移动端纹理流送：内存预算、清晰度与反复换入换出

移动端纹理流送：内存预算、清晰度与反复换入换出

纹理流送既要控制内存，又要保证视野变化时画面及时清晰。预算过小会频繁换入换出，预算过大则挤压其他资源。本文建立请求、驻留、欠载和抖动的联合分析方法。

一、四个核心集合

• 需要集合：当前和预测视野期望的 Mip；
• 驻留集合：已经在内存中的 Mip；
• 请求集合：正在读取、解压或上传的内容；
• 淘汰集合：因预算和优先级准备释放的内容。

分析时为纹理保存稳定身份、期望 Mip、驻留 Mip、字节数、优先级和最后使用时间。

二、欠载与过载

期望清晰度高于实际驻留表示欠载；大量低价值纹理长期驻留则可能过载。两个问题可能同时存在：预算被错误资源占用，关键纹理仍然模糊。

三、流送抖动

同一纹理在短时间内反复加载和淘汰，会浪费 IO、解压、上传和内存带宽。统计单位时间换入换出次数、重复传输字节和最短驻留时间。

增加滞回和最短驻留可以减少抖动，但会提高内存占用，应按设备档校准。

四、优先级

优先级可考虑屏幕面积、距离、可见性、内容重要度、相机运动方向和预加载置信度。不能只按距离，因为近处遮挡物和关键 UI 具有不同价值。

五、相机路径与预测

固定相机路径用于回归，记录转向、传送和高速移动后的清晰度恢复时间。预测加载要评估命中率与浪费，错误预测会提前占满预算。

六、和资源加载流水线关联

纹理请求进入 IO、解压和 GPU 上传队列。若清晰度恢复慢，分别检查排队时间、传输吞吐、上传预算和主线程汇合，不能只提高内存池。

七、验收指标

• 预算峰值与稳定占用；
• 欠载纹理数量和持续时间；
• 关键纹理清晰度恢复时间；
• 重复换入换出字节；
• IO 与 GPU 上传峰值；
• 场景切换后的恢复能力。

结语

纹理流送是内存、IO、GPU 上传和画质之间的动态平衡。预算、优先级、滞回和预测必须用同一条路径数据联合评估。