Introduction to 3D Game Programming with DirectX 12 学习笔记之 --- Direct12优化

原文:Introduction to 3D Game Programming with DirectX 12 学习笔记之 --- Direct12优化

---

第一章：向量代数

1、向量计算的时候，使用XMVECTOR（可以利用SIMD优点）；类成员变量使用XMFLOAT2 (2D)，XMFLOAT3 (3D)，和XMFLOAT4 (4D) 。

2、向函数传递参数的时候（XMVECTOR可以直接传递到SSE/SSE2）前三个参数类型要定义为FXMVECTOR； 第四个要定义为GXMVECTOR； 第五个和第六个要定义为HXMVECTOR； 其他参数要定义为CXMVECTOR。

---

第二章：矩阵代数

1、用以计算的时候使用XMMATRIX类型；类的成员变量使用XMFLOAT4X4；

2、向函数传递参数时，规则和XMVECTOR一样；

3、上述规则对于构造函数是例外，构造函数一直使用CXMMATRIX，并且不要添加XM_CALLCONV。

---

第三章：变换

1、正交矩阵的逆矩阵和它的转置矩阵相等，所以计算起来更高效；

2、根据矩阵的乘法结合律，我们可以将多个变换矩阵合成为一个变化矩阵。

---

第四章：Direct 3D初始化

1、为了优化全屏模式下的性能，准确匹配显示模式就很重要，比如刷新频率。

---

第五章：渲染流水线

1、类成员变量XMCOLOR，计算时使用XMVECTOR；

2、128位颜色用来进行高精度的计算，这样算法上的错误积累就少很多；最终颜色一般保存为32位（在back buffer中也通常是32位），当前的物理显示设备无法体现128位颜色的好处；

---

第六章：在Direct3D中绘制

1、如果PS上裁切像素，尽可能早clip掉，因为这样像素不会进行后面的PS计算；

2、对于硬件优化，一个像素片段是有可能直接跳过像素着色器，比如（early-z rejection），但是在有些情况下，这个功能会无法使用，比如如果像素着色器中修改了Z值，那么每个像素必须进行像素着色器计算后才能得到最终的Z值；

---

第七章：在Direct3D中绘制（二）

1、不要在着色器中使用太多的常量缓冲，为了性能[Thibieroz13]建议保持在5个以下；

2、每一个绘制调用都会以当前设置的根参数对象状态来执行。这样可以正常执行，因为硬件会为每一个绘制调用自动保存一份根参数对象的snapshot。也就是说根参数对象会在每次绘制调用中自动进行版本管理。为了性能优化，我们应该尽可能让根签名更小，其中一个原因是每个绘制调用中对根参数对象的自动版本管理，根签名越大，需要的开销就越大。更进一步，SDK文档建议跟参数应该根据改变的频率来排序（从高到低），并且尽可能减少根签名的切换。所以在多个PSO中共享一个根签名是一个不错的主意。所以创建一个“super”根签名在多个着色器程序中共享，即使部分参数在部分着色器中不需要使用，也可以优化性能。但是如果这个“super”根签名太大就会让减少切换获得的好处变小。

---

第八章：光照

1、全局光照的计算量无法应用到实时程序，游戏中一般使用局部光照。

---

第九章：贴图

1、我们可以将多个图片放到一个大纹理中（texture atlas），然后应用于多个物体。这样可以避免多次资源加载，减少DrawCall，优化性能；

2、使用DDS格式文件，GPU可以直接原生使用很多它的文件格式；并且它支持压缩，可以让GPU原生解压缩；

3、根据DX11的文档：定义完整类型的格式，可以进行运行时的优化。也就是说为了性能，只有当你真正需要无类型格式，否则都定义成完整类型的格式；

---

第十章：混合

1、混合操作是需要更多的逐像素计算，所以是消耗较多的性能，所以只有当需要使用的时候打开它，使用完成后就关闭它；

2、Alpha测试会消耗性能，所以只有当我们需要的时候再开启它；

---

第十一章：模板测试

1、显卡可能会每帧在同一个点上绘制多次，这种覆盖会影响到性能，因为它在重复绘制看不到的点。所以测量深度复杂度对优化分析就很有用；

2、深度测试时在输出合并阶段执行的（像素着色器之后）。所以即使像素后续会被放弃，但是还是会进行很耗时的像素着色器计算。但是现代的显卡提供了一个叫早期Z测试（early z-test）的技术，可以让Z测试在像素着色器之前进行。为了能够得到这个技术带来的重要的好处，你需要在绘制没有混合的物体的时候，进行从前往后的顺序进行绘制，这样最近的物体会先绘制，然后被遮挡的物体会被这个early z-test技术剔除，它会对具有高深度复杂度的场景带来大量的性能提升。对于early z-test技术我们无法使用D3D API进行控制，它完全是由显卡驱动判定控制的。比如如果你的像素着色器中修改了像素的Z值，那么early z-test将无法进行；

