移动端GPU——渲染流程

PattiSmith

1. IMR——桌面 GPU 的渲染流程

1.1 IMR 渲染特点

• DrawCall 中的模型顺序执行 VS 和 PS

• 每个DrawCall 完成后，PS 将所有像素颜色、深度等写入 FrameBuffer

• 每个像素可以被多次写入，写入顺序和 DrawCall 执行顺序一致

1.2 作为写入目标的FrameBuffer ，对显存的性能要求

• 访问速度：极高的访问速度

• 容量要求：满足响应分辨率和格式（RGBA，HDR等）的容量

• 功耗：电池供电设备的低功耗要求

在目前的移动设备硬件水平下，这三个目标通常最多只能满足两个。目前的主流选择：牺牲容量，换取更快的访问速度和更低的功耗。

2. 解决方案：TBR（Tile Based Rendering）

引入TileBuffer

2.1 SIMD 核心不直接写到 FrameBuffer，而是写到TileBuffer，TileBuffer 的内容在恰当的时候写到 FrameBuffer

• 小容量、高速 On chip 的 TileBuffer 作为 SIMD 的写入目标

• FrameBuffer 会分块依次渲染

• 单Tile上所有任务，即每个 Tile 上的 DrawCall 都完成后才一次写入显存

TBR渲染流程

2.2 TBR 中的深度测试

TBR中的深度测试

• Early-Z：在 PS 之前执行，测试失败的像素不执行PS
• Late-Z：在 PS 之后执行，测试失败的像素不写入 Color Buffer
• 可见 Early-Z 能显著降低 PS 的性能压力，最好在无法应用 Early-Z 的时候再启用 Late-Z

什么情况下 Early-Z 失效？

因为 Early-Z 在PS 之前执行，所以需要必须在 PS 之前就确定深度，也就是说 执行PS时像素深度不能发生变化

• Alpha Test / Clip：需要执行完 PS 后，才能确定该像素深度是否被写入
• Custom depth，PS中改写深度值，硬件能够感知，Early-Z 阶段无法获取最终的深度值，失效。

2.3 移动端 GPU 的 Early-Z

移动端 GPU 的 Early-Z

• TileList 保存当前 Tile 上的所有三角形列表
• 隐藏面剔除HSR(Apple/PowerVR), LRZ(Adreno), FPK(Mali)
• 原理：硬件层面先对 Tile 中的三角面进行 Depth Prepass，相当于先进行了一边深度测试，剔除掉看不到的 fragment，可以显著降低 overdraw 程度，减少 PS 调用次数
• 移动端 Early-Z 失效：打断了硬件的 Depth Prepass

2.4 性能关注点

2.4.1 顶点开销

• TBR 中顶点会存在 TileList 中，过多的顶点会使得 TileList 过大，影响访问性能和内存开销
• 移动端 Early-Z 虽然会降低 PS 开销，但是会增加 VS 开销（额外做一遍 Depth Prepass，有些厂商的GPU实际上是执行了良次 VS，其中一次会优化掉和位置计算无关的部分），因此优化 VS 复杂度（特别是位置计算）尤为重要

2.4.2 Tessellation

• 移动 GPU 中通常没有专门的 Tessellation 单元，效率更低
• Tessellation 产生更多顶点，需要执行更多次 VS，增加开销

2.4.3 充分利用 TileBuffer

TileBuffer 和主显存之间消耗大量带宽，针对这个消耗进行如下的优化

• 每一帧对 TileBuffer 执行Clear ，避免上一帧的 Color Buffer/ Depth Buffer 又被从主存加载一边
• 渲染完成后 Discard 掉不需要的 Render Target 或 Depth Buffer，避免会写到显存，节省大量带宽。

3. TBDR：基于 TileBuffer 的延迟渲染

3.1 延迟渲染传统流程

延迟渲染传统流程

• 需要提供较多的显存空间，支持多张 RT(MRT)，也就是GBuffer，写入材质各种属性
• 独立的一个 LightPass，读入每个像素的GBuffer属性，并进行光照处理，得到最终的 ColorBuffer
• 移动平台上难以实现的原因：延迟渲染因为 MRT 的存在，大量消耗显存读写的带宽

3.2 移动设备上的延迟渲染(TBDR)

TBDR示意

• 像素的属性(MRT)不被写入主显存，只存在于 TileBuffer中，最终只复制 Color 信息到主显存中，降低了带宽消耗
• 几乎不会占用额外带宽

4. 移动设备上的 MSAA

4.1 传统 MSAA 流程

传统MSAa

• 需要一个4倍RT来获得4倍的fragment，最后再 resolve 会1倍的 RT

4.2 移动设备 MSAA 流程

移动端MSAA

• 多倍采样的 RT 仅在 TileBuffer 中存在
• Resolve 发生在 TileBuffer 中，逐 Tile 执行
• 仅单倍采样的 RT 被写回显存

5. GPU 和 CPU 协作(Frame Pacing)

5.1 基本的 FramePacing 流程

FramePacing

• CPU 和 GPU 异步运行
• Command Buffer 作为 CPU 和 GPU 的协议包
• CPU 填充 CommandBuffer，在提交后(DrawCall)后 GPU 才开始执行 CommandBuffer

5.2 对 FramePacing 进行优化

目标：最大程度的并行化

• 尽早提交渲染命令，让 GPU 尽早开始工作，但避免将 CommandBuffer 拆分过于细碎，提交本身也有消耗
• 非渲染相关的 CPU 任务不必要等待上一帧渲染完成(不要等 GameUpdate)
• 保存数据单向流动（CPU到GPU），避免单帧内 CPU 依赖 GPU 执行结果

CPU 帧内依赖于 GPU 执行结果的一个例子是 “硬件遮挡查询”机制，它需要 CPU 创建遮挡查询命令提交给 GPU，等待 GPU 的运算结果，再根据结果执行渲染。

5.3 垂直同步

渲染结果只能在固定的时间点显示到屏幕，比如移动设备的屏幕刷新率为 60Hz，意思是手机屏幕每秒最多进行 60 次的缓冲区交换(渲染刷新）
问题：

1. 若某帧渲染太快，到了第一个同步点就刷新到屏幕了，而下一阵太慢，第二个同步点才刷新，则帧率不稳定，有卡顿感
2. 若刷新率慢而帧渲染率快，未开启垂直同步的情况下，可能画面撕裂，上一个 FrameBuffer 才显示一半，下一帧 FrameBuffer 已经提交，再刷新就变成了下一帧的画面

• 移动设备上始终开启垂直同步，保证最小的帧间隔时间
• 做帧率限制时，保持最大帧率和屏幕刷新率整除的关系，如60Hz设备可限制 30FPS，20FPS，但不要限制 25FPS
• 使用图形层 API 接口来限制