Godot 物理查询预算治理：射线、区域和形状检测都要排队

问题从哪里冒出来

物理查询很方便，但每个系统都随手查一次，最后会变成隐形帧耗。这类问题通常不会在项目第一周暴露，因为早期内容少、设备少、链路短，大家靠经验补几个判断就能跑。等到包体、活动、多人、移动端适配和性能预算一起上来，它就会从一个小 Bug 变成团队协作问题。

战斗场景偶尔掉帧，Profiler 里脚本耗时分散在很多小函数：技能找目标查一次，脚步找地表查一次，AI 看视野查一次，拾取物吸附查一次。单个查询都不贵，加起来就成了尖峰。

所以这篇文章不把Godot 物理查询预算治理当作一个临时修补，而是当成客户端系统来拆。系统化不是为了写更多代码，而是为了让状态能解释、问题能复现、配置能审计、上线后能观察。Godot 的节点树、Resource、autoload 和导出管线都能支持这种拆法，关键是不要把所有判断散落在页面脚本里。

边界先写清楚

推荐拆成这些角色：PhysicsQueryBroker, QueryBudgetTable, PriorityQueue, ResultCache, DebugHeatmap, CombatHitVerifier。名字可以按项目习惯调整，但职责不要混。采样模块只负责拿事实，策略模块只负责做决定，表现模块只负责告诉玩家，调试模块只负责记录证据。

很多客户端问题会越修越乱，是因为一个脚本既读平台状态，又改 UI，又发网络请求，还顺手写本地缓存。这样的代码短期方便，长期无法回答“这个结果是谁决定的”。把边界拆开后，即使第一版实现很朴素，也能给后续自动化和 QA 留出口。

我会先把以下规则写进设计说明：

• 所有非紧急物理查询走 broker，方便统计和限流。
• 战斗命中、角色落地这类关键查询优先，装饰性查询可以延后。
• 相同区域和相同 layer 的查询可以短时间复用结果。
• 调试热力图要能显示哪个系统在一帧里查得最多。

流程图

复杂逻辑最好先画成数据流。下面这张图不是给评审看的装饰，而是后面写日志、做面板和 QA 用例的骨架。

flowchart TD
    N0["System Request"] --> N1["Query Broker"]
    N1["Query Broker"] --> N2["Priority Queue"]
    N2["Priority Queue"] --> N3["Physics Server"]
    N3["Physics Server"] --> N4["Result Cache"]
    N4["Result Cache"] --> N5["Debug Heatmap"]

图中每个节点都应该能输出当前状态和失败原因。只要某个节点只能通过肉眼观察页面来判断是否工作，就说明它还没有进入可维护状态。真正上线后，玩家截图、客服反馈、埋点和本地复现需要能指向同一条链路。

数据模型

核心字段建议至少包含：query_id, query_type, owner_system, priority, max_age_ms, shape_size, layer_mask, cost_us。这些字段不一定全部进正式埋点，但开发包、QA 截图和故障复盘需要看得到。字段的价值不在于多，而在于能把“为什么这样表现”说清楚。

字段要避免万能的 enabled、valid、state。比如 state 如果只有 0、1、2，三个月后没人敢改；如果拆成 reason、owner、revision、source，就能知道是平台限制、配置策略、玩家操作还是旧回调导致。对于可能进入存档、缓存或远程配置的字段，还要记录版本，避免升级时旧数据按新语义运行。

在 Godot 里，配置类字段可以放进 Resource，运行时状态放进 autoload service，页面只订阅归一化后的信号。这样切场景时不丢状态，页面重建时不重复请求，测试时也能直接替换配置资源。

实现骨架

下面的 GDScript 片段只保留关键动作：拿事实、做判断、记录原因。真实项目里还要补错误码、request_id 和 revision。

func enqueue_query(request: PhysicsQueryRequest) -> void:
    request.frame = Engine.get_physics_frames()
    request.owner = request.owner if request.owner else "unknown"
    query_queue.push(request.priority, request)

不要让表现层直接推断策略。比如按钮灰掉时，页面不应该自己猜是权限问题、资源问题还是网络问题；它应该读取已经归一化的 reason。这样一来，UI 文案、日志、埋点和 QA 预期都能用同一套原因。

真实事故通常长什么样

最典型的隐患是每个角色的视野检测都用多条 raycast，并且在同一帧触发。看起来 AI 更聪明了，实际低端机被查询打穿。另一个问题是 Area 进入退出信号太多，业务脚本在回调里又追加查询，形成级联。

事故复盘时，我会强制写三句话：玩家看到什么、系统实际处于什么状态、代码为什么没把这个状态表达出来。如果第三句写不清楚，说明我们只是修了现象，没有修模型。下一次内容量、设备条件或网络条件一变，同类问题还会回来。

还要警惕“局部正确”。一个模块的日志显示成功，不代表玩家体验成功。下载成功后安装可能失败；输入触发后动画可能没播；资源存在但依赖可能缺；路径算出来但角色可能没有预算执行。客户端系统要看的是整条链路，而不是某个函数返回 true。

落地步骤

可以按这个顺序落地：

• 把 ray、shape、area overlap 封装成统一请求结构，记录 owner_system。
• 每帧按预算处理队列，超预算的低优先级请求延迟到下一帧。
• 对脚步地表、拾取吸附、目标可见性建立短 TTL 缓存。
• 开发包提供查询热力图和系统排行榜，定位滥用者。

第一版先做最小闭环：一个入口、一个策略、一个调试面板、三五个 QA 用例。不要一开始就覆盖所有平台和所有玩法。最小闭环跑通后，再扩设备、扩内容、扩自动化。基础系统最怕“铺得很宽但没有观测”，那样出问题时没有任何抓手。

