1.內存泄漏
在最近的項目中使用了C11的智能指針，經過壹年的使用證明這是不是壹個成功的選擇。雖然已經沒了自己管理的煩躁，但是增加了內存泄漏的幾率。畢竟不是所有人都能完全理解和掌握shared_ptr的使用。 建議使用cocos2dx自帶的輕量級智能指針，采用了引用計數，並且沒有了C11智能指針循環引用及其他使用容易導致引用計數異常的問題。
2.緩存（材質緩存，精靈幀緩存）管理
這裏必須要引入過渡場景，用於removeunused的緩存，然後預加載下壹個場景需要使用的資源。 並且cocos2dx提供了api可以查看內存中所有的緩存，做為開發必須能完全熟知內存中的這些緩存，能及時判斷哪些材質是多余的。
這裏要多提的壹點是，不使用jpg，android使用pkm，ios使用pvr是非常有必要的。特別對於8000*8000超大地圖。
3.高性能對象池
傳統對象池只有壹個list保存所有對象，每次使用循環遍歷查找未使用的對象。
這裏的優化是新增壹個隊列保存所有可使用的對象。每次對象使用完進行push_front的操作，每次使用通過pop_front獲取。
二.CPU優化
1.近似數學函數
開方、三角函數近似替換算法，計算兩點間的距離（曼哈頓距離、牛頓叠代或者使用平方數值做比較），位移運算（針對頻繁的乘除2的n次冪）等。
2.算法
在算法的選擇上其實滲透在我們的每壹個即使非常小的功能模塊，對於不是專門研究算法的我們，算法更多是壹種意識。拒絕所有的時間復雜度O（n*n）的操作，永不高估CPU的計算性能，在現有的操作上力求更低的計算量。 然後有的放矢的去選擇適合自己項目的算法。
3.分幀
分幀是比較壞的情況，因為這時候優化可能到了末尾。確實有壹些cpu密集型的計算需要分幀甚至開線程來解決了。
PS：空間換時間。其實上面三條包括我的高性能的高斯模糊算法那篇文章，基本上對於cpu的優化核心都是空間換時間。
三.GPU優化（Drawcall優化）
1.超大圖的切片
切片太小對於drawcall是非常有影響的，目前使用最大化切片2048*2048，並且圖片使用壓縮格式使用存在於緩存中。
2.合圖（多攝像機場景）
對於攝像機比較多的場景，由於底層是遍歷攝像機，每個攝像機執行壹次場景的全部繪制。
所以在合圖的時候需要按照攝像機來分層合圖，不要把不同攝像機的圖片合到壹起。
做為開發要能夠根據看到的場景預估drawcall數量，在判斷出異常的時候分步優化層級drawcall數量。