前言：上一文章里总结了怎么做好一个性能测试的流程，下面来细说一下在遇到性能问题时，怎么对某个现象进行正确的分析。首先肯定要根据现象来确定问题，比如现象是游戏帧率低，需要确定帧率低是由什么导致的；通过采集性能数据，可能和CPU，GPU，内存等有关；然后再针对具体问题具体分析。

分析性能问题要从数据入手，而数据是操作系统中产出的，操作系统又是基于硬件设备的，所以我们首先需要了解计算机硬件的模型，下图模型可以分为4类：

补充：CPU到GPU的数据流模型图

数据流的作用：

管道的粗细决定着单位时间内允许通过的数据量的大小，比如PC上进行CPU和其他硬件通信的总线的带宽很大，而USB和network传输的数据量就比较小，所以了解各个模块衔接的管道带宽对我们分析出性能瓶颈所在是非常重要的。 下面给出相应线路数据带宽：

数据处理能力主要是：

不同型号的硬件的处理能力不同，同一个硬件在不同环境的处理能力也可能不同，所以要衡量一个硬件的数据处理能力，要通过各项指标同步去分析和评估，单一的指标在当前环境中可能不能说明这个模块是否遇到了瓶颈，比如：帧数，帧耗时，CPU，GPU等；不同的环节所参照的指标也不同，每一个指标都有一个浮动区间，在区间范围内是正常，反之不正常。

比如：游戏发生渲染帧数下降，采集一份数据发现逻辑帧满帧，CPU利用率上升，GPU利用率下降；渲染帧数下降，逻辑帧数满帧说明和逻辑线程无关，重心应该关注渲染线程；GPU利用率下降说明和GPU关系不大，CPU利用率上升说明CPU要计算的东西变多了，这时就可以定位到该问题是CPU类的问题；

用到的指标：

下图为各个指标的性能因果分析总结：

找到可能造成性能热点的原因后，要对这些原因加以验证；在分析出可能是由多个原因导致性能热点的时候，我们要用控制变量法保持其余变量不变的基础上，验证当前变量触发后是否会产生性能热点。 如果条件允许，尽可能在验证之前先重现一下该问题。

在验证得到问题产生的原因后，还需要能向开发者提供出有效的解决方案，这里需要我们学习很多项目相关的逻辑代码和资源的处理过程，这可能会花费很多的时间去学习新的知识，但是这些学习会让我们在之后做类似的事情的时候对问题的分析和验证更有经验和底气。

优化很难一步到位，将一个性能热点解决可能会连锁产生其他的问题，这种时候我们需要做到耐心的面对问题，对问题不断的进行验证和优化，在验证中可能又会发现新的问题，而再次的验证可能会帮助我们找到更好的解决方法，帮助我们积累更多的经验。