干扰因素
- 根因定位
Profiler 深挖到具体 Pass / 函数 / 资源
- 影响评估
量化对帧时间 / 内存 / 功耗的影响权重
03
制定方案
Plan在预算约束下选择投入产出比最高的路径。
- 算法优化
更优算法 / 降低复杂度 / 近似替代
- 资源优化
面数 / 纹理 / LOD / 合批策略
- 管线优化
Pass 合并 / 渲染路径调整
- 性能预算+扩展
为各系统制定帧时间 / 内存 / DrawCall 预算并落到规范
04
实施优化
Implement分层实施：从代码到配置的多粒度手段。
- 代码 / Shader 优化
热点函数重写、Shader 指令精简
- 资源调整
资源规格修正、压缩格式替换
- 配置优化
Scalability 分级 / 平台差异化配置
05
验证效果
Verify闭环终点亦是起点：验证收益并防止回退。
- 复测对比
同一基准下的前后数据对比
- 回归测试
确认优化未引入画面或功能回退
- 稳定性验证
长时间运行与多设备验证
- CI 性能门禁+扩展
自动化性能回归纳入 CI，超预算即阻断合入