first-fit · 降级

选轨与降级：first-fit、丢弃、排队、叠加

轨道分配的常规策略是自上而下取第一条可用轨道 (top-down first-fit)：简单、稳定，且让弹幕尽量靠上、视线集中。真正体现产品取舍的是所有轨道都放不下时怎么办——这在弹幕高峰（热门直播、名场面）必然发生。三种主流降级：丢弃 (drop) 直接不显示、排队 (queue) 等下一条空轨道、叠加 (stack) 强行压上去（半透明）。本页可调到达率把轨道打满，实时对比三者。

丢弃：总量恒定、画面永远清爽，代价是高峰期大量弹幕看不到（直播常用）。排队：不丢，但延迟显示、积压会越滚越多。叠加：全都显示，但高峰期重叠压字、可读性下降。调大「每秒弹幕」越过轨道容量，三者差异立刻显现。

1 · 选轨为什么默认 top-down first-fit

可用轨道往往不止一条，选哪条是个策略。first-fit（取最靠上的可用轨道） 让弹幕聚拢在视线集中的上方、分布稳定、实现 $O(轨道数)$ ，是绝大多数引擎的默认。其他选法各有取向：随机轨道分散更均匀但抖动大；best-fit（挑最空的轨道） 让间距更均衡却要维护更多状态。多数场景里 first-fit 的简单与稳定足够好。

2 · 降级：满载时的产品取舍

三种降级各占一角：全显示、清爽、低延迟难以兼得，按产品目标取舍。
策略	是否全显示	画面是否清爽	代价	典型场景
丢弃 drop	否	是	高峰丢弃大量弹幕	高并发直播
排队 queue	是（延迟）	是	积压、延迟越滚越大	点播 / 可容忍延迟
叠加 stack	是	否	重叠压字、可读性降	追求「弹幕量感」

实时（直播）与离线（点播）的根本差异在这里放大：点播已知全部弹幕时间轴，可全局预排、seek 后精确恢复；直播是流式到达，只能贪心地来一条排一条，降级（尤其丢弃 / 限流）不可避免。无论哪种，底层判定都建立在前面几页的入场与追及规则之上。