5万条鱼同屏结群Unity DOTS ECS 下的 Boids 群游模拟完整指南【免费下载链接】EntityComponentSystemSamples项目地址: https://gitcode.com/GitHub_Trending/en/EntityComponentSystemSamples本文带你拆解开源项目 EntityComponentSystemSamples 中的 Boids 示例基于 Unity DOTS数据导向技术栈的 ECS 架构让 5 万条鱼在同一场景里结群游动、躲避鲨鱼。它解决的核心问题是——用传统 GameObject 写不动的大规模群体行为模拟你几乎不用写多少代码。核心亮点这个 Boids 示例值得读的地方 5 万实体同屏示例场景直接实例化两群各 25,000 条鱼见场景文件中的BoidSchool配置还有鲨鱼作为障碍物三段 Job 流水线空间哈希 → 单元格聚合 → 转向计算每一步都是可并行的 JobO(n²) 降到约 O(n)邻居搜索从两两比对压缩成只和同格子里的鱼比Burst 编译加速核心 Job 全部挂[BurstCompile]由编译器自动向量化行为参数化分离、对齐、追目标三个权重都是Boid组件字段改数字就能换行为风格工作原理Boids 群游的三段式 Job 流水线先建立直觉每条鱼其实很自私它只关心三类信息——旁边的鱼往哪游对齐、离我是不是太挤了分离、目标/鲨鱼在哪追躲。Boids 算法1986 年提出的群体行为模拟算法就是靠这三条简单规则涌现出整群鱼协同转向的效果。难点不在规则本身而在规模5 万条鱼如果两两比对每帧就是 25 亿次距离计算。这个示例的解法是把空间切格子整条流水线分三步┌─────────────────────┐ ┌─────────────────────┐ ┌─────────────────────┐ │ InitialPerBoidJob │ → │ MergeCells │ → │ SteerBoidJob │ │ 每条鱼按坐标量化 │ │ 把同格子的鱼聚合 │ │ 对齐分离追目标 │ │ 哈希进对应单元格 │ │ 求平均朝向、中心点 │ │ 鲨鱼规避 → 新姿态 │ └─────────────────────┘ └─────────────────────┘ └─────────────────────┘ 并行执行 并行执行 并行执行空间哈希划分把每条鱼的位置除以单元格半径CellRadius取整得到格子坐标再哈希进NativeParallelMultiHashMap。位置相近的鱼自动落进同一个桶单元格聚合MergeCells遍历哈希表把同格鱼的朝向累加、位置累加、计数。这样每条鱼感知邻居时读的是一个格子的聚合值而不是挨个问转向计算SteerBoidJob对每条鱼应用三大规则叠加鲨鱼规避方向算出新朝向并前移一步还有一个容易被忽略的细节Boid是ISharedComponentData共享组件存一组公共参数的组件类型。系统会按参数把鱼分成不同变体相同参数的鱼互相交互、分批处理天然适配缓存友好型计算。关键代码走读Boids 空间哈希与转向规则核心逻辑都在 BoidSystem.cs下面两段是精华。第 1 段把每条鱼扔进正确的格子空间哈希的全部魔法就两行在InitialPerBoidJob里// 位置量化成整数格子坐标再哈希进桶——相近的鱼落进同一个 key var hash (int)math.hash( new int3(math.floor(localToWorld.Position * InverseBoidCellRadius))); ParallelHashMap.Add(hash, entityIndexInQuery);为什么要乘InverseBoidCellRadius1/CellRadius这样两个鱼只要间距小于单元格半径坐标量化后几乎必然同桶。格子大小决定了邻居的定义也是后面调优行为时的第一个抓手。第 2 段三大规则各一行权重即性格SteerBoidJob里每条鱼每帧的计算核心是三条规则各算一个转向向量// 对齐向格子内平均朝向靠拢alignment 是格子内朝向之和需除以数量 var alignmentResult b.AlignmentWeight * math.normalizesafe((alignment / neighborCount) - forward); // 分离离开格子中心越挤推力越大 var separationResult b.SeparationWeight * math.normalizesafe((currentPosition * neighborCount) - separation); // 追目标朝向最近的红色目标鱼 var targetHeading b.TargetWeight * math.normalizesafe(nearestTargetPosition - currentPosition);为什么用normalizesafe而不是normalize因为当两条向量平行差值为零时normalize会产生 NaN而normalizesafe会安全返回零向量——这种防御式写法在大规模并行计算里能省掉一整类线上 bug。