Оптимізація Draw Calls мобільної гри: GPU, батчинг, FPS

Уявіть: ваша мобільна гра гальмує на Adreno 506, хоча графіка скромна. Frame Debugger показує 350 Draw Calls на кадр, а FPS падає до 35. Мета — стабільні 60 FPS. Оптимізація Draw Calls — перший і найефективніший крок. Ми знижуємо кількість викликів із середніх 300 до 150, підіймаючи FPS до 60 на mid-range пристроях без втрати якості. Використовуємо батчинг, GPU Instancing, атласи текстур. За 5 років оптимізували 30+ проектів. Зв'яжіться з нами для аудиту вашого проекту — це зекономить ваші ресурси.

Чому Draw Calls критичні для мобільних ігор?

На мобільних GPU з тайловою архітектурою (Mali, Adreno, Apple GPU) кожен зайвий Draw Call дорожчий, ніж на десктопі. CPU витрачає час на підготовку даних, а GPU — на перемикання контекстів. У результаті при хаотичному рендерингу FPS падає нижче цільових 30 або 60 FPS. Оптимізація Draw Calls — один із найефективніших способів підвищити продуктивність без зміни контенту.

Звідки беруться зайві виклики

Три головні джерела.

Різні матеріали на схожих об'єктах. Кожен унікальний матеріал = мінімум один окремий Draw Call. Часто бачимо проекти, де монети, вороги та бонуси використовують різні текстури (PNG різних розмірів), упаковані в різні атласи. Batch для них неможливий.

Dynamic batching ламається непомітно. Unity батчить меші тільки якщо вони менші за 900 вершин, використовують один матеріал і не мають статичного флага. Додавання тіні (Shadow Casting = On) на динамічний об'єкт автоматично вибиває його з батча — це не очевидно з документації.

Skinned mesh без GPU Instancing. Анімовані персонажі з SkinnedMeshRenderer не беруть участі ні в static batching, ні в dynamic batching. Якщо на екрані 20 ворогів з однаковим мешем, але без GPU Instancing — 20 окремих Draw Calls.

Як знизити Draw Calls без втрати якості?

Sprite Atlas для 2D

Для 2D-ігор — SpriteAtlas (не застарілий Sprite Packer). Усі спрайти одного ігрового шару — в один атлас, один матеріал, один Draw Call для всього шару. Атлас має бути Include in Build, інакше в рантаймі підвантажаться окремі текстури. Максимальний розмір атласу на мобільних — 2048×2048 для більшості пристроїв, 4096×4096 допускається для Android API 26+ та iOS 12+. Використовуємо ASTC 6×6 для обох: хороша компресія без помітних артефактів.

GPU Instancing для 3D

Для повторюваних об'єктів (вороги, дерева, кулі) — Enable Instancing на матеріалі + шейдер з #pragma multi_compile_instancing. З Unity 2022+ можна використовувати BatchRendererGroup для повного контролю. GPU Instancing не працює з анімацією на CPU — для анімованих ворогів застосовуємо GPU skinning через AnimationInstancing або вертексні шейдери із запеченими анімаціями.

Static Batching

Статичні об'єкти (платформи, стіни) позначаємо як Static, вмикаємо Static Batching в Player Settings. Unity об'єднає меші в build time. Оверхед: збільшення пам'яті, тому не позначаємо статикою все підряд.

Забираємо зайві Shadow Casters

Тіні — дорого. На мобільних часто вимикаємо real-time тіні та замінюємо blob shadow (простий dark circle спрайт під об'єктом). Якщо тіні потрібні — обмежуємо дистанцію та переходимо на одну каскадну карту тіней замість чотирьох.

Цільові метрики

Ці цифри — для 60 FPS. Якщо таргет 30 FPS, бюджет вдвічі м'якший. GPU Instancing ефективніший за Dynamic Batching в 3–5 разів на мобільних.

Порівняння методів батчингу

Як діагностувати вузькі місця?

Unity Frame Debugger (документація) — перший крок. Показує кожен Draw Call у кадрі з поясненням, чому батчинг не відбувся. Snapdragon Profiler (для Android на Adreno) та Xcode GPU Frame Capture (iOS) дають детальну картину на реальному залізі, включаючи time per draw call. RenderDoc — для глибокого аналізу.

Що входить в роботу

• Аудит Frame Debugger та Snapdragon Profiler
• Впровадження Sprite Atlas та GPU Instancing
• Оптимізація тіней та статичного батчингу
• Тестування на 5+ реальних пристроях (low-end, mid-range)
• Документація щодо підтримки оптимізацій
• Гарантія 6 місяців на продуктивність (приріст FPS мінімум 20% на low-end)

Процес роботи

1. Аналіз поточного стану (1 день)
2. Пріоритизація проблем (1 день)
3. Реалізація атласів/інстансингу/батчингу (2–5 днів залежно від складності)
4. Тестування на low-end та mid-range пристроях (1 день)
5. Фінальний звіт та передача правок

Терміни залежать від масштабу: проста 2D-аркада — два-три дні, 3D з анімованими персонажами — тиждень і більше. Оцінимо ваш проект за 1 робочий день. Зв'яжіться з нами — отримайте консультацію та комерційну пропозицію.

