先给结论
BDS 的 server.properties 中包含线程相关设置(例如 max-threads),具体含义、默认值与可调范围应以当前版本文件说明为准。它不是越大越快的通用优化项,而是与主机核数、玩家数量、世界规模、区块加载与磁盘性能共同作用的参数。正确做法是先建立基线、确认瓶颈类型,再单项调整并复测,避免与其他性能参数同时改动。
一、先确认瓶颈是不是线程
服务端卡顿可能来自主逻辑计算、区块加载、磁盘写入、网络同步或脚本逻辑。
如果瓶颈在单线程主逻辑或磁盘 IO,单纯增加线程不会有明显收益。
只有确认区块加载或相关并行任务成为瓶颈时,线程参数才更值得调整。
使用性能分析方法或分段关闭功能对比,能帮助确认瓶颈层级。
先定位再调参,是这类参数最重要的使用原则。
二、理解参数与硬件的关系
线程数量上限应与可用 CPU 核心数量匹配,远超核数的线程只会增加调度开销。
共享型云主机实际可用性能可能低于标称核数,设置前应观察真实负载。
同一台机器运行多个服务端实例时,线程总量要考虑整体资源分配。
磁盘性能较弱的机器,即使增加线程也可能被 IO 等待拖住。
把核数、实例数量、磁盘类型和内存一起记录,调参才有意义。
三、建立可比基线
固定人数、固定区域、固定玩法动作,记录帧率、CPU 占用、内存与磁盘写入。
在高峰时段和低峰时段分别测试,避免只看平均值。
记录玩家主观体感,例如进入区域的时间、传送后的加载延迟和战斗时的操作反馈。
基线应当保留成表格,后续每次调整都按同样条件复测。
没有基线的调整只能得到『感觉好像好一点』的结论。
四、单项调整与复测
每次只改一个参数,重启后按基线条件复测。
如果指标没有改善,立即回退,不要留下无效改动堆叠。
改善但幅度有限时,考虑是否还有更根本的原因,例如世界规模或实体数量。
对大范围生成、活动聚集等高负载场景单独测试,避免只在日常场景验证。
把结果写入配置说明,记录为什么选择这个值。
五、常见误配代价
线程过高时 CPU 上下文切换增加,可能出现负载升高但吞吐下降。
线程过低会让区块加载与部分任务排队,表现为探索卡顿、传送后长时间加载。
与视距、模拟距离、实体数量同时调高,会让压力叠加,难以判断原因。
在容器中忽视 CPU 限制,线程数按宿主机核数设置,会造成实际资源竞争。
配置被复制到另一台机器后未重新评估,是最常见的隐性误配来源。
六、与其他参数的协同
视距与模拟距离决定需要处理多少区块与实体,是线程压力的上游。
实体数量、掉落物和据点设施会持续消耗主逻辑时间。
保存间隔与备份任务会带来周期性磁盘写入峰值,需要与线程调整分开评估。
网络带宽与上行质量影响多人聚集体验,与线程参数无关。
协同调整的逻辑是:先减少工作量,再优化执行方式。
七、常见问题
有人问把线程调到最大是否更好。多数情况下会造成资源争抢,效果可能更差。
还有人问调完没有变化。说明瓶颈不在这里,应回到性能分析。
也有人换机器后沿用旧参数。新硬件核数与磁盘不同,需要重新测试。
最后一个常见问题是多实例互相影响。为每个实例分配合理资源并错开高峰任务。
执行步骤
- 确认卡顿是否与区块加载或并行任务相关。
- 记录主机核数、磁盘类型、实例数量与内存。
- 建立人数、区域、玩法固定的性能基线。
- 每次只调整一个线程相关参数。
- 重启后在相同条件下复测并记录指标。
- 无改善立即回退,避免无效改动累积。
- 在高负载场景单独验证,例如探索与活动聚集。
- 把最终值和测试结论写入配置文档。
验收标准
- 调整前已确认瓶颈层级。
- 线程设置与可用核心和实例数量匹配。
- 有可对比的基线数据。
- 每次只改一个参数且可回退。
- 高负载场景验证通过。
- 配置文档说明取值理由。
常见误区
- 把线程参数当作通用加速开关。
- 线程数远超可用核心。
- 容器内按宿主机核数设置。
- 同时调整多个性能参数。
- 换机器后沿用旧值不测试。
- 没有基线,只凭体感判断。
线程参数是资源分配问题,不是魔法开关。先定位瓶颈、按硬件匹配、单项调整并复测,性能优化才会带来可验证的收益。