最后还有两行鲨鱼规避本质是一个条件开关// 离鲨鱼小于 ObstacleAversionDistance 时用逃离方向顶替正常航向 var targetForward math.select(normalHeading, avoidObstacleHeading, nearestObstacleDistanceFromRadius 0);性能与效果从 25 亿次比对到同格比较 ⚡不堆玄学指标直接看这个示例做对了什么维度传统 OOP 两两比对本示例空间哈希 Job每帧邻居搜索规模O(n²)5 万鱼 ≈ 25 亿对约 O(n)只比对同格子的鱼执行方式单线程 for 循环ScheduleParallel自动切分到多个线程编译普通 IL/C#[BurstCompile]向量化 指令重排数据布局对象指针散落堆上组件按 Archetype 连续存储缓存命中率高效果上场景里有两条红色目标鱼和一条鲨鱼它们按关键帧动画游动两群鱼各 25,000 条会整体结群跟随、互相让位并主动绕开鲨鱼。场景采用 Subscene子场景组织——Environment.unity 放海底环境Simulation.unity 放模拟实体职责分离。上手路径三步打开 5 万鱼 Boids 场景克隆仓库git clone https://gitcode.com/GitHub_Trending/en/EntityComponentSystemSamples用 Unity Hub 打开项目选择EntitiesSamples目录项目基于 Unity 6.2 及 Entities 1.4 系列包打开场景并运行加载EntitiesSamples/Assets/Boids/Boids.unity进 Play 模式即可看到鱼群游动、躲避鲨鱼想看代码从哪开始按这个顺序读BoidSchoolSpawnSystem.cs鱼群实例化→ BoidSystem.cs核心模拟→ BoidAuthoring.cs参数定义。进阶调优Boids 参数表与扩展方向所有行为参数集中在Boid共享组件中默认值来自 BoidAuthoring.cs参数默认值作用调优方向CellRadius8.0空间哈希格子半径定义邻居范围调大→更抱团但邻居更多调小→更分散SeparationWeight1.0分离强度调大→鱼群松散不碰撞AlignmentWeight1.0对齐强度调大→整群转向更整齐TargetWeight2.0追逐目标鱼的权重调大→紧跟红色目标ObstacleAversionDistance30.0触发鲨鱼规避的距离调大→鱼群更早绕开鲨鱼MoveSpeed25.0每条鱼每帧移动距离与DeltaTime相乘得出位移场景侧还有鱼群规模参数BoidSchool组件见 BoidSchoolAuthoring.cs的Count和InitialRadius控制每群鱼的数量与初始散布半径改它们就能验证不同规模下的表现。可扩展的方向物种差异化利用现成的 SharedComponent 变体机制造出快鱼/慢鱼/大胆鱼等不同性格的鱼群状态机为鱼增加觅食/迁徙/逃逸等行为状态替代纯权重驱动捕食者逻辑目前鲨鱼按动画游动可换成追逐鱼群密度最高单元格的动态 AI写在最后Boids 示例证明了 ECS 的核心价值数据连续存储 Job 并行 Burst 编译让5 万实体群体模拟从炫技变成一份可以直接读、直接改的参考实现。Boids 示例说明EntitiesSamples/Assets/Boids/README.md更多 Entities 概念文档EntitiesSamples/Docs/【免费下载链接】EntityComponentSystemSamples项目地址: https://gitcode.com/GitHub_Trending/en/EntityComponentSystemSamples创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
5万条鱼同屏结群：Unity DOTS ECS 下的 Boids 群游模拟完整指南