Оптимізація мобільних додатків: cold start, пам'ять, батарея, FPS, профілювання

Ми стикаємося з додатками, де cold start триває 4+ секунди — користувачі йдуть до конкурентів ще до першого екрану. Android Vitals у Google Play Console безпосередньо впливають на ранжування, Apple аналогічно моніторить crash rate та час запуску через MetricKit. Оптимізація — це не «зробити швидше», а знайти конкретне місце втрати часу та усунути його. Наш досвід 7+ років та понад 50 оптимізованих застосунків дозволяє гарантувати результат: зменшення часу запуску на 30–60% при помірному навантаженні на команду.

Чому cold start критичний для бізнесу?

Cold start — запуск додатку, коли процес не існує в пам'яті. На Android це час від натискання на іконку до Activity.onWindowFocusChanged(hasFocus = true). На iOS — від tap до viewDidAppear першого екрану. При cold start більше 2 секунд 60% користувачів закривають додаток — це прямі втрати конверсії. Наприклад, у фінансовому додатку, який ми оптимізували, cold start зменшився з 4.3 с до 1.2 с, що дало +15% до добової активності.

Як виміряти час холодного старту?

Інструмент для діагностики: Android Studio Profiler → App Startup. Показує граф ініціалізації з часом кожного компонента. Альтернатива — Tracing.beginSection("MyInitTag") в коді + systrace.

Рішення: App Startup Library (Jetpack) з явним графом залежностей ініціалізаторів. Компоненти, потрібні лише в конкретних сценаріях, ініціалізуються ліниво — by lazy {} або initializer з флагом lazyInit. Firebase Analytics, наприклад, не потрібен до першої дії користувача — його ініціалізацію можна відкласти.

ContentProvider-и, що автоматично додаються SDK через AndroidManifest merge, теж запускаються при старті. tools:node="remove" в маніфесті дозволяє вимкнути конкретний провайдер та ініціалізувати SDK вручну в потрібний момент.

Ще одна грабля: Room.databaseBuilder().build() на main thread. Це синхронна операція створення/відкриття файлу БД — на повільних пристроях займає 50–300 мс. Переносимо в coroutine з Dispatchers.IO, в ViewModel через viewModelScope.launch.

На iOS cold start ділиться на pre-main (до виклику main()) та post-main. Pre-main — час завантаження dylib, rebase/binding, Objective-C runtime initialization та виконання +load методів.

Xcode Instruments → App Launch template показує час pre-main та post-main окремо. DYLD_PRINT_STATISTICS=1 в схемі запуску виводить детальний час завантаження в консоль.

Що вбиває pre-main:

• Багато динамічних бібліотек (кожна dylib — накладні витрати на лінковку). CocoaPods додає окрему dylib на кожен pod. Рішення: Swift Package Manager зі статичною лінковкою (type: .static) або use_frameworks! :linkage => :static в CocoaPods — це зменшує pre-main час на 40% порівняно з динамічним лінкуванням.
• +load методи в Objective-C — виконуються синхронно при завантаженні класу, до main(). Сторонні SDK можуть зловживати цим. +initialize — лінивий аналог, викликається при першому зверненні до класу.

Post-main — application(_:didFinishLaunchingWithOptions:). Та ж історія що на Android: синхронна ініціалізація всього. lazy var для сервісів, які не потрібні негайно. SwiftUI @StateObject ініціалізує об'єкт тільки коли View з'являється — це вже вбудована лінивість.

Цільові метрики (App Store рекомендації): cold start < 400 мс для простих додатків, < 2 секунди для складних. Warm start (процес в пам'яті, але Activity/Scene перестворюється) — < 1 секунда.

Пам'ять: витоки, OOM, excessive pressure

Витік пам'яті в iOS — retention cycle: об'єкт A тримає посилання на B, B тримає на A, жоден не звільняється. Класика: Timer з self в замиканні без [weak self]. Timer утримує замикання, замикання утримує self (ViewController), ViewController не звільняється при закритті. Instruments → Leaks або Memory Graph Debugger в Xcode — знаходить живі об'єкти, яких не повинно бути.

Що робити при витоках пам'яті?

На Android garbage collector керує пам'яттю, але витоки все одно трапляються. Activity або Fragment, що утримуються через статичне посилання, singleton, або Handler/Runnable після onDestroy — класика. LeakCanary — обов'язковий інструмент в debug-збірці. Додається однією залежністю debugImplementation "com.squareup.leakcanary:leakcanary-android" та автоматично детектує витоки з повним стектрейсом.

