今天分享的是GPU Gems上关于性能优化的文章，这里是原文地址。

1. 概览

随着硬件的升级，图形渲染管线也变得越来越复杂，使得渲染瓶颈的定位也变得复杂起来。

1.1 渲染管线

图形渲染管线从大的方面可以分成CPU跟GPU两部分，这里的主要关注点在GPU上面。下面这张图给出了GPU渲染管线并行执行的且容易导致瓶颈的几个主要的功能单元：

GPU渲染管线

1.2 优化方法

之所以要定位瓶颈，其最终的目的是为了优化应用的渲染表现，使之用最小的消耗得到最优的表现，而优化工作总的来说可以分成如下三步：

1. 定位瓶颈
2. 优化瓶颈
3. 重复上述两步

2. 瓶颈定位

瓶颈流程图

上图给出了瓶颈定位的主要流程图，这里的定位是从（图形渲染管线顺序）后往前进行的，这里需要注意的是，不同的物体其瓶颈可能是不一样的（比如一个天空盒的主要瓶颈可能在PS上，而一个蒙皮物体的瓶颈可能在VS或者CPU上）。

这里定位瓶颈的方法是通过对每个阶段，调整其负载，观察性能表现是否有变化而得到的。

2.1 Raster Operations(RO)

图形渲染最后一个阶段为RO阶段，在这个阶段会完成depth/stencil的读写与test，color的读写，alpha blend/test等工作，从这些描述可以看出，这个阶段对于frame-buffer的带宽有着比较强的依赖。

定位frame-buffer带宽瓶颈的最好的方法就是调整color/depth buffer的格式，如果格式精度下降导致性能上升，说明就是这个地方出了问题。

需要说明的是frame-buffer带宽是GPU memory clock的一个函数，因此修改memory clock也可以用来定位瓶颈。

2.2 Texture Bandwidth

贴图带宽可以理解为读取贴图数据所需要的时间，出于对功耗的考虑，移动端的芯片硬件尺寸注定不能过大，否则功耗过高，掉电快发热高，十分影响体验，而对功耗影响最显著的一项因素就是带宽，这也就注定了移动端的带宽占用不能过高（Arm在Unity Forum 2019上的建议是，移动端在CPU的带宽占用不能超过2GB/s），因此也就导致了对带宽依赖较强的一些环节，比如贴图读取等在处理速度上会受到限制，虽然当代GPU增加了贴图缓存来降低贴图读取的延迟，但是延迟依然还比较明显。

定位这个问题当然可以通过修改贴图格式来判断，不过这种做法比较麻烦，更常用的做法为通过mipmap bias降低读取的贴图的mip层级，采取更低分辨率的贴图来看看性能是否提升。

贴图带宽同样也是GPU memory clock的函数（这里能通过memory clock来判断瓶颈吗？那不就跟前面的冲突了，导致无法识别？）。

2.3 Fragment Shading

这个阶段主要对应的是fragment着色计算的消耗。通常fragment shading+frame-buffer带宽对应的是GPU的一项非常重要的参数：fill-rate。虽然这两项都可以通过降低渲染分辨率来提升性能，但是他们两项本质上是不同的。

固定管线中基本上不会在这个地方产生瓶颈，但是随着可编程管线的开放与优化，现在这个地方成为瓶颈的概率也在增加。

定位fragment shading瓶颈的第一个方法是降低渲染分辨率，因为之前已经分析过不是frame-buffer带宽的瓶颈，因此如果因此出现了性能提升，那就肯定是这个地方的问题。另一个方法则是修正fragment shader的长度，这里注意不要添加一些会被编译器优化的代码。

Fragment shading是GPU core clock的函数。

2.4 Vertex Processing

在这个阶段会完成顶点相关的一些运算，包括坐标变换，法线转换等，经过这个处理后，会输出与顶点相关的若干属性，后面会用作clipping与光栅化输入。

定位VS瓶颈的方法是修改VS的长度，VS处理的速度同样也是GPU core clock的函数。

2.5 Vertex & Index Transfer

在渲染管线开始前，GPU需要从某个地方将顶点与索引数据读取出来，这就是这个阶段所完成的功能。

这个阶段的性能表现取决于GPU是从哪个地方获取这些数据的，比如最开始是直接从系统主存中读取，而后面出于优化考虑，将数据提前传输到了local frame-buffer memory中。

判断这个阶段是否会成为瓶颈就是直接修改顶点格式，减少每个顶点传输的数据长度。

如果上述的所有过程都没有导致性能上升，那么问题就是出在CPU上面了。在定位到瓶颈之后，下一步就是优化过程。

3. 优化

根据不同的瓶颈，这里的优化方法也有所不同。

3.1 CPU瓶颈

CPU瓶颈主要有如下两种优化方法：

1. 降低资源Lock操作。避免CPU/GPU的频繁传输
2. 增加合批的力度，避免CPU提交导致的高消耗

3.2 Vertex Transfer

顶点、索引传输阶段的额瓶颈有如下几种方法：

1. 减少顶点属性
2. 将部分属性放到VS中直接计算
3. 降低索引位数
4. 按照顺序来对顶点进行访问（调整顶点顺序，增加缓存命中率）

3.3 VS优化

VS阶段的优化有如下几种思路：

1. 优化顶点访问的顺序，增强缓存命中率
2. 减少物件的定点数量
3. 使用Mesh LOD
4. 将一些低频计算放到CPU
5. 使用正确的坐标空间，减少无谓计算
6. 使用VS动态分支，减少代码计算的浪费

3.4 Fragment Shading优化

PS优化有如下几条思路：

1. 先单独绘制一遍深度
2. 使用early-z的功能降低浪费
3. 将一些复杂计算的结果离线算好存储到贴图中
4. 将一些低频计算放到VS中
5. 降低格式精度
6. 避免不需要的normalization
7. 针对不同的物体使用不同计算复杂度的PS
8. 减少三线性采样
9. 使用尽可能简单的shader格式

3.5 贴图带宽优化

贴图带宽优化有如下几种方法

1. 缩小贴图尺寸
2. 选择合适的压缩方法
3. 尽可能的避免大尺寸高精度的贴图
4. 使用mipmaping

3.6 Frame-buffer带宽优化

FB带宽优化有如下几条方法：

1. 先绘制一遍depth
2. 避免alpha-blending带来的overdraw
3. 避免无所谓的depth writes
4. 避免不必要的color clear
5. 在CPU侧做一下粗糙排序，按照从前往后的顺序进行绘制
6. 优化天空盒渲染方案
7. 不必要的情况不要使用浮点格式的RT
8. 使用尽可能低精度的depth与color

参考文献

[1]. Chapter 28. Graphics Pipeline Performance