内子所画
优化整理
UGUI图集相关优化
对于正常使用的Image，在场景中每添加一个Image，都会调用一次DrawCall来让GPU进行绘制。如果绘制100个Image，就需要100个DrawCall，太消耗性能
-
开启图集
我们需要在设置中开启图集 Edit->Project Setting->Editor
Disabled：不启用图集
Enabled For Builds：只在打包时启用
Always Enabled：永远启用
剩下的两个都是旧版图集的使用方式，我们不用学习，迟早会弃用的 -
创建图集
Project视图中右键创建一个SpriteAtlas
说点重要的属性
- AllowRotation 是否支持精灵旋转
- Tight Packing 是否支持密集型打包
- Filter Mode 贴图的采样模式
- Compression 压缩方式
- Objects for Packing中可以添加需要打包的图片和图集
注意图集和图片都不建议放在Resources下，然后点击PackPreview就可以生成图集了，很简单把
-
图集dc相关
三种图片，分别设置为两个图集，且三个图片交叉重叠，DC为3却不是2。
Unity会按照Hierarchy层级顺序从上向下渲染，所以最下面的UI一般会渲染在最前面。
但是如果UI之间产生了交叉重叠的情况，图集的合批会在不同图集重叠的地方被打断，所以就产生了3个DrawCall。
解决方案：
1、不同UI之间尽量不要重叠。
2、不同图集的图片不要交叉使用。
3、Image与Text不要交叉使用，Text尽量放在所有Image的上面，即Hierarchy的最下面(当然你要合理规划)
4、Hierarchy层级关系做分层处理，每一个Atlas的图片放在同一个层里。
5、不使用UnityWhite等默认图片，会打断合批。
6、不要设置PosZ。
7、有时可以故意在底下放一张透明图片，垫高层级使得合批
8、与添加Outline、Shadow等脚本无关。
UGUI其他优化
-
Canvas
Canvas下所有的UI元素都是合在一个Mesh中的。
过大的Mesh在更新时会开销很大，复杂的UI界面应该自成一个Canvas。
但是过多的Canvas会导致Draw Call的上升。
动态元素会导致Canvas的Rebuild（mesh更新），要做到动静分离。
Set Dirty，UGUI会在这一帧收集所有的修改，统一进行处理。
-
Scroll Rect
滚动的时候会触发 Canvas.SendWillRenderCanvases。
应该是开启了 Pixel Perfect的选项，作用是UI元素在位移时，为了对齐像素长宽进行微调。
而Scroll Rect里面元素很多，导致开销很大。
-
Outline等内置组件
会导致文本的Mesh增加四倍，导致开销变大。
-
界面切换
打开新界面隐藏原有界面。
如果先把原来的SetActive(false)，再把后续的SetActive(true)，会产生GC.Alloc。
可以改 Position 或者 Layer 或者 CanvasGroup。
-
少用Mask
Mask实现使用GPU Shader实现的，根据Image的a值在底层模板绘制一个区域的指令，确定裁剪区域。
之后Mask节点下的所有元素都会根据这个区域计算a值（模板测试）。
会额外产生2个DrawCall：
1.绘制模板区域。
2.结束计算裁剪。
Mask内部元素不会跟外界元素进行合批。
Mask内部可以和其他Mask内部元素进行合批。
-
RectMask2D
其实现方式是通过CPU，裁剪区域是矩形，如果在区域内就进行正常操作。
如果不在矩形区域，则这个元素不会被渲染。（且Draw Call 为 0）
RectMask2D也是负责裁剪。
RectMask2D内部元素不会与任何外部元素进行合皮。
RectMask2D不会产生额外Draw Call。
-
关闭无用的Raycast Target
Graphic Raycaster 实现原理是遍历所有Raycast Target 勾选的组件。
然后进行一系列测试，如果通过了测试，就会加入到命中列表中。
再进行排序，获取第一个命中的组件，进行调用。
所以不需要接受事件处理的组件，取消勾选Raycast Target。
-
OverDraw
大量粒子特效和透明材质，多层叠加。
GPU要进行多次深度测试。
会导致手机发热
参考文章
//www.greatytc.com/p/1c14ce9e5210
https://zhuanlan.zhihu.com/p/109200416
//www.greatytc.com/p/a3087f31ff88
https://www.dazhuanlan.com/2019/12/06/5de9e843b9860/
https://blog.csdn.net/qq_36848715/article/details/80424019?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.control&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.control
