如何用CIAnalytics与Core Video性能计数器定位macOS Core Image滤镜链的性能瓶颈？

给视频预览或导出管线叠加高斯模糊、颜色控制、锐化与风格化滤镜时，经常出现帧率断崖式下降。表面上是单个滤镜太慢，实际上 Core Image 会在滤镜链的每个节点生成中间纹理，这些中间结果若与 Core Video 的像素缓冲频繁互拷，就会带来隐藏的同步与带宽开销。要找到真正的瓶颈，单靠感觉或替换 GPU 并不够，需要把 CIAnalytics 的逐节点耗时和 Core Video 的帧时序计数器结合起来看。

一、先让滤镜链暴露执行数据

CIAnalytics 是一个通过环境变量或诊断键开启的统计通道，它能在 Core Image 内核执行前后记录耗时。虽然不是每个系统都公开同名头文件，但在调试阶段用 setenv 打开后，大量滤镜节点的时间会输出到统一日志。配合 .cacheIntermediates: false，可以强制禁用中间纹理缓存，观察到最坏情况下的拷贝成本。注意生产环境应恢复缓存，避免误判。

构建滤镜链时，输入图像最好来自 CIImage 的懒加载而不是提前解码的位图；输出则直接渲染到 Core Video 管理的 CVPixelBuffer。下面代码创建一个三层滤镜链并把结果写入 32BGRA 像素缓冲。

import CoreImage
import CoreVideo
import Darwin

let context = CIContext(options: [.cacheIntermediates: false])
setenv("CI_ANALYTICS", "1", 1)

let url = URL(fileURLWithPath: "/tmp/input.jpg")
let input = CIImage(contentsOf: url)!

let blur = CIFilter(name: "CIGaussianBlur", parameters: [
    kCIInputImageKey: input,
    kCIInputRadiusKey: 8.0
])!.outputImage!

let color = CIFilter(name: "CIColorControls", parameters: [
    kCIInputImageKey: blur,
    kCIInputSaturationKey: 1.2
])!.outputImage!

let edges = CIFilter(name: "CIEdges", parameters: [
    kCIInputImageKey: color,
    kCIInputIntensityKey: 1.5
])!.outputImage!

var pixelBuffer: CVPixelBuffer?
CVPixelBufferCreate(kCFAllocatorDefault, 1920, 1080,
                    kCVPixelFormatType_32BGRA, nil, &pixelBuffer)
context.render(edges, to: pixelBuffer!)

运行后查看日志中每个滤镜节点的内核耗时。如果高斯模糊占用超过 60% 的总帧时间，说明瓶颈是卷积采样；如果节点耗时都不高但渲染调用本身很长，就要怀疑像素缓冲格式转换或颜色空间转换。这正是下一步要用 Core Video 计数器验证的部分。

二、用 Core Video 性能计数器采集帧时序

CVDisplayLink 的回调在每次屏幕刷新前触发，回调参数 outputTime 包含视频时间戳，两次回调差就是实际帧间隔。连续帧间隔一旦超过 16.7 毫秒，就表明显示链路发生了卡顿。下面代码展示如何记录这些间隔。

var displayLink: CVDisplayLink?
CVDisplayLinkCreateWithActiveCGDisplays(&displayLink)

var lastFrameTime: Double = 0
var jankCount: UInt = 0

let callback: CVDisplayLinkOutputCallback = { _, _, _, outputTime, _, _ in
    let frameTime = Double(outputTime.pointee.videoTime) / Double(outputTime.pointee.videoTimeScale)
    let delta = frameTime - lastFrameTime
    lastFrameTime = frameTime
    if delta > 0.020 {
        jankCount += 1
    }
    return kCVReturnSuccess
}

CVDisplayLinkSetOutputCallback(displayLink!, callback, nil)
CVDisplayLinkStart(displayLink!)