5万条鱼同屏结群Unity DOTS ECS 下的 Boids 群游模拟完整指南【免费下载链接】EntityComponentSystemSamples项目地址: https://gitcode.com/GitHub_Trending/en/EntityComponentSystemSamples本文带你拆解开源项目 EntityComponentSystemSamples 中的 Boids 示例基于 Unity DOTS数据导向技术栈的 ECS 架构让 5 万条鱼在同一场景里结群游动、躲避鲨鱼。它解决的核心问题是——用传统 GameObject 写不动的大规模群体行为模拟你几乎不用写多少代码。核心亮点这个 Boids 示例值得读的地方 5 万实体同屏示例场景直接实例化两群各 25,000 条鱼见场景文件中的BoidSchool配置还有鲨鱼作为障碍物三段 Job 流水线空间哈希 → 单元格聚合 → 转向计算每一步都是可并行的 JobO(n²) 降到约 O(n)邻居搜索从两两比对压缩成只和同格子里的鱼比Burst 编译加速核心 Job 全部挂[BurstCompile]由编译器自动向量化行为参数化分离、对齐、追目标三个权重都是Boid组件字段改数字就能换行为风格工作原理Boids 群游的三段式 Job 流水线先建立直觉每条鱼其实很自私它只关心三类信息——旁边的鱼往哪游对齐、离我是不是太挤了分离、目标/鲨鱼在哪追躲。Boids 算法1986 年提出的群体行为模拟算法就是靠这三条简单规则涌现出整群鱼协同转向的效果。难点不在规则本身而在规模5 万条鱼如果两两比对每帧就是 25 亿次距离计算。这个示例的解法是把空间切格子整条流水线分三步┌─────────────────────┐ ┌─────────────────────┐ ┌─────────────────────┐ │ InitialPerBoidJob │ → │ MergeCells │ → │ SteerBoidJob │ │ 每条鱼按坐标量化 │ │ 把同格子的鱼聚合 │ │ 对齐分离追目标 │ │ 哈希进对应单元格 │ │ 求平均朝向、中心点 │ │ 鲨鱼规避 → 新姿态 │ └─────────────────────┘ └─────────────────────┘ └─────────────────────┘ 并行执行 并行执行 并行执行空间哈希划分把每条鱼的位置除以单元格半径CellRadius取整得到格子坐标再哈希进NativeParallelMultiHashMap。位置相近的鱼自动落进同一个桶单元格聚合MergeCells遍历哈希表把同格鱼的朝向累加、位置累加、计数。这样每条鱼感知邻居时读的是一个格子的聚合值而不是挨个问转向计算SteerBoidJob对每条鱼应用三大规则叠加鲨鱼规避方向算出新朝向并前移一步还有一个容易被忽略的细节Boid是ISharedComponentData共享组件存一组公共参数的组件类型。系统会按参数把鱼分成不同变体相同参数的鱼互相交互、分批处理天然适配缓存友好型计算。关键代码走读Boids 空间哈希与转向规则核心逻辑都在 BoidSystem.cs下面两段是精华。第 1 段把每条鱼扔进正确的格子空间哈希的全部魔法就两行在InitialPerBoidJob里// 位置量化成整数格子坐标再哈希进桶——相近的鱼落进同一个 key var hash (int)math.hash( new int3(math.floor(localToWorld.Position * InverseBoidCellRadius))); ParallelHashMap.Add(hash, entityIndexInQuery);为什么要乘InverseBoidCellRadius1/CellRadius这样两个鱼只要间距小于单元格半径坐标量化后几乎必然同桶。格子大小决定了邻居的定义也是后面调优行为时的第一个抓手。第 2 段三大规则各一行权重即性格SteerBoidJob里每条鱼每帧的计算核心是三条规则各算一个转向向量// 对齐向格子内平均朝向靠拢alignment 是格子内朝向之和需除以数量 var alignmentResult b.AlignmentWeight * math.normalizesafe((alignment / neighborCount) - forward); // 分离离开格子中心越挤推力越大 var separationResult b.SeparationWeight * math.normalizesafe((currentPosition * neighborCount) - separation); // 追目标朝向最近的红色目标鱼 var targetHeading b.TargetWeight * math.normalizesafe(nearestTargetPosition - currentPosition);为什么用normalizesafe而不是normalize因为当两条向量平行差值为零时normalize会产生 NaN而normalizesafe会安全返回零向量——这种防御式写法在大规模并行计算里能省掉一整类线上 bug。