企业官网建设流程全解析

用ECS重写Boids：DOTS鱼群模拟不卡顿

【免费下载链接】EntityComponentSystemSamples项目地址: https://gitcode.com/GitHub_Trending/en/EntityComponentSystemSamples

仓库里的Boids示例，基于Unity DOTS的ECS架构实现群体行为模拟，让你一次看几万条鱼游动而不掉帧。

为什么传统写法撑不住这么多鱼

先说结论：掉帧的元凶是邻域计算。Boids算法靠分离、对齐、凝聚三条规则驱动每条鱼，而"找邻居"这一步，暴力写法要拿每条鱼和全场每条鱼比距离。1000条鱼就是约50万次比较，1万条鱼直接飙到5000万次。每帧都干这件事，帧率自然就塌了。

传统OOP写法还有第二个隐患：每条鱼是一个独立对象，位置、朝向数据散落在内存各处，CPU缓存频繁失效。数量一上来，光"取数据"就很贵。

换个数据布局，计算量从O(n²)压到O(n)

这套方案的思路：与其让每条鱼遍历全场，不如先按位置分格。把3D空间切成正方体网格，每条鱼只和自己格子里的鱼交互——类似把城市划分快递片区，你只和同片区的人打交道，不用挨家挨户敲门。实现落在BoidSystem.cs里，核心是空间哈希网格：

var hash = (int)math.hash( new int3(math.floor(localToWorld.Position * InverseBoidCellRadius))); ParallelHashMap.Add(hash, entityIndexInQuery);

位置除以CellRadius向下取整，就是该鱼所属格子的编号。同格鱼被累加进共享数组，得到平均朝向和平均位置，后续每条鱼只查自己那一格的聚合结果。这一步把邻居查询从O(n²)压到接近O(n)。

另外两块拼图：ECS（Entity Component System）把每条鱼的位置、朝向、参数拆成组件，同类数据连续排布，CPU读起来几乎不缓存未命中；Burst编译器加持的Job System再把每条鱼的转向计算分摊到多个CPU核心并行跑，这就是Unity DOTS教程反复强调的"数据面向"三板斧。

四步跑起来

1. 克隆仓库：git clone https://gitcode.com/GitHub_Trending/en/EntityComponentSystemSamples
2. 用Unity Hub打开EntitiesSamples项目并等待包导入完成
3. 打开EntitiesSamples/Assets/Boids/Boids.unity场景
4. 点击Play，几群鱼追着两条红色目标鱼游动，遇到鲨鱼会自动散开避让

场景里的鱼群参数可以在BoidAuthoring组件的Inspector上直接改，BoidAuthoring.cs是参数入口，BoidSchoolSpawnSystem.cs负责批量生成鱼群实体。

调参手感速查

调参经验：先把AlignmentWeight和SeparationWeight调到1左右拿到自然结群效果，再动TargetWeight观察追逐行为；CellRadius不建议一次调太大，否则同格鱼过多，"省下的计算"又还了回去。

能拿它做什么

这套框架换个皮就是通用群体模拟：足球游戏里球员随球权跑位、策略游戏里军队集群机动、人群疏散演练里的数百个智能体。核心逻辑都在BoidSystem.cs和BoidAuthoring.cs里，读完约400行代码，这套空间哈希加并行Job的Boids性能优化方案就完整装进脑子了。完整源码见仓库GitHub_Trending/en/EntityComponentSystemSamples。

【免费下载链接】EntityComponentSystemSamples项目地址: https://gitcode.com/GitHub_Trending/en/EntityComponentSystemSamples