同时还要统计像素缓冲的创建与复用。Core Video 的 CVPixelBufferPool 负责管理和复用像素缓冲。若没有用池，每次渲染都调用 CVPixelBufferCreate 分配新缓冲，会触发高昂的 IOSurface 分配和内存清零。代码可以这样建立池并从中取缓冲。

let attrs = [kCVPixelBufferIOSurfacePropertiesKey: [:] as CFDictionary] as CFDictionary
let pixelAttrs = [
    kCVPixelBufferWidthKey: 1920,
    kCVPixelBufferHeightKey: 1080,
    kCVPixelBufferPixelFormatTypeKey: kCVPixelFormatType_32BGRA
] as CFDictionary

var pool: CVPixelBufferPool?
CVPixelBufferPoolCreate(kCFAllocatorDefault, attrs, pixelAttrs, &pool)

var outBuffer: CVPixelBuffer?
CVPixelBufferPoolCreatePixelBuffer(kCFAllocatorDefault, pool!, &outBuffer)

把 jankCount 与缓冲池的复用次数放在一起看：如果帧间隔抖动大但缓冲复用率很高，说明 GPU 内核执行不稳定；如果复用率低，系统在不停地创建和销毁 IOSurface，内存带宽与分配器竞争会把所有滤镜都拖慢。

三、定位瓶颈与优化方向

CIAnalytics 的耗时和 Core Video 计数器可以组合成三类典型瓶颈。第一类是内核计算密集，某个 CIKernel 的采样半径过大、输入分辨率过高，导致 GPU 着色器耗时线性上升。第二类是内存带宽受限，中间纹理数量多、位数高，每次滤镜切换都要读写完整帧。第三类是同步等待，比如在滤镜链中间调用 CIImage.CGImage 或强制 CPU 回读，使得 GPU 命令队列被中断。

针对第一类，优先对图像做预先降采样。4K 输入先降到 1080p 再做模糊和风格化，视觉差异通常远小于性能收益。下面是合并滤镜节点与降采样的代码示例。

let downsampled = input.transformed(by: CGAffineTransform(scaleX: 0.5, y: 0.5))
let combined = downsampled.applyingFilter("CIGaussianBlur", parameters: [
    kCIInputRadiusKey: 4.0
])
let finalImage = combined.applyingFilter("CIColorControls", parameters: [
    kCIInputSaturationKey: 1.1
])
context.render(finalImage, to: outBuffer!)

针对第二类，可以用 CIBloom、CIColorControls 等能够合并的滤镜替代多个串行节点，或者把中间结果限制在 YCbCr 色彩空间减少带宽。针对第三类，务必避免在渲染循环内做 CPU 回读，输出目标始终保持为像素缓冲或 IOSurface。

四、一次视频导出链路调优实例

以 4K 60fps 视频导出基线为例，初始链路包含高斯模糊、颜色控制、边缘检测和胶片颗粒四个节点。开启 CIAnalytics 后，日志显示高斯模糊节点耗时约 11.2ms，边缘检测 4.8ms，胶片颗粒 6.9ms，但渲染总耗时达到 41ms，远大于节点耗时之和。与此同时 Core Video 计数器显示每帧发生 3 次新的像素缓冲分配，帧间隔抖动最高 27ms。

优化时先调整输入分辨率，将 4K 帧降采样到 1920x1080 再进入滤镜链；接着把颜色控制合并进最终输出阶段，并使用 CVPixelBufferPool 复用输出缓冲。调整后，高斯模糊耗时降至 3.1ms，边缘检测 2.2ms，胶片颗粒 3.7ms，单帧总耗时降到 14.2ms，像素缓冲分配每帧为 0 次，帧间隔稳定在 16.6ms 左右。

这个案例说明性能瓶颈不一定出现在滤镜名称暗示的地方，而可能由中间缓冲管理和同步等待主导。用 CIAnalytics 快速锁定耗时节点，再用 Core Video 计数器确认缓冲复用与显示时序，就能避免盲目替换滤镜或升级硬件。即便 CIAnalytics 在部分系统上需要借助日志环境变量，仍然可以作为第一层排查工具；最终是否优化到位，则由 Core Video 的稳定帧间隔来验证。

Core Image性能分析CIAnalytics修改时间：2026-09-17 11:21:07