图形学进阶——移动端TB(D)R架构基础
移动端TB(D)R架构基础
百人计划学习链接:【技术美术百人计划】图形 3.7 移动端TB(D)R架构基础
一、当前移动端的设备概况
1. 移动端CPU占比
2. 移动端GPU占比
3. 各类电子设备功耗对比
4. 带宽比较
二、专有名词解释
1. SOC(System on Chip)
System on Chip(Soc)Soc是把CPU、GPU、内存、通信基带、GPS模块等等整合在一起的芯片称呼。
常见有A系Soc(苹果),骁龙Soc(高通),麒麟Soc(华为),联发科Soc,猎户座Soc(三星),去年苹果推出的M系Soc,暂用于Mac,但这说明手机、笔记本和PC的通用芯片已经出现了
2. 物理内存(System Memory)
Soc中GPU和CPU共用一块片内LPDDR物理内存,就是我们常说的手机内存,也叫System Memory,大概几个G。
此外CPU和GPU还分别有自己的高速SRAM的Cache缓存,也叫On-chip Memory,一般几百K~几M。
不同距离的内存访问存在不同的时间消耗,距离越近消耗越低,读取System Memory的时间消耗大概是On-chip Memory的几倍到几十倍。
PS:手机上GPU和CPU是共享一个内存地址空间(PC上一般分为内存和显存)
3 .On-Chip Buffer
在TB(D)R架构下会存储Tile的颜色、深度和模板缓冲,读写修改都非常快。
如果Load/Store指令中缓冲需要被Preserve,将会被写入一份到System Memory中。
4 .Stall
当一个GPU核心的两次计算结果之间有依赖关系而必须串行时,等待的过程便是Stall。
5.FillRate 像素填充率
像素填充率 = ROP运行的时钟频率 x ROP的个数 x 每个时钟ROP可以处理的像素个数
三、关于TBDR
什么是TBDR?
TBR(Tile-Based (Deferred) Rendering)是目前主流的移动GPU渲染架构,对应一般PC上的GPU渲染架构则是IMR(Immediate Mode Rendering )。
通俗的讲就是:屏幕被分成很多块进行渲染
TBR和TBDR的区别
- TBR :顶点着色器——》Defer———》光栅化——》像素着色器
- TBDR :顶点着色器——》Defer———》光栅化——》Defer——》像素着色器
什么是Defer?
从字面上理解就是延迟(处理);从渲染数据的角度上看,Defer是批处理一帧中的多个数据(后面详细有讲)
四、关于IMR
没有Defer的操作:用户数据——》顶点着色器———》光栅化——》片段着色器
渲染管线如下:直接和系统内存进行交互
五、TB(D)R详细的渲染流程
1. TB(D)R宏观上总共分2个阶段
简单的说:
- 第一步:将分图元到对于的块上,确定Tile上的图元有哪些
- 第二步:在片元着色器计算后先将结果写到块内存(Tile Buffer)中,最后在写到系统内存(System Memory)上
TBDR详细示意图:
- TBDR中有一个Tiling的过程:将几何着色器计算出的顶点数据刷到系统内存(System Memory)上
- 最终经过片元着色器计算的结果,将会被刷到片内存(Tile Buffer)上面,在最后的操作才是把片内存写入Frame Buffer中
2. TBR与IMR的一些对比
a图为TBR,B图为IMR
3 .TBR的优缺点
TBR的核心目的是降低带宽,减少功耗,但渲染帧率上并不比IMR快
优点:
- TBR给消除Overdraw提供了机会,PowerVR用了HSR技术,Mali用了Forward Pixel Killing技术,目标一样,就是要最大限度减少被遮挡pixel的texturing和shading。
- TBR主要是缓存友好, 在缓存里头的速度要比全局内存的速度快的多,以及有可能降低帧率为代价,来降低带宽,省电
缺点:
- 分配图元过程(bining 过程):这个过程在vertex阶段之后,将输出的几何数据写入到系统内存,然后才被fragment shader读取。几何数据过多的管线,容易在此处有性能瓶颈
- 如果某些三角形叠加在数个tile(块)上,则需要绘制数次。意味着总渲染时间将高于即时渲染模式
4 .TBDR中的D——Defer是什么
Bining过程(类似四叉树)/第一个Defer
将需要处理的图元分配到对应的块中,来进行处理
不同GPU的Eearly-DT/第二个Defer
Android的处理
FPK技术:
IOS的HSR技术:
六、TB(D)R的优化建议
1. 记得不使用Framebuffer的时候clear或者discard
主要是清空积存在tile buff上的中间数据,所以在unity里面对render texture的使用也特别说明了一下,当不再使用这个rt之前,调用一次Discard。在OpenGL ES上善用glClear,gllnvalidateFrameBuffer避免不必要的Resolve(就是tile buff刷新到system memeory)行为
2. 要在一帧里面频繁的切换framebuffer的绑定
本质上就是减少tile buffer 和system memory之间的 的stall(同步) 操作
3. 对于移动平台,建议你使用 Alpha 混合,而非 Alpha 测试
在实际使用中,你应该分析并比较 Alpha 测试和 Alpha 混合的表现,因为这取决于具体内容,因此需要测量,通常在移动平台上应避免使用 Alpha 混合来实现透明。需要进行 Alpha 混合时,尝试缩小混合区域的覆盖范围
4. 其余优化
- 手机上必须要做Alpha Test,先做一遍Depth prepass
- 图片尽量压缩 例如:ASTC ETC2
- 图片尽量走 mipmap
- 尽量使用从Vertex Shader传来的Varying变量UV值采样贴图(连续的),不要在FragmentShader里动态计算贴图的UV值(非连续的)
- 在延迟渲染尽量利用Tile Buffer 存储数据
- 如果你在Unity 里面调整 ProjectSetting/Quality/Rendering/Texture Quality 不同的设置,或者不同的分辨率下,帧率有很多的变化,那么十有八九是带宽出问题啦
- MSAA其实在TBDR上反而是非常快速的。
- 少在片元着色器中使用 discard 函数,调用gl_FragDepth从而打断Early-DT( HLSL中为Clip,GLSL中为discard )
- 尽可能的在Shader里使用浮点数,有目的的区分Half Float,好处:(1)带宽用量减少(2)GPU中使用的周期数减少,因为着色器编译器可以优化你的代码以提高并行化程度。(3)要求的统一变量寄存器数量减少,这反过来又降低了寄存器数量溢出风险。
- 在移动端的TBDR架构中,顶点处理部分,容易成为瓶颈,避免使用曲面细分shader,置换贴图等负操作,提倡使用模型LOD,本质上减少FrameData的压力,Unity中尽早在应用阶段借助umbra(unity自带的剔除功能)遮挡剔除
图形学进阶——移动端TB(D)R架构基础相关推荐
- 移动端TB(D)R架构基础
目录 1 各类电子设备功耗对比 2 名词解释 3 立即渲染 4 TBDR渲染流程 5 Binning过程(第一个Defer) 6 不同GPU的Early-Depth-Test(第二个Defer) 7 ...
