UE 复制优化:成本模型、Iris 原理与落地
自动关联目录:UE 复制优化:成本模型、Iris 原理与落地
复制优化不是“少发几个变量”,而是在可接受的状态新鲜度下,控制每条连接的带宽、服务端复制 CPU、连接状态内存和突发延迟。
真正有效的顺序通常是:
- 不该联网的对象,不进入复制系统;
- 不该让这个连接看到的对象,不进入它的候选集;
- 暂时不变化的对象,不参加轮询;
- 允许变旧的状态,降低更新频率;
- 轮到发送时,只序列化必要且紧凑的状态;
- 最后才考虑定制序列化和更复杂的复制后端。
这篇文章先用 UE 传统复制系统建立优化方法,再用独立章节拆解 Iris 的架构、完整数据流、迁移方式与适用边界。属性复制的注册、条件和 RepNotify 细节见 属性复制条件与 RepNotify。
一、先定义“优化”到底在优化什么
网络复制至少同时消耗四类预算:
| 预算 | 主要来源 | 超预算后的表现 |
|---|---|---|
| 每连接带宽 | 属性、RPC、Actor 初始状态、协议开销 | 排队、丢包、更新变旧 |
| 服务端 CPU | 收集候选、相关性判断、脏检查、序列化 | DS 帧时间上涨,所有玩家一起卡 |
| 服务端内存 | 每连接的 Channel、历史状态、Shadow State | 玩家数或 Actor 数上升后内存膨胀 |
| 状态新鲜度 | 降频、排队、连接饱和、优先级竞争 | 远端角色卡顿,交互反馈滞后 |
因此,“发送字节减少”不一定代表整体更快。例如把几十个字段塞进一个自定义大结构,可能降低了包头占比,却增加了脏检查和重发成本;把所有 Actor 都降到 2 Hz,CPU 和带宽会下降,但玩法已经不可接受。
更实用的目标写法是:
32 人战斗场景下:
- Dedicated Server 的复制阶段 P95 < 3 ms
- 每连接下行 P95 < 40 KB/s
- 关键战斗状态端到端 P95 < 100 ms
- 普通世界状态最大陈旧时间 < 500 ms
- 不因预算竞争让任何相关 Actor 无限饥饿数值要根据游戏类型、机房带宽和帧率重定,但必须同时约束成本和体验。
二、理解复制流水线,才能把优化放在正确位置
传统复制系统可以简化为下面这条流水线:
服务器中的 Actor
↓ 是否启用复制
全局复制对象集合
↓ Dormancy / NetUpdateFrequency
本帧候选集合
↓ 按连接做 Owner / Relevancy / 距离过滤
每连接候选集合
↓ NetPriority 与“距离上次成功复制的时间”排序
本连接本帧尝试发送的 Actor
↓ 属性脏检查、条件判断、序列化、RPC
连接发送队列与数据包越早把无用工作挡掉,收益越大:
SetReplicates(false)可以同时省掉候选收集、相关性、属性比较和序列化;- Dormancy 可以让长期不变的 Actor 不进入常规候选检查;
- Relevancy 主要减少某条连接上的工作与流量;
- Push Model 主要减少属性轮询,并不会自动减少真正变化的数据;
- 量化只压缩最后写入包的字节,不会解决候选集过大的 CPU 问题。
所以看到 ServerReplicateActors 很慢时,直接给 FVector 换成 FVector_NetQuantize 往往治错了层。
三、第一层:减少复制对象和每连接候选集
1. 不需要权威同步,就不要开启复制
最便宜的复制对象,是根本没有进入复制系统的对象。
适合只在本地存在的内容包括:
- 纯表现粒子、镜头抖动、命中特效和环境音;
- 可以由已有状态推导出的 UI 或动画参数;
- 服务端不需要知道的装饰组件;
- 客户端可根据种子、起点和时间稳定重建的短生命周期表现。
不要为了“以后可能用到”给 Actor 默认打开 bReplicates。复制资格应该是一项明确的网络契约。
2. Ownership 是最便宜、最明确的过滤语义
只对单个玩家有意义的数据,优先建模为 Owner 数据:
AMyPrivateState::AMyPrivateState()
{
bReplicates = true;
bOnlyRelevantToOwner = true;
}典型内容包括背包细节、私人任务进度、输入确认和仅本人可见的调试数据。若 Actor 本身需要被所有人看到,但其中少数字段只属于拥有者,则保留 Actor 的正常相关性,对字段使用 COND_OwnerOnly。
bOnlyRelevantToOwner 和 COND_OwnerOnly 解决的是不同层的问题:前者过滤整个 Actor,后者只过滤属性。
3. Relevancy 决定“谁有资格收到”
常用开关有:
| 手段 | 适用场景 | 注意点 |
|---|---|---|
bOnlyRelevantToOwner | 私有状态 | Owner 链必须正确 |
bNetUseOwnerRelevancy | 附件、武器、跟随物 | Owner 改变后要验证路由与首次更新 |
NetCullDistanceSquared | 有空间位置的世界对象 | 单位是厘米的平方 |
IsNetRelevantFor | 队伍、观战、特殊视野 | 热路径,不能放昂贵查询 |
| Replication Graph 节点 | 大量 Actor、多人、大世界 | 需要维护正确的节点路由 |
| Iris Filter | 使用 Iris 的项目 | 与 Replication Graph 不是叠加关系 |
例如 50 米剔除距离不是 50 * 50,而是 UE 单位下的 5000 * 5000:
NetCullDistanceSquared = FMath::Square(5000.f);不要把“当前屏幕不可见”直接等同于“不相关”。掩体后的敌人虽然不可见,但脚步、伤害和随时重新出现的状态仍可能重要。相关性应来自玩法语义,而不是渲染可见性。
4. Actor 很多时,把逐对象判断改成持久化路由
传统相关性判断的风险是工作量接近 连接数 × 候选 Actor 数。当 Actor 和连接数同时增长时,应考虑:
- Replication Graph:用空间网格、Always Relevant、Owner、Dormancy 等持久节点生成候选列表;
- Iris:用 Filter 和 Prioritizer 表达接收者与优先级,并复用量化后的复制状态。
Replication Graph 优化的是“给每个连接找 Actor”的过程,不会自动让属性更小,也不会替你设计 Dormancy。Iris 则是另一套复制后端;项目要先确认引擎版本、平台成熟度和迁移成本,不能默认把 Iris 与 Replication Graph 同时启用。Replication Graph 的具体接入见 Replication Graph。
四、第二层:控制什么时候复制
1. NetUpdateFrequency 是尝试上限,不是到达保证
AMyActor::AMyActor()
{
bReplicates = true;
NetUpdateFrequency = 10.f;
MinNetUpdateFrequency = 2.f;
}NetUpdateFrequency = 10 表示 Actor 最多大约每秒进入 10 次更新机会,不代表客户端严格每 100 ms 收到一次。相关性、连接饱和、丢包、优先级和服务器帧率都会改变实际到达时间。
可以从业务可接受的陈旧时间倒推频率:
| 状态 | 可接受陈旧时间 | 起始频率建议 |
|---|---|---|
| 玩家战斗移动 | 50~100 ms | 10~20 Hz,再配合预测与插值 |
| 普通 AI 移动 | 100~250 ms | 4~10 Hz |
| 缓慢机关 | 250~500 ms | 2~4 Hz |
| 回合状态、配置 | 变化时发送 | 休眠或事件驱动 |
这些只是压测起点,不是通用默认值。竞技射击、合作 PVE 和回合制对新鲜度的容忍完全不同。
开启 net.UseAdaptiveNetUpdateFrequency 后,传统系统可以根据 Actor 实际产生有效更新的频率,在 MinNetUpdateFrequency 与 NetUpdateFrequency 之间调整检查节奏。它适合“偶尔变化但不能直接休眠”的 Actor,但不能替代正确的休眠和事件建模。
2. Dormancy:长期不变对象的高收益优化
Dormancy 不只是“不发数据”,而是尽量让对象不再进入常规复制遍历和属性比较。它很适合门、宝箱、场景机关、可破坏物最终状态等“绝大多数时间静止,偶尔变化一次”的对象。
AMyDoor::AMyDoor()
{
bReplicates = true;
NetDormancy = DORM_Initial; // 仅用于地图中预放置的 Actor
}
void AMyDoor::SetOpened(bool bNewOpened)
{
check(HasAuthority());
// 先退出/刷新休眠,再修改复制状态。
FlushNetDormancy();
bOpened = bNewOpened;
ForceNetUpdate();
}关键规则:
DORM_Initial只适合地图中预放置的 Actor;运行时 Spawn 的 Actor 不应依赖它;- 改复制属性前先
FlushNetDormancy()或SetNetDormancy(DORM_Awake); - ActorComponent 或复制子对象变化时,要唤醒它所属的 Actor;
- 持续变化期间保持
DORM_Awake,稳定后再进入DORM_DormantAll; - 不要频繁睡眠、唤醒,状态抖动可能比保持 Awake 更贵;
DORM_DormantPartial不适合作为新方案的基础,优先用明确的每连接过滤策略。
Dormancy 与 Relevancy 的客户端生命周期不同:动态 Actor 失去相关性时通常会关闭 Channel,并可能在客户端销毁;Dormant Actor 仍然存在,只是停止接收更新。选错机制会造成“离开范围后对象还留着”或“回来时重新创建”的差异。
3. ForceNetUpdate() 只是在调度上催一次
ForceNetUpdate() 让 Actor 尽快进入下一次网络更新,并会刷新 Dormant Actor,但它不会:
- 绕过相关性;
- 绕过连接带宽上限;
- 把不可靠数据变成可靠数据;
- 保证客户端在当前帧立即收到。
它适合低频 Actor 的关键状态突变,例如门打开、Boss 阶段切换。每 Tick 调用等于主动破坏降频策略。
4. NetPriority 解决饱和时“谁先发”
连接饱和时,UE 会按 Actor 的当前优先级排序。NetPriority 只有相对比例有意义:把所有 Actor 从 1 同时改成 10,不会凭空增加带宽。
优先级还会考虑距离、视角和距离上次成功复制的时间,因此等待较久的 Actor 有机会逐渐追上。自定义 GetNetPriority() 时要避免让低优先级 Actor 永久饥饿,也不要在其中执行昂贵的世界查询。
五、第三层:减少属性数量、接收者和表示宽度
1. 先问客户端是否真的需要这个事实
每个复制字段都应该能回答三个问题:
- 哪些连接需要它?
- 允许多旧?
- 能否从别的权威状态推导?