OutOfMemoryError найчастіше виникає через завантаження зображень. Bitmap в пам'яті займає ширина × висота × 4 байти. Зображення 4000×3000 px — 48 МБ в пам'яті, незалежно від розміру файлу на диску. Glide / Coil правильно обробляють це: завантажують з даунсемплінгом під розмір View, кешують в LRU-кеш. Завантажувати в ImageView через BitmapFactory.decodeFile — шлях до OOM на пристроях з 2 ГБ RAM. Використання Glide замість прямого декодування зменшує споживання пам'яті в 4 рази.

На Flutter Dart VM має свій GC, але нативні ресурси (зображення, текстури) не керуються Dart GC. Image.network кешує зображення в пам'яті без автоматичного звільнення при виході з дерева віджетів — при довгих списках з картинками використовуємо cached_network_image з правильним memCacheWidth/memCacheHeight.

FPS та UI Performance

60 FPS — 16.67 мс на кадр. 120 FPS (ProMotion) — 8.33 мс. Все що займає більше на main thread — джанк.

Типові причини просадок FPS:

На iOS: синхронне декодування зображень в cellForRowAt. Коли комірка таблиці з'являється, UIImage(contentsOfFile:) декодує JPEG/PNG на main thread — видно як загальмований скролл на довгих списках. Рішення: UIImage.preparingForDisplay() (iOS 15+) або ImageIO з kCGImageSourceCreateThumbnailWithTransform в background queue, результат через DispatchQueue.main.async.

На Android: RecyclerView.Adapter.onBindViewHolder з синхронними операціями. Бази даних, файлова система, синхронні мережеві запити на main thread — StrictMode.ThreadPolicy з detectAll().penaltyLog() в debug-збірці покаже всі порушення.

На Flutter: build() метод викликається часто, він має бути дешевим. setState() на верхньому віджеті перезбирає все дерево. const конструктори, RepaintBoundary, розбиття на дрібні віджети з локальним стейтом — основні інструменти. Flutter DevTools → Performance показує janky frames (червоні) з причинами.

Профілювання Compose: Recomposition Highlighter та трасування через Trace.beginSection в @Composable. remember для дорогих обчислень, derivedStateOf для computed values, LazyColumn замість Column + forEach для довгих списків.

Батарея: Wake locks, WorkManager, мережеві запити

Додаток у топі по витраті батареї — користувач бачить це в налаштуваннях і видаляє. Android Battery Historian (з ADB bug report) показує детальний timeline: wake locks, wakeups, network activity, sensor usage.

Основні споживачі енергії:

• Постійний GPS (розбираємо в maps-geo)
• Polling мережі кожні N секунд за代push
• Утримання wake lock довше необхідного
• Excessive AlarmManager wakeups

WorkManager з Constraints — правильний спосіб планувати фонові задачі: setRequiredNetworkType, setRequiresBatteryNotLow, setRequiresCharging. ОС батчить задачі та виконує в зручний час.

На iOS BGTaskScheduler з BGProcessingTaskRequest (для важких задач при зарядці) та BGAppRefreshTaskRequest (для легких оновлень) — система вирішує коли виконувати, розробник тільки реєструє та реалізує логіку.

Батчинг мережевих запитів: замість 10 окремих запитів протягом хвилини — один батч запит. Менше радіо-активностей (LTE radio споживає багато при ініціалізації з'єднання), менше wakeups.

Інструменти профілювання

MetricKit на iOS — особливо цінний: реальні дані з пристроїв користувачів, а не симулятора. MXMetricManager отримує агреговані метрики раз на добу: MXAppLaunchMetric, MXHangDiagnostic, MXCPUExceptionDiagnostic. Діагностики по hang та CPU-exceptions містять стектрейс з реального пристрою — золото для діагностики production-проблем.

Типові проблеми та рішення

Процес оптимізації

Починаємо з вимірювання, не з припущень. Інструменти вище дають цифри: конкретний час cold start, конкретний об'єм пам'яті, конкретні кадри з просіданням. Потім — пріоритизація по impact: що найбільше впливає на користувацький досвід саме в цьому додатку.

Аудит продуктивності існуючого додатку: 3–5 робочих днів. Реалізація оптимізацій — від тижня до двох місяців залежно від запущеності проблем та архітектури коду.

Що входить в роботу

• Детальний аудит продуктивності з профілюванням на реальних пристроях
• Звіт з виявленими проблемами та рекомендаціями (PDF/Notion)
• Код-рев'ю вузьких місць з пропозиціями змін
• Реалізація оптимізацій (cold start, пам'ять, UI, батарея)
• Повторне тестування для підтвердження покращень
• Документація змін та рекомендації щодо подальшої підтримки

Ми оптимізували 50+ мобільних застосунків, серед яких фінансові та соціальні мережі з аудиторією понад 10 млн користувачів. Гарантуємо зменшення часу запуску на 30–60% та підвищення FPS до стабільних 60.

Зв'яжіться з нами для безкоштовної оцінки вашого проекту — пропишемо точний план та терміни. Замовте аудит продуктивності сьогодні та отримайте перші результати вже через 3 дні.