- 百人计划(图形部分)移动端TB(D)R架构基础
霜狼_may的个人空间_哔哩哔哩_Bilibilihttps://space.bilibili.com/7398208?spm_id_from=333.788.b_765f7570696e666f.1 ...
- 【TA-霜狼_may-《百人计划》】图形3.7 移动端TP(D)R架构
[TA-霜狼_may-<百人计划>]图形3.7 移动端TP(D)R架构 @[TOC]([TA-霜狼_may-<百人计划>]图形3.7 移动端TP(D)R架构 3.7.1 当前移 ...
- TA100 T3.7 TB(D)R
1.部分相关名词 System Memory 手机内存,几个G到十几个G的那种,也是常说的DDR On Chip Memory 手机自身的SRAM缓存,容量挺小(几百K到几M),但读写巨快 在TB(D ...
- Apollo进阶课程㊲丨Apollo自动驾驶架构介绍
原文链接:进阶课程㊲丨Apollo自动驾驶架构介绍 自动驾驶硬件架构:一般采用激光雷达作为主要感知传感器,同时结合摄像头.GPS/IMU.毫米波雷达.超声波雷达等,以NVIDIA Drive PX2 ...
- 服务端高并发分布式架构演进之路(转载,图画的好)
这个文章基本上从单机版到最终版,经历了加缓存,加机器,高可用,分布式,最后到云等过程,其实我一直想总结一套类似的东西,没想到有人已经先弄出来了,那就不重复造轮子了,而且我感觉这个文章也是花了功夫的. ...
- IT:后端进阶技术路线图(初级→中级→高级)、后端开发工程师(技术方向分类之后台业务开发/中间件/内核/分布式架构)基础知识简介、技术路线/技术趋势指南(如何选择自己的技术方向)之详细攻略
IT:后端进阶技术路线图(初级→中级→高级).后端开发工程师(技术方向分类之后台业务开发/中间件/内核/分布式架构)基础知识简介.技术路线/技术趋势指南(如何选择自己的技术方向)之详细攻略 目录 后端 ...
- 服务端高并发分布式架构演进之路
服务端高并发分布式架构演进之路 概述 基本概念 架构演进 单机架构 第一次演进:Tomcat与数据库分开部署 第二次演进:引入本地缓存和分布式缓存 第三次演进:引入反向代理实现负载均衡 第四次演进:数 ...
- 服务端高并发分布式架构演进之路(阿里巴巴90秒100亿)
服务端高并发分布式架构演进之路 阿里巴巴为什么能抗住90秒100亿? 1. 概述 本文以淘宝作为例子,介绍从一百个到千万级并发情况下服务端的架构的演进过程,同时列举出每个演进阶段会遇到的相关技术,让大 ...
最新文章
- Oracle数据库实例的创建、删除、修改
- cmake--gccxml
- GDB调试程序-Ubuntu
- sum()转字符串_Python字符串与内置函数
- Linux vi 编辑器常见命令的使用
- 从零开始学keras之变分自编码器生成图像
- Spark中RDD与DataFrame与DataSet的区别与联系
- 海思加鸿蒙的零距离思考,自主生态之路在何方
- 【转】UnityVS(Visual Studio Tools For Unity)的安装与使用
- div contenteditable 富文本字数限制_知网查重是如何统计字数的?
- 七夕过后,我用Python分析了大家单身的原因,结果令人震惊...
- 用ASP.NET向Javascript传递变量
- 最全面SpringCloud 教程-转自方志朋
- 【值得读】大神周志华谈AI的三大挑战:开放环境、弱监督、新型深度模型(非可微)...
- windows常用指令大全
- Postman使用详解
- 前端灰度发布 你知多少?
- 【牛客网】马三来刷题之串的模式匹配
- 网页设计中的色彩搭配技巧
- Java项目:基于jsp+mysql+Spring+SpringMVC+mybatis的高速公路收费管理系统