例如客户端已有 StartTime、Duration 和服务器时间,就不需要每帧复制倒计时;已有武器 ID 和射击开始时间,就不一定要复制每个表现参数。
复制最小权威状态,让客户端重建表现,通常比复制每个中间结果更稳定。
2. 用条件缩小接收者
void AMyWeapon::GetLifetimeReplicatedProps(
TArray<FLifetimeProperty>& OutLifetimeProps) const
{
Super::GetLifetimeReplicatedProps(OutLifetimeProps);
DOREPLIFETIME_CONDITION(AMyWeapon, AmmoInMagazine, COND_OwnerOnly);
DOREPLIFETIME_CONDITION(AMyWeapon, CosmeticId, COND_InitialOnly);
DOREPLIFETIME_CONDITION(AMyWeapon, ThirdPersonFireState, COND_SkipOwner);
}常见组合:
| 数据 | 条件 | 原因 |
|---|---|---|
| 弹药、私人任务 | COND_OwnerOnly | 只有本人需要完整细节 |
| 静态配置 ID | COND_InitialOnly | 创建时确定,后续不变 |
| 已由本地预测播放的表现 | COND_SkipOwner | 避免 Owner 重复播放 |
| 远端模拟状态 | COND_SimulatedOnly | 自主端使用预测结果 |
DOREPLIFETIME_ACTIVE_OVERRIDE 的开关是每个 Actor 实例级别的,不是天然的每连接条件。不要用它读取某个连接独有的状态,否则共享复制工作时可能得到错误结果。
3. 量化要从可感知误差倒推
UPROPERTY(Replicated)
FVector_NetQuantize10 ImpactPoint;
UPROPERTY(Replicated)
uint16 YawShort;量化的正确问题不是“能省多少位”,而是“多大误差玩家看不出来”。位置、方向、速度、百分比和枚举通常都有压缩空间:
- 世界位置根据玩法尺度选择
FVector_NetQuantize*; - 角度可以压成整数区间,在客户端还原;
- 只需要有限状态时用枚举或位标记,不复制字符串;
- RPC 中频繁传
FName、FString或大型结构体前要看实际包内容; - 资产与配置优先传稳定 ID,不重复发送完整描述。
量化会把误差引入权威状态的远端表示。碰撞判定、反作弊阈值和回放一致性需要单独验证,不能只看画面“差不多”。
4. 把必须一致到达的字段组成一个状态
不同复制属性的 OnRep 调用顺序没有可靠保证。如果 State、StartTime、TargetId 必须作为同一版本被消费,应该复制一个带版本号的结构,而不是假设三个 OnRep 按声明顺序触发:
USTRUCT()
struct FReplicatedActionState
{
GENERATED_BODY()
UPROPERTY() uint16 Revision = 0;
UPROPERTY() uint8 State = 0;
UPROPERTY() float ServerStartTime = 0.f;
UPROPERTY() TObjectPtr<AActor> Target = nullptr;
};这不一定让字节更少,却能减少中间非法状态、额外修复 RPC 和难以复现的时序 Bug。
5. 大列表使用 Fast Array,但不要把它当事件队列
背包、Buff、任务列表和排行榜适合 FFastArraySerializer:它用稳定条目和 Dirty 标记表达增加、修改、删除,并提供对应回调。典型修改路径是:
FInventoryEntry& Entry = Entries[Index];
Entry.Count += Delta;
MarkItemDirty(Entry);
// 删除条目后必须标记数组结构变化。
Entries.RemoveAt(IndexToRemove);
MarkArrayDirty();新增或修改条目调用 MarkItemDirty();直接删除条目后调用 MarkArrayDirty()。Fast Array 用复制 ID 识别条目,客户端数组顺序不保证始终与服务端相同,因此业务逻辑也不应把数组下标当稳定 ID。
Fast Array 的价值要从真实数据规模和变化模式验证。十个元素、每分钟改一次的数组,没有必要为了理论上的增量复制引入复杂生命周期。
另外,Dirty 表示“当前状态需要同步”,不代表每一次中间变化都会像可靠事件一样被观察到。需要逐次处理的购买、领取、扣费等行为,仍要有请求 ID、幂等和权威事务语义。
六、第四层:减少脏检查与序列化 CPU
1. Push Model 优化的是检查工作,不是网络语义
传统轮询会比较复制属性与 Shadow State。Push Model 让业务代码在修改属性时显式标脏,使系统更容易跳过未变化状态:
void AMyActor::SetHealth(float NewHealth)
{
const float Clamped = FMath::Clamp(NewHealth, 0.f, MaxHealth);
if (Health == Clamped)
{
return;
}
Health = Clamped;
MARK_PROPERTY_DIRTY_FROM_NAME(AMyActor, Health, this);
}
void AMyActor::GetLifetimeReplicatedProps(
TArray<FLifetimeProperty>& OutLifetimeProps) const
{
Super::GetLifetimeReplicatedProps(OutLifetimeProps);
FDoRepLifetimeParams Params;
Params.bIsPushBased = true;
DOREPLIFETIME_WITH_PARAMS_FAST(AMyActor, Health, Params);
}Push Model 的收益与“可轮询属性数量 × Actor 数 × 检查频率”相关。它不会自动减少已经 Dirty 的属性字节,也不会修复过大的候选集。
它的主要风险是漏标 Dirty。工程上应把字段设为私有,只允许通过统一 Setter 修改,并补充自动化测试;如果任意代码都能直接写 Health,Push Model 很难长期正确。
Push Model 的启用方式和 Iris 集成细节随 UE 版本变化,应以项目所用版本的 Target、配置和引擎源码为准,不要只复制某篇旧文章的开关。
2. 自定义 NetSerialize 之前先算清维护成本
自定义序列化适合:
- 有明确值域,可以安全压位;
- 多字段之间存在联合编码机会;
- 数据处于高频热路径,Profiler 已证明它昂贵;
- 能做协议兼容、边界值、丢包和回放测试。
不适合为了“看起来专业”给每个结构都写位流。自定义协议会增加版本迁移、调试、兼容和安全校验成本。先用条件复制、量化类型与 Fast Array,通常性价比更高。
3. 子对象与组件也会形成真实成本
一个 Actor 数量不多,不代表它便宜。首次打开 Channel 时,Actor、复制组件、动态子对象、初始属性和引用解析都会形成尖峰。
因此压测时要把“首次复制”和“增量更新”分开观察。大量玩家同时进入区域、重连、传送或流送关卡,往往比稳态战斗更容易打穿预算。
七、Iris:从玩法状态到每条连接的数据包
