ECS: 大矩阵模型 The Big Matrix Model

大矩阵模型 也是 ECS 常用的一种实现，每个 实体 是矩阵中的一行，每个 组件 是矩阵中的一列，矩阵中的单元格存储组件的数据或组件的存在状态，这种设计对应了理论上的 ECS 表示法，容易理解和维护

Big Matrix Model

entity rows x component columns

它具有很明显的优势，易于实现和维护

• 添加和移除组件的性能非常高，因为组件是按实体的索引存储的，直接操作数组即可
• 可以通过索引快速访问，实体的索引直接对应到矩阵的列号，无需额外的查找操作

当然它也存在一些需要解决的问题

分页

首先要解决的是内存使用问题，分页 Pagination 是一种方法，具体来说，是将 组件 数组划分为多个较小的 页 page，并只在需要时为某一页分配内存，这样做可以显著减少内存浪费，特别是当实体的组件很稀疏时

在这种情况下，每个组件的存储池不再是一个连续的大数组，而是由多个小页组成，并且使用使用一个小型数组保存所有页的指针，动态分配需要的页，并且这对于扩展数组很有好处，在传统实现中，扩展一个大数组需要拷贝整个数组，而分页只需拷贝指针数组，性能开销小得多

当然这肯定会影响随机访问性能，在访问组件时，必须先检查对应的页是否存在，再跳转到具体的内存位置，这种增加的检查逻辑和跳转可能对频繁的随机访问操作产生影响

指针稳定性

在 ECS 系统中，指针稳定性 非常重要，它的具体含义是：一旦创建了一个对象，它的内存地址（指针）在其生命周期内保持不变，这意味着可以安全地将指针传递给其他地方使用，而不用担心后续的内存重分配会导致指针失效

实际场景中，可能涉及到 指针稳定性 的地方是

1. 组件指针的长期引用： 系统可能需要长期保存某个组件的指针，比如用于建立复杂的数据依赖关系或层级结构
2. 外部数据结构的集成： 如果组件需要被集成到其他数据结构中（比如一个树形结构或图），指针稳定性是基本要求

在大矩阵模型中，默认的实现可能基于 动态数组（std::vector） 来存储组件，它有一个很大的缺陷：当数组需要扩容时，所有元素会被移动到新的内存块中，导致其指针失效，因此，默认的实现并不能保证组件指针的稳定性

而 分页 通过将组件划分到独立的 页 中，解决了以上问题

1. 页内组件不移动
   一旦一个组件被分配到某一页，它在该页内的内存位置是固定的，即使页的整体指针数组需要调整（比如扩容），页内的数据不会受影响，因此指针稳定性得以保证
2. 避免动态数组的整体重分配
   动态数组 扩容时需要移动所有元素，而 分页 只需管理页指针数组的扩容，页指针数组很小，通常不会影响实际的组件存储

稳定的指针允许系统在需要时直接访问组件，而无需通过复杂的索引逻辑，既支持快速的随机访问，也支持长期的直接引用，并且我们可以直接将组件的指针传递到其他模块、外部数据结构甚至持久化存储中，而无需担心指针失效

迭代

在 大矩阵模型 的基础实现中，迭代 多个组件 的成本是 系统数量 × 实体数量，原因是我们要对每个 系统 检查每个 实体 的 掩码 mask 是否匹配，如果匹配，则访问组件数据，否则跳过

最短集 Shortest Set

为了加速迭代，我们可以在迭代多个组件时，选择 最小池 来驱动迭代，也就是组件数量最少的池，如果最小池的大小为 $M$，则无需检查超过 $M$ 的实体，因为这些实体肯定不在所有池中，这也是相当显然的一种优化方式

快进 Fast Forward

这种方法通过利用 分页 的优势，跳过未创建的页来加速迭代，每个分页池由多个页组成，未分配组件的页会以空指针表示，在迭代时，检查当前页是否存在，如果不存在，直接跳过该页的范围，这可以避免大量不必要的掩码匹配和组件检查，节省内存访问和计算成本

混合方法 Hybrid Solution

也有结合了上述两种方式的混合方法

1. 按元素数量：可以按 元素数量最少 的池进行迭代，而不是实体索引最小的池，当然前提是可以获取到这一信息，这样将增大遇到空白页的概率

2. 按最小实体索引：因为在 大矩阵模型 中，每个实体在所有组件池中的索引是相同的，所以如果一个实体的索引超出了最小扩展范围，那么在其他池中它肯定也不存在组件，我们假设系统需要迭代同时拥有有三个组件的实体

   • 组件池 A：实体索引范围为 0 到 50（扩展为 51）
   • 组件池 B：实体索引范围为 0 到 30（扩展为 31）
   • 组件池 C：实体索引范围为 0 到 40（扩展为 41）

   此时最小扩展是 31（来自组件池 B），在迭代时，当索引达到 30（31-1）后就可以停止，因为超出 30 的实体肯定在池 A 和池 C 中也不存在