合批（Batching）在UE中的实现汇总

游戏引擎中的合批技术（Batching）是一种优化渲染性能的关键手段，其核心目标是减少绘制调用（Draw Call）次数，从而降低CPU与GPU之间的通信开销，提升帧率。

---

合批技术的基本原理

1. Draw Call的瓶颈
   每次绘制一个物体时，CPU需要向GPU发送材质、网格、变换矩阵等数据，这个过程称为Draw Call。过多的Draw Call会导致CPU过载，成为性能瓶颈。

2. 合批的核心思想
   将多个物体的渲染数据合并为一个或少量Draw Call，减少CPU与GPU之间的通信次数。合批成功的关键在于共享相同的渲染状态（如材质、纹理、Shader等）。

3. 合批类型

   • 静态合批（Static Batching）：合并不移动的物体（如场景中的静态建筑）。
   • 动态合批（Dynamic Batching）：合并动态物体（如可移动的物体或材质参数需要经常变化的物体），但需要满足特定条件（如相同材质、顶点数限制）。
   • GPU Instancing：通过一次Draw Call渲染多个相同网格的实例，适用于大量重复物体（如草地、人群）。是一种更高级的动态合批。

静态合批（Static Batching）与动态合批（Dynamic Batching）的区别

特性	静态合批	动态合批
适用对象	不移动、不变化的静态物体（如建筑、地形、固定装饰）。	动态物体（如可移动、旋转、缩放的物体，或参数变化的实例）。
合批时机	在编辑器或烘焙阶段预先合并（离线处理）。	在运行时动态合并（实时处理）。
性能开销	无运行时开销，合并后渲染效率极高。	运行时需实时合并数据，可能增加CPU开销（需满足严格条件）。
灵活性	合并后物体无法单独控制（如移动、隐藏）。	保留实例独立性，支持动态修改参数。
内存占用	合并后的网格占用更多内存（存储合并后的顶点数据）。	内存占用较低（仅存储差异化参数）。
适用场景	大规模静态场景（如城市、森林）。	少量动态物体（如可破坏的箱子、动态植被）。
合批条件	物体必须标记为静态（Static），使用相同材质和网格。	需满足顶点数限制、相同材质、无复杂变换差异等条件。

---

Unreal Engine（UE）中的静态合批实现方法

UE主要通过以下技术实现静态合批：

1. HLOD（Hierarchical LOD）

• 原理：将远距离的多个静态物体合并为简化的代理网格（Proxy Mesh），也就是将多个不同的Actor烘焙成一个SM，减少Draw Call。
• 操作步骤：
  1. 在编辑器中使用 HLOD Outliner 创建HLOD集群。
  2. 生成代理网格（支持自动或手动调整LOD层级）。
  3. 运行时根据摄像机距离切换原始模型与代理模型。
• 适用场景：开放世界场景中优化远处物体渲染。

2. 手动合并Actor（Merge Actors）

• 原理：将多个静态Actor合并为单个静态网格体，合并过程中可以选择简化材质数量以达到减少Draw Call的目的。底层原理和HLOD相同。
• 操作步骤：
  1. 在编辑器中选择多个静态Actor。
  2. 通过 Tools > Merge Actors 生成合并后的网格。
• 注意事项：
  • 合并后无法单独控制子物体（如动态交互、光照烘焙需重新处理）。
  • 合并后的网格可能增加内存占用。

3. 自动实例化（Auto Instancing）

• 原理：自动检测场景中相同静态网格和材质的物体，合并为单个Draw Call。
• 条件：
  • 物体标记为 Static。
  • 使用相同的 Static Mesh 和 Material Instance。
• 优化效果：适合处理大量重复静态物体（如路灯、石块）。
• 注意事项：
  • 此方法很笨，必须是相同的SM和相同的MI资产。如果MI复制多份分给长江中的相同SM，复制的MI参数不变，也会合批失败。

---

Unreal Engine（UE）中的动态合批实现方法

UE对动态合批的支持相对有限（主要依赖GPU Instancing），但可通过以下方式实现类似效果：

1. ISM（Instanced Staic Mesh）

• 原理：通过GPU Instancing实现，每个实例的可变参数统一打包在一个Buffer中，渲染时按照实例ID去访问可变参数。
• 实现步骤：
  1. 在材质中启用 Use with Instancing。
  2. 在场景中创建Instanced Staic Mesh Component
  3. 使用 PerInstanceCustomData 传递差异化参数（如颜色、缩放）。
  4. 在蓝图或C++中通过 SetCustomPrimitiveData 设置实例数据。
• 适用场景：动态物体（如建筑、人群、车辆）。

2. CPD（Custom Primitive Data）

• 原理：与ISM底层原理一致，只是一套不同的封装
• 实现步骤：
  1. 在母材质中需要Instance间可变的参数勾选 Use Custom Primitive Data。
  2. 在场景中创建Static Mesh Component
  3. 在蓝图或C++中通过 SetCustomData 设置实例数据。
• 适用场景：与ISM一致。

3. HISM（Hierarchical Instanced Staic Mesh）

• 原理：在ISM的基础上对LOD管理进行的优化。ISM每个Instance独立计算LOD，放在如草地等植被上会开销巨大。HISM将场景中的实例按空间划分为层级结构（如四叉树或八叉树），实现高效剔除和切换LOD。
• 实现步骤：
  1. 在Actor蓝图中，通过Add Component选择 Hierarchical Instanced Static Mesh。
  2. 在HISM组件的Details面板中，设置 Static Mesh 属性为需要实例化的网格（如树木、岩石）。
  3. 在HISM组件的Details面板中，点击 Add Instance 按钮，在场景中直接拖拽放置实例，或在蓝图中使用 Add Instance 节点动态添加实例，支持设置位置（Location）、旋转（Rotation）、缩放（Scale）。
• 适用场景：植被系统。

特性	HISM	ISM
剔除效率	分层结构优化，支持高效视锥/遮挡剔除	仅基础视锥剔除
LOD支持	自动应用网格LOD，支持动态切换	无内置LOD管理，需手动处理
适用场景	超大规模静态物体（>1000实例）	中小规模动态物体（<1000实例）
性能开销	层级维护有额外CPU开销	轻量级，适合频繁更新的实例

4. Niagara粒子系统（GPU粒子）

• 原理：粒子系统默认使用GPU Instancing，将数万粒子合并为单个Draw Call。
• 优势：支持动态参数（如位置、速度、颜色）实时变化。
• 示例：火焰、雨雪、子弹轨迹。

5. 动画实例化（Animation Instancing）

• 插件或自定义实现：通过共享骨骼动画数据，批量渲染动画模型（如人群）。
• 插件推荐：
  • Animation Budget Allocator（UE官方实验性插件）。
  • Mass AI（大规模人群渲染框架）。

---

性能注意事项

1. 静态合批的代价：
   • 合并后的网格可能导致光照烘焙复杂化（需重新展开UV）。
   • 内存占用增加（合并后的顶点/索引数据）。
2. 动态合批的限制：
   • GPU Instancing的顶点数量有上限，每个硬件平台可能不同，需要注意。
   • 频繁修改实例参数可能导致CPU开销上升。
3. 调试工具：
   • 使用 stat scenerendering 查看Draw Call数量。
   • 使用图形调试工具（如RenderDoc）观察Draw Call是否合并