Iris 不是“更快的 Replication Graph”,也不是把 DOREPLIFETIME 换成一组新宏。它最重要的结构变化是:
把复制系统与 Gameplay Object 的内存解耦。先把变化状态复制并量化到 Iris 自己管理的缓冲区,后续每条连接的过滤、排序和发包尽量只读取这份网络表示。
这样,读取玩法对象、调用序列化器和量化数据等昂贵工作可以尽量只做一次,再被多个连接共享;复制系统也更容易批处理、改善缓存访问并并行执行。
1. Iris 主要解决什么问题
传统复制系统的抽象围绕 Actor、ActorChannel、属性布局和每连接复制展开。UE 已经会共享一部分变化检测结果,但随着 Actor 与连接数共同增加,下面这些成本仍会放大:
- 复制过程频繁接触 Gameplay Object,难以与 Game Thread 解耦;
- 每连接做相关性、优先级和 Channel 状态管理;
- 虚函数式扩展点较多,不利于批处理和连续内存访问;
- 同一份玩法状态要面向许多连接重复准备;
- 大量子对象、动态对象和自定义序列化让生命周期更复杂。
Iris 的解决思路可以概括为三步:
- 用 Bridge 把 Gameplay Object 注册成内部 Net Object;
- 把变化状态复制、量化到 Iris 自己管理的缓冲区;
- 以这份缓冲区为输入,按连接执行 Filter、Prioritizer、Scheduler 和 Data Stream。
传统系统与 Iris 的概念对照如下:
| 关注点 | 传统复制系统 | Iris |
|---|---|---|
| 网络对象身份 | Actor、ActorChannel、对象引用 | Net Object、FNetRefHandle |
| 状态描述 | 反射属性与 Lifetime Props | Descriptor、Protocol、Fragment |
| 发送前的数据源 | 主要围绕 Gameplay Object 状态 | Iris 持有的量化状态缓冲区 |
| 谁能收到 | Relevancy、Owner、Replication Graph | Owner/Connection/Group/Dynamic Filter |
| 谁先发送 | NetPriority | Static/Dynamic Prioritizer + Scheduler |
| 变化发现 | 轮询,可选 Push Model | 优先 Push/Change Mask,可回退轮询 |
| 子对象 | Channel 与 ReplicateSubobjects 等路径 | Registered Subobject List + Fragment |
| 扩展序列化 | NetSerialize 等 | FNetSerializer,兼容层支持部分旧写法 |
Iris 并没有取消“服务端权威、属性复制、RPC、Dormancy”这些玩法概念,而是重做了复制系统内部组织状态和分配连接预算的方式。
2. 先认清九个核心概念
| 概念 | 职责 | 可以怎么理解 |
|---|---|---|
| Replication Bridge | 连接 Gameplay Object 与 Iris,管理注册、销毁和实例化 | 玩法世界与网络世界之间的桥 |
| Net Object | Actor、Component 或 UObject 在 Iris 内部的网络表示 | Iris 真正调度的对象 |
FNetRefHandle | 唯一定位 Net Object | Iris API 使用的对象句柄 |
| Replication State | 一组需要同步的数据 | 一个可复制状态块 |
| State Descriptor | 描述状态布局、条件、序列化等元信息 | 状态的共享 Schema |
| Replication Protocol | 汇总一个对象类型的所有 State Descriptor | 对象类型的网络协议 |
| Instance Protocol | 保存如何从具体实例取数据、向具体实例写数据 | Schema 与某个实例的绑定 |
| Replication Fragment | 在 Gameplay 与 Replication State 之间搬运状态 | 实例协议中的数据适配器 |
FNetSerializer | 量化、反量化和网络编码某种数据 | 类型级编解码器 |
这里最容易混淆的是 Protocol 与 Instance Protocol:
- Replication Protocol 按对象类型共享,例如所有
AMyCharacter可以共用同一套状态描述; - Replication Instance Protocol 属于具体实例,它知道从“这个角色”的哪块内存读取,又要把接收状态写回哪个对象;
- 量化状态缓冲区保存当前网络表示,不需要在每次给不同连接发包时重新回到 Gameplay Object 取相同数据。
可以把三者理解成:Protocol = 类的网络 Schema,Instance Protocol = 某个实例的绑定,Quantized Buffer = 这个实例当前可发送的网络快照。
3. 一次 Iris 复制的完整流程
Gameplay Object
│ 属性变化,标记 Dirty
▼
Replication Bridge / Fragment
│ Pre-Send:复制并量化一次
▼
Net Object 的 Quantized State + Change Mask
│
├─ Connection A:Filter → Priority → Schedule → Serialize
├─ Connection B:Filter → Priority → Schedule → Serialize
└─ Connection C:Filter → Priority → Schedule → Serialize
│
▼
Replication Data Stream / Packet
│
▼
Receiver:Read → Instantiate → Dispatch
│
▼
Client Gameplay Object / OnRep注册阶段
对象开始复制时,Bridge 会:
- 收集 Actor、Component 和子对象定义的 Replication State;
- 为对象类型构建可共享的 Replication Protocol;
- 为当前实例构建 Instance Protocol;
- 创建 Net Object 与量化状态缓冲区;
- 返回
FNetRefHandle,供过滤、优先级和生命周期 API 使用。
接收端也由 Bridge 负责创建 Actor、建立协议,并把 Net Object 映射回 Gameplay 实例。
Pre-Send Update:共享工作发生在这里
发送前更新是 Iris 的关键阶段:
- 如果对象仍使用兼容轮询模式,先检查 Gameplay 状态是否变化;
- 对 Dirty State 调用对应的 Net Serializer;
- 把原始类型转换成量化后的网络表示;
- 更新 Net Object 的状态缓冲区和 Change Mask;
- 更新对象的过滤状态与优先级输入;
- 清理本轮源状态 Dirty 标记。
“清理 Dirty”不等于“所有客户端已经收到”。Dirty 描述源状态需要被 Iris 吸收;某条连接是否已经拿到最新状态,由 Iris 的每连接跟踪和投递确认负责。把这两个状态混为一谈,会误解丢包后的重发与最终收敛。
Send Update:每连接决策发生在这里
对每条连接,Iris 依次回答:
- Filter:这个对象是否在连接的复制范围内?