第二版补编辑器或导出前检查。只要问题和资源、配置、标签、平台差异有关，就尽量在提交或打包前发现。运行时兜底很重要，但运行时才发现通常已经影响玩家。

第三版再做体验细节：文案、动效、提示时机、玩家确认、客服查询。体验层建立在状态可靠之上，否则越美化越容易掩盖真实问题。

性能与资源预算

这类系统即使看起来不是性能功能，也要有预算。预算包括每帧处理次数、缓存大小、日志采样率、重试间隔、状态切换频率、导出检查耗时。预算不是为了束缚实现，而是为了在内容扩张时知道什么时候该停。

低端设备上要优先保留玩家理解状态所需的信息，再削减装饰和高频刷新。不要为了省一点性能隐藏错误原因，也不要为了表现顺滑让主线程等待网络、磁盘或资源。Godot 项目里尤其要小心同步加载、节点批量重建、信号重复连接和每帧轮询，它们很容易在内容量上来后变成尖峰。

上线后建议观察：physics_query_count_per_frame, query_budget_overflow, query_cache_hit_rate, top_owner_cost_us, delayed_query_count。这些指标能让团队知道问题是普遍体验、特定设备、特定内容还是某次配置变更引入的。

调试工具

开发包至少要有一个可截图的调试面板，显示当前策略、关键字段、最近状态变化、错误原因、owner 和耗时。面板不需要漂亮，但必须准确。QA 截图后，程序应该能直接定位到链路里的节点，而不是继续问“你刚才点了几下”。

如果系统涉及资源或导出，还要有离线报告；如果涉及输入和性能，还要有时间线或热力图；如果涉及移动端状态，还要显示平台返回值和客户端归一化结果。调试工具的价值在于减少猜测，而不是增加一个只有作者会看的窗口。

正式包里不要暴露内部面板。可以保留低频匿名指标和错误码，但不要把资源路径、设备细节、内部策略名直接展示给玩家。开发、内测、正式三个渠道的可观测能力要分级。

QA 清单

这批用例不能省：

• 怪物密集战、掉落物密集、复杂地形和技能连发都要测。
• 关闭缓存和开启缓存各跑一次，确认结果差异不影响玩法。
• 检查延迟查询不会让命中判定、掉落拾取和交互提示出现明显错位。

QA 描述要包含前置状态、操作步骤和预期原因，而不是只写“功能正常”。例如“空间不足时应显示差额，并允许清理可重下缓存”，比“下载失败提示正常”有用得多。好的用例能倒逼系统给出可解释状态。

每次修复线上或内测问题，都把最小复现样本加入回归库。等到下次改相关模块时，先跑样本库再合入。长期看，样本库比口头经验可靠。

上线与回滚

上线前要写清楚哪些配置能远程关闭，哪些资源能回滚，哪些状态需要玩家重进，哪些数据一旦写入就不能撤。灰度不是把全量发布变慢，而是给团队发现问题和撤回问题的空间。

回滚时也要考虑玩家感知。不要让玩家因为技术回退失去草稿、存档、奖励、下载进度或当前队伍。客户端做不到解决所有问题，但至少要避免展示错误承诺：比如告诉玩家“已完成”，实际上后台还在等待校验。

如果这套系统上线后没有指标、没有错误码、没有客服可查信息，那么它只是换了写法，并没有真正变可靠。把可观察性放进设计里，后续批量内容才不会越写越难维护。

最小验收标准

我会用六条标准验收：状态能解释主要表现；失败原因能展示和记录；切场景、切后台、弱网、旧回调不会破坏状态；低端设备有预算；QA 有样本；发布后有指标。六条都满足，才值得继续扩玩法和内容。

做到这里，后续优化就会变得很具体：哪个字段不够、哪个阈值太紧、哪个页面没有订阅、哪个资源引用不该存在。具体问题才能被具体解决，客户端工程也会少很多反复猜测。

哪些查询可以延迟

不是所有物理查询都同等重要。角色落地、近战命中、交互确认通常不能延迟；脚步材质、装饰性视线、远处拾取物吸附可以延迟或缓存。把查询分类后，预算治理才不会伤到手感。Godot 的 PhysicsDirectSpaceState 很方便，但方便也意味着容易被滥用。任何循环里的 intersect_ray、intersect_shape 都值得看一眼 owner 和频率。

调试热力图最好支持按 layer 和 owner 展开。很多时候问题不是查询次数多，而是 layer mask 过宽，把完全不相关的碰撞体都查进来了。把 layer 缩小，比复杂缓存更直接。查询预算不是为了把物理系统写得很高级，而是让每个调用者知道自己花了多少成本。

上线后的排查手册

物理查询治理上线后，要定期看 owner 排行榜。某个系统如果长期占用大部分查询预算，就应该回到设计层面讨论，而不是只在代码里优化一次。比如 AI 视野、拾取吸附、脚步地表、技能预判都可能合理使用查询，但它们不能同时认为自己无限重要。

最后还要给团队留一个固定的问题模板：当前玩家处在哪个场景，系统策略来自哪个来源，最近一次状态切换是什么，是否存在旧请求或旧资源，是否命中降级，是否有可恢复路径。每次事故都按这几个问题收集信息，复盘会快很多。久而久之，这套模板会反过来约束代码，让每个模块都愿意输出清楚的状态，而不是只在控制台打一行临时日志。

如果项目已经有很多散落查询，迁移时不要一次全改。先把最重的三个 owner 接入 broker，再把调试统计打开，等团队看到收益后再推广。强行一次性改完所有查询，风险很高，也很难判断是哪一处改变引入了行为差异。

这类预算一旦可视化，团队会更愿意主动减少无意义查询。