最后还有两行鲨鱼规避本质是一个条件开关// 离鲨鱼小于 ObstacleAversionDistance 时用逃离方向顶替正常航向 var targetForward math.select(normalHeading, avoidObstacleHeading, nearestObstacleDistanceFromRadius 0);性能与效果从 25 亿次比对到同格比较 ⚡不堆玄学指标直接看这个示例做对了什么维度传统 OOP 两两比对本示例空间哈希 Job每帧邻居搜索规模O(n²)5 万鱼 ≈ 25 亿对约 O(n)只比对同格子的鱼执行方式单线程 for 循环ScheduleParallel自动切分到多个线程编译普通 IL/C#[BurstCompile]向量化 指令重排数据布局对象指针散落堆上组件按 Archetype 连续存储缓存命中率高效果上场景里有两条红色目标鱼和一条鲨鱼它们按关键帧动画游动两群鱼各 25,000 条会整体结群跟随、互相让位并主动绕开鲨鱼。场景采用 Subscene子场景组织——Environment.unity 放海底环境Simulation.unity 放模拟实体职责分离。上手路径三步打开 5 万鱼 Boids 场景克隆仓库git clone https://gitcode.com/GitHub_Trending/en/EntityComponentSystemSamples用 Unity Hub 打开项目选择EntitiesSamples目录项目基于 Unity 6.2 及 Entities 1.4 系列包打开场景并运行加载EntitiesSamples/Assets/Boids/Boids.unity进 Play 模式即可看到鱼群游动、躲避鲨鱼想看代码从哪开始按这个顺序读BoidSchoolSpawnSystem.cs鱼群实例化→ BoidSystem.cs核心模拟→ BoidAuthoring.cs参数定义。进阶调优Boids 参数表与扩展方向所有行为参数集中在Boid共享组件中默认值来自 BoidAuthoring.cs参数默认值作用调优方向CellRadius8.0空间哈希格子半径定义邻居范围调大→更抱团但邻居更多调小→更分散SeparationWeight1.0分离强度调大→鱼群松散不碰撞AlignmentWeight1.0对齐强度调大→整群转向更整齐TargetWeight2.0追逐目标鱼的权重调大→紧跟红色目标ObstacleAversionDistance30.0触发鲨鱼规避的距离调大→鱼群更早绕开鲨鱼MoveSpeed25.0每条鱼每帧移动距离与DeltaTime相乘得出位移场景侧还有鱼群规模参数BoidSchool组件见 BoidSchoolAuthoring.cs的Count和InitialRadius控制每群鱼的数量与初始散布半径改它们就能验证不同规模下的表现。可扩展的方向物种差异化利用现成的 SharedComponent 变体机制造出快鱼/慢鱼/大胆鱼等不同性格的鱼群状态机为鱼增加觅食/迁徙/逃逸等行为状态替代纯权重驱动捕食者逻辑目前鲨鱼按动画游动可换成追逐鱼群密度最高单元格的动态 AI写在最后Boids 示例证明了 ECS 的核心价值数据连续存储 Job 并行 Burst 编译让5 万实体群体模拟从炫技变成一份可以直接读、直接改的参考实现。Boids 示例说明EntitiesSamples/Assets/Boids/README.md更多 Entities 概念文档EntitiesSamples/Docs/【免费下载链接】EntityComponentSystemSamples项目地址: https://gitcode.com/GitHub_Trending/en/EntityComponentSystemSamples创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
代码包深度解析与实践指南)