- Prioritizer:相对其他 Dirty Object,它有多重要?
- Scheduler:结合优先级、依赖和包预算,本帧是否装得下?
- Data Stream:如何编码并放进包,如何处理投递通知?
整个阶段的目标是尽量不再访问 Gameplay Object,只操作 Iris 自己的 Net Object、量化状态和每连接数据,因此更容易并行,也更利于缓存。
Receiver:先建对象,再分发状态
接收端会先读取完整包和投递信息。首次出现的 Net Object 必须先实例化,因为后续协议和引用解析依赖它;随后反序列化状态,经 Fragment 写回 Gameplay Object,并触发相应的 RepNotify。
4. 量化状态副本为什么是核心
假设 32 个连接都需要同一只 Boss 的 Location、Health 和 Phase。
传统思路很容易围绕“针对每条连接,从 Boss 对象读取、比较并准备数据”展开。Iris 则尽量变成:
Boss Gameplay State
→ 一次复制与量化
→ Iris Quantized State
→ 32 条连接分别判断需不需要、何时发送这份副本带来四个收益:
- 共享工作:量化和源状态读取不必为每条连接重复执行;
- 线程解耦:发包阶段不必任意访问 Gameplay 内存;
- 缓存友好:内部状态可以批量处理,避免在大量 Gameplay Object 之间反复跳转;
- 连接独立:每条连接可以有不同 Filter、Priority 和已知状态。
它也有代价:Iris 要为 Net Object 保存完整量化状态,并维护每连接跟踪数据。对象极少、连接极少的项目未必能抵消额外内存、配置和迁移成本。
5. Change Mask、Push Model 与轮询是什么关系
Iris 的 Replication State 会为成员分配 Change Mask。业务修改字段时,理想路径是直接标记对应 bit,并通知 Dirty Object Tracker:
Health: 100 → 80
→ Health 对应的 Change Mask bit = 1
→ Net Object 进入 Dirty 集合
→ Pre-Send 只处理需要更新的状态因此 Iris 最适合 Push-Based 状态:没有变化的对象不需要反复扫描全部属性。
但“使用 Iris”不自动等于“项目已经完全 Push-Based”。兼容现有 Gameplay 代码时,如果某对象没有正确启用 Push Model,Iris 仍可按 NetUpdateFrequency 回退轮询。这样迁移门槛较低,但也会保留一部分旧系统的检查成本。
工程上应区分三件事:
| 状态 | 含义 |
|---|---|
| 属性 Change Mask | 哪些成员发生了变化 |
| Net Object Dirty | 哪些对象需要在 Pre-Send 吸收新状态 |
| Connection Out-of-Date | 哪条连接尚未拥有对象的当前状态 |
漏掉 Push Model 的 Dirty 标记,问题通常发生在第一层;Filter 配错导致连接收不到,问题发生在第三层。两者表现都可能是“客户端没更新”,诊断路径完全不同。
6. Filtering:决定谁有资格收到
Iris 提供四类 Filter:
| Filter | 用途 | 典型场景 |
|---|---|---|
| Owner | 跟随 Owner 的连接范围 | 私有组件、装备子对象 |
| Connection | 显式允许或拒绝某些连接 | 观战、管理员、临时可见性 |
| Group | 一组对象共享一组连接范围 | 队伍、Party、流送区域 |
| Dynamic | 每次根据运行时数据计算 | 空间网格、自定义视野规则 |
优先使用 Owner、Connection 和 Group 这类结构化过滤。Dynamic Filter 灵活,但会增加 CPU 成本;官方建议把它作为最后手段。空间对象可以使用网格 Filter,把“附近有哪些对象”的计算集中在过滤系统中。
这也是 Iris 与 Replication Graph 的核心区别:Iris 没有“Actor 必须被塞进某个复制节点”的同构概念。原来 Replication Graph 节点承担的接收者集合和调频逻辑,需要重新映射到 Iris Filter、Prioritizer、Group、Poll Frequency 和依赖关系。
7. Prioritization:决定谁先占用本帧预算
Iris 同时支持静态和动态优先级:
- Static Priority 给对象一个固定基础值;
- Dynamic Prioritizer 按连接视角、距离、Owner 或业务数据批量计算;
- 内置实现包括 Sphere、Sphere With Owner Boost 和 Net Object Count Limiter;
- 优先级会随网络 Tick 累积,发送后重置,避免低优先级对象永久饿死。
官方定义中,优先级小于 1.0 的对象本帧不参与复制;达到 1.0 后,如果它确实存在待同步状态,才进入调度候选。这里的 1.0 是调度阈值,不是“每秒一次”,也不是带宽百分比。
获取一个 Actor 的 Handle 并设置静态优先级,核心调用如下:
#if UE_WITH_IRIS
#include "Net/Iris/ReplicationSystem/ActorReplicationBridge.h"
#include "Net/Iris/ReplicationSystem/ReplicationSystemUtil.h"
#include "Iris/ReplicationSystem/ReplicationSystem.h"
UReplicationSystem* ReplicationSystem =
UE::Net::FReplicationSystemUtil::GetReplicationSystem(this);
UActorReplicationBridge* ReplicationBridge =
UE::Net::FReplicationSystemUtil::GetActorReplicationBridge(this);
if (ReplicationSystem && ReplicationBridge)
{
const UE::Net::FNetRefHandle Handle =
ReplicationBridge->GetReplicatedRefHandle(this);
if (Handle.IsValid())
{
ReplicationSystem->SetStaticPriority(Handle, 1.0f);
}
}
#endif这段代码必须在对象完成 Iris 注册后执行,否则 Handle 尚未有效。实际项目更常通过类配置或统一路由层分配策略,而不是让每个 Actor 自己零散设置。
8. Scheduler、依赖与可靠性不要混为一谈
Filter、Priority 和 Scheduler 的职责不同:
Filter = 这个连接能不能收到
Priority = 相比别的对象有多值得先发
Scheduler = 本帧预算里实际选择谁、按什么依赖顺序装包
Reliability = 已写入传输后如何确认或恢复Iris 可以为 Net Object 建立依赖,使附件、子对象或引用对象在父对象复制时获得调度机会。但依赖不应被理解为“必定处于同一个数据包”或“业务事务原子性”。需要原子消费的字段仍应组成同一 Replication State,并带 Revision;需要恰好一次业务效果的操作仍需请求 ID 和幂等。
Iris 的 Data Stream 把不同网络数据的发送方式抽象出来:
- Replication Data Stream 负责 Net Object 状态;
- Net Token Data Stream 同步对象路径等 Token,让后续引用使用更紧凑的表示;
- 投递通知用于更新发送端对包结果的认识。
属性复制仍然是“让远端最终收敛到当前状态”,不是保存每一次中间变化的事件日志。Health 在一帧内从 100 → 90 → 80,客户端不应依赖一定观察到 90。必须逐次处理的事件仍然用明确的 RPC 或事务协议表达。
9. 子对象迁移是最容易踩坑的部分
Iris 不支持以重写 ReplicateSubobjects() 为核心的旧虚函数路径,必须使用 Registered Subobject List:
AMyActor::AMyActor()
{
bReplicates = true;
bReplicateUsingRegisteredSubObjectList = true;
}
void AMyActor::RegisterRuntimeState(UMyRuntimeState* State)
{
check(HasAuthority());
AddReplicatedSubObject(State);
}
void AMyActor::UnregisterRuntimeState(UMyRuntimeState* State)
{
RemoveReplicatedSubObject(State);
}动态子对象销毁前必须先从 Registered List 移除,否则列表中的裸指针可能在 GC 后失效。对于既不是 AActor 也不是 UActorComponent 的自定义 UObject,还需要实现 RegisterReplicationFragments(),为其属性与 RPC 注册 Fragment。
这不是机械替换 API:迁移时要重新检查子对象的创建顺序、Owner、条件、销毁、引用解析和首次复制依赖。
10. 开启与迁移:先保证语义,再比较性能
UE 5.8 官方文档中的基本接入包括:
// MyGame.Build.cs
SetupIrisSupport(Target);
// MyGame.Target.cs / MyGameServer.Target.cs
bUseIris = true;项目还需要启用 Iris 插件,并为目标 Net Driver 配置 Iris。开发阶段可以使用 -UseIrisReplication=1 或 -UseIrisReplication=0 做同一构建下的 A/B 验证。具体配置项可能随 UE 版本变化,应以当前项目引擎分支为准。
迁移兼容性可以这样看:
| 能力 | 迁移判断 |
|---|---|
UPROPERTY(Replicated) / RepNotify | 基本语义保留,但要重新验证顺序与 Push Dirty |
| RPC 声明与执行 | 基本语义保留 |
| Dormancy | 概念保留,可用于过滤 Polling |
NetPriority / IsNetRelevantFor | 迁移为 Iris Prioritizer / Filter 思维 |
| Replication Graph | 不能与 Iris 同时作为复制后端使用 |
ReplicateSubobjects() | 改用 Registered Subobject List |
| Fast Array | 兼容旧定义,也有 FIrisFastArraySerializer |
自定义 NetSerialize | 需要检查警告,必要时提供 Iris FNetSerializer |
推荐迁移顺序:
- 先让现有属性和 RPC 在 Iris 下通过功能测试;
- 迁移所有子对象到 Registered List;
- 修复自定义结构、序列化器和对象引用警告;
- 盘点原 Replication Graph/Relevancy 规则,映射为 Filter 与 Prioritizer;
- 补全 Push Model Dirty 标记,减少兼容轮询;
- 用同一负载分别跑传统系统与 Iris,比较 CPU、带宽、内存和状态新鲜度;
- 最后才移除旧复制后端的兼容代码。
不要只验证“客户端最终看到了 Actor”。迁移验收还应覆盖:首次进入范围、离开后重入、Owner 切换、子对象动态增删、休眠唤醒、丢包、重连和关卡流送。
11. Iris 什么时候值得用
| 场景 | 判断 |
|---|---|
| Actor 少、连接少、传统复制没有瓶颈 | 没必要仅为“更新”而迁移 |
| Actor 与连接数同时上升 | Iris 的共享状态处理开始有价值 |
| 大量对象使用 Push Model | 更容易发挥 Dirty Tracking 优势 |
| 需要复杂的组、Owner 和空间过滤 | Filter 系统适合集中表达 |
| 已有成熟且深度定制的 Replication Graph | 迁移成本高,必须用数据证明收益 |
大量旧式动态子对象和自定义 NetSerialize | 先做兼容性盘点,不宜直接切换 |
| 引擎版本仍将 Iris 标记为 Experimental | Shipping 前评估平台、回放、热更新和长期维护风险 |
Iris 的价值不是让单个 Actor 的几个属性“神奇地更小”,而是让复制系统在大量对象、多个连接下少做重复工作,并把过滤、优先级和调度变成更明确的数据导向流水线。
12. Iris 调试从 Handle、Filter、Dirty 三条线入手
常用诊断命令包括:
| 命令 | 用途 |
|---|---|
Net.Iris.PrintReplicatedObjects | 查看已经注册的 Net Object |
Net.Iris.PrintRelevantObjects | 查看当前对任意连接相关的对象 |
Net.Iris.PrintRelevantObjectsToConnection | 查看指定连接的相关对象及 Filter |
Net.Iris.PrintDynamicFilterClassConfig | 检查类到 Dynamic Filter 的配置 |
Net.Iris.PrintNetCullDistances | 检查当前 Cull Distance |
Net.Iris.DebugNetRefHandle | 按 Handle 定位内部对象 |
net.Iris.LogReplicationProtocols | 输出创建出的 Replication Protocol |
排查顺序:
对象是否拿到有效 NetRefHandle?
↓ 是
Filter 是否允许目标 Connection?
↓ 是
属性是否正确标 Dirty,或者是否进入兼容 Poll?
↓ 是
Priority 是否达到调度阈值?
↓ 是
包预算、依赖与 Data Stream 是否实际发送?
↓ 是
接收端是否实例化、反序列化并 Dispatch 到正确 Fragment?这条链能把“客户端没看到”拆成注册、范围、变化、调度、传输和应用六类问题,而不是一上来就怀疑网络丢包。
八、RPC:优化调用语义,而不只是 Reliable 开关
RPC 适合表达动作请求和一次性通知,不适合持续同步可覆盖的状态。
| 场景 | 更合适的表达 |
|---|---|
| 玩家请求开火 | Server RPC,服务端校验 |
| 当前武器、血量、阶段 | 复制属性 |
| 高频瞄准或输入样本 | 可丢、可合并的输入流 |
| 可由最终状态恢复的特效 | Unreliable RPC 或由状态推导 |
| 不能重复扣除的交易 | 带请求 ID 的权威操作,而非只靠 Reliable |
优化原则:
- 高频且下一次会覆盖上一次的数据,优先 Unreliable;
- Reliable 只保证传输语义,不负责业务幂等;
- 不要每 Tick 发 RPC,优先按阈值、固定采样率或批量发送;
- 合并前要明确是否允许丢失中间样本;
- Multicast 不等于“免费广播”,接收者越多,总流量越大;
- 用 RPC 连续推状态,会失去属性复制的合并与最终收敛优势。
Reliable 队列拥塞会让后续消息等待,最终表现可能不是“可靠”,而是越来越旧。RPC 的方向、所有权和可靠性详见 RPC 语义与可靠性。
九、三类典型场景怎么组合
场景 A:地图里有 2000 个可交互机关
推荐组合:
- 地图预放置 Actor 使用
DORM_Initial; - 只复制
State + Revision,材质和动画由客户端推导; - 交互时先 Flush Dormancy,再修改状态并
ForceNetUpdate(); - 大地图用 Replication Graph 空间节点或 Iris Filter 缩小每连接集合;
- 压测玩家传送到密集区域时的 Initial Channel 峰值。
常见错误是让所有机关保持 Awake,并以 10 Hz 检查一个几乎永远不变的布尔值。
场景 B:32 人战斗与大量 AI
推荐组合:
- 玩家和 AI 按距离、队伍、视野语义过滤;
- 近距离高频,远距离低频,并在客户端插值;
- 战斗关键状态提高优先级或触发一次
ForceNetUpdate(); - 自主端使用预测,第三人称表现可用
COND_SkipOwner; - 不复制 AI 的感知与决策过程,只复制客户端表现需要的决策结果;
- 同时测稳态战斗和大量 AI 同时进入相关性的尖峰。
传统系统的 NetUpdateFrequency 是 Actor 级设置。如果需要真正的每连接、按距离调频,通常要在 Replication Graph 节点或 Iris Prioritizer 中表达,而不是每帧修改 Actor 上的全局频率。
场景 C:背包、Buff 与任务列表
推荐组合:
- Actor 或属性只对 Owner 相关;
- 列表较大且频繁局部变化时使用 Fast Array;
- 条目使用稳定 ID,不复制重复的静态配置;
- 服务端操作带请求 ID,客户端回调用于刷新表现而非执行权威逻辑;
- 分别统计首次全量和后续增量的字节与 CPU。
十、如何 Profile:不要凭感觉调参数
1. 先复现正确负载
至少覆盖下面几类工况:
| 工况 | 暴露的问题 |
|---|---|
| 玩家原地不动 | 空闲轮询、无意义属性比较 |
| 稳态战斗 | 高频状态、RPC 与带宽竞争 |
| 集体出生/重连 | Initial Channel 和完整快照尖峰 |
| 大量 Actor 进入相关性 | 路由、Channel 创建、首包预算 |
| 场景交互连锁变化 | Dormancy 唤醒风暴 |
| 高延迟、丢包和低带宽 | 队列、可靠消息阻塞、状态陈旧 |
只在 PIE 里用 1 个客户端看平均带宽,几乎无法代表线上。
2. 工具各自回答什么
| 工具 | 最适合回答的问题 |
|---|---|
stat net | 当前速率、包和连接是否异常 |
| Unreal Insights CPU Trace | ServerReplicateActors 等阶段花了多少时间 |
| Networking Insights | 哪个包、对象、属性或 RPC 占字节 |
| Network Profiler | Actor、属性、RPC 的流量汇总与对比 |
| Replication Graph Debug | Actor 被路由到哪个节点、候选集是否异常 |
| Iris Debug Commands | Net Object、Filter、Cull Distance 与 Handle 是否正确 |
| Dormancy 日志与校验 | 是否在休眠期间修改、是否正确唤醒 |
| Network Emulation | 延迟、丢包、抖动下是否仍能收敛 |
Networking Insights 可通过 Net Trace 采集网络数据,例如在开发构建中使用:
-NetTrace=1 -trace=net采集本身有成本。性能验收要区分“带完整 Trace 的诊断结果”和“接近 Shipping 配置的基准结果”。
3. 至少记录这些指标
- 每连接 Out Bytes/s、Packets/s、丢包率和发送队列;
- 服务端复制阶段平均值、P95、P99,而不只看平均值;
- Considered、Relevant、Replicated、Dormant Actor 数;
- 每类 Actor 的首次复制字节与增量字节;
- 属性与 RPC 的 Top N 字节贡献;
- Channel 打开/关闭速率;
- 关键状态从服务端产生到客户端应用的延迟;
- 最久未更新 Actor 的等待时间,用于发现饥饿。
十一、按症状排查
| 症状 | 第一检查点 | 常见根因 |
|---|---|---|
| DS 帧时间高,但带宽不高 | 候选 Actor、Dormancy、脏检查 | 大量 Awake Actor 或每连接相关性遍历 |
| 带宽高,但 CPU 尚可 | 属性/RPC Top N、初始状态 | 字段过宽、广播过多、首包过大 |
| 远端角色一顿一顿 | 实际到达间隔、插值缓冲 | 频率过低、连接饱和或缺少平滑 |
| 偶发关键状态很晚才到 | 优先级、Reliable 队列、等待年龄 | 饱和、RPC 堆积、低优先级饥饿 |
| 机关偶尔不同步 | Dormancy 修改顺序 | 休眠期间改属性,唤醒过晚 |
| Actor 离开范围后仍留在客户端 | Dormancy 与 Relevancy | 用休眠代替了生命周期过滤 |
| 进入新区域时瞬间尖峰 | Initial Channel 数与初始字节 | 同帧创建太多复杂 Actor |
| Push Model 开启后偶发漏同步 | Dirty 标记覆盖率 | 绕过 Setter 直接写字段 |
| Replication Graph 下客户端看不到对象 | 节点路由 | 新类型未加入任何有效节点 |
| Iris 下 Actor 完全不出现 | Handle、Filter、Net Driver | 未注册、被过滤或并未启用目标 Iris Driver |
| Iris 下属性偶发不更新 | Change Mask、Push Dirty、Polling | 漏标 Dirty 或兼容轮询配置不符合预期 |
| Iris 下子对象不出现 | Registered Subobject List、Fragment | 仍走旧虚函数路径或没有注册 Fragment |
十二、常见“优化”为什么无效
| 做法 | 问题 |
|---|---|
| 统一把所有频率砍半 | 不区分关键状态,体验先坏 |
| 所有消息都改 Reliable | 拥塞时形成排队和旧消息阻塞 |
| 每次关键变化都 Multicast | 接收者集合过大,也无法表达最终状态 |
| 只看 Actor 数量做预算 | Actor 成本差异巨大,首包尤其昂贵 |
每 Tick ForceNetUpdate() | 抵消调频与批处理 |
| 用渲染可见性决定相关性 | 玩法信息可能穿过遮挡仍然重要 |
| 开 Push Model 就认为带宽下降 | 它主要优化脏检查 CPU |
| 上 Replication Graph 就认为复制完成优化 | 它主要缩小和组织候选集 |
| 打开 Iris 开关就认为迁移完成 | Filter、Prioritizer、子对象与 Dirty 路径仍需逐项迁移 |
| 大数组一律换 Fast Array | 小而低频的数据不一定值得复杂化 |
| 只测平均带宽 | 尖峰、P99 延迟与饥饿仍可能失控 |
十三、推荐的落地顺序
一次可控的复制优化迭代可以按下面执行:
- 固定人数、地图、机器人脚本和网络条件,建立可重复基线;
- 用 Insights/Profiler 找出 CPU、字节和延迟各自的 Top N;
- 删除不必要的复制对象与字段;
- 用 Owner、距离、队伍和空间路由缩小每连接候选集;
- 给稳定对象加 Dormancy,按可接受陈旧度降低频率;
- 加条件复制、量化、Fast Array 和必要的状态聚合;
- Profiler 证明脏检查仍昂贵后,再引入 Push Model;
- Actor 与连接规模确实需要时,再评估 Replication Graph 或 Iris;
- 重跑同一场景,对比平均值、P95/P99 和玩家可感知延迟;
- 把预算与关键指标接入长期压测,防止后续内容增长把收益吃掉。
最终判断不是“用了多少 UE 网络特性”,而是:在目标玩家数和最坏场景下,关键状态按时到达,非关键状态不会挤占预算,成本随 Actor 和连接增长仍然可解释。