---

第十二章：几何着色器

---

第十三章：计算着色器

1、所以如果你的GPU有16个多处理器，那么你至少要把你的需求划分为16个线程组，这样你所有的多处理器都可以同时计算。为了有更好的性能，你应该为每个多处理器划分2个线程组，这样就可以切换线程组（[Fung10]）；

2、硬件把这些线程划分为warps（32个线程为一个warp），然后warps被多处理器以SIMD32来处理。每个CUDA core处理一个线程并且回顾“Fermi”多处理器，有32个CUDA cores。在D3D中你可以用一个不是32的倍数的值指定一个线程组的大小，但是出于性能考虑，最好还是指定为warp大小的倍数（[Fung10]）；

3、尺寸最好是wavefront的倍数（因为同时也是warp的倍数），这样就可以同时兼容两种显卡；

4、做模糊效果时，对于9x9的矩阵，我们需要81个采样。但是分离到2个1D的时候，我们只需要18个采样。尤其我们是在模糊纹理，纹理提取是很消耗性能的，所以通过分离模糊来减少纹理采样可以提高性能；

5、上面的步骤需要我们先进行正常的渲染流水线，然后切换到CS进行计算，然后切换回渲染流水线。这样的切换是由开销的（[NVIDIA10]）应当尽可能避免这样的切换；

6、模糊是一个很占用性能的操作，它的运算量主要与纹理的大小相关。一般情况下我们渲染到纹理的时候，可以渲染到一张比后置缓冲小的纹理上。这样可以提高渲染的纹理的速度；因为尺寸减小了，所以提高了模糊的速度；最终绘制到后置缓冲的时候，因为用了放大滤波器，又增加一层模糊效果；

7、线程组提供共享内存，访问它跟访问硬件cache一样快，它可以用来优化或者一些算法的实现。在CS中，它的定义如下：groupshared float4 gCache[N]; 数组大小可以是任意数，但是不能超过32kb，出于性能考虑，它的大小应该不超过16kb，否则不能让2个线程组指定到用一个多处理器；

---

第十四章：曲面细分阶段

1、D3D11硬件支持的最大细分因子是64。如果所有细分因子都是0，那么当前patch就拒绝进入后面的阶段。它可以帮助我们基于patch在背面消除和视锥体裁切上实现优化；

2、具体裁切多少主要基于需求，不要做不需要的裁切来浪费性能；

3、如果细分因子是1（也就是不细分），走一遍细分阶段流程是浪费GPU开销；

4、因为是基于GPU实现的，不要细分一个覆盖小于8个像素的这种太小的三角形；

5、批量调用具有细分的绘制调用（频繁打开和关闭曲面细分非常浪费性能）；

6、曲面细分可以优化内存，也可以减少物理和动画运算（在低模上计算），可以实现LOD（以前只能放到CPU）；

---

第十五章：第一人称摄像机和动态索引

1、最小化descriptors可以让我们的根签名更小，这代表每个绘制调用造成更少的性能开销；

---

第十六章：实例化和截头锥体裁切

---

第十七章：拾取

1、为了优化考虑，我们先进行物体包围体检测，只有检测通过的物体再遍历每个三角形检测；

---

第十八章：立方体贴图

1、在以前，应用通常优先绘制天空，然后使用它替换掉渲染目标，和深度/模板缓冲。但是“ATI Radeon HD 2000 Programming Guide”反对这个做法，原因有下：第一，深度/模板缓冲会为了内部硬件优化被明确的清空掉，对于渲染目标也是一样的；第二，因为大部分天空都是被其他物体比如建筑和地形遮挡的，所以如果我们先绘制天空，会导致很多像素需要重新绘制，这样很浪费性能。所以现在推荐最后再清空和绘制天空；

---

第十九章：法线贴图

1、如果你要使用压缩纹理格式保存法线贴图，使用BC7 (DXGI_FORMAT_BC7_UNORM)格式是最好的效果，它可以减少由压缩法线贴图造成的错误；

---

第二十章：阴影贴图

1、目前为止，我们使用4次测试的PCF内核，更大的内核会得到更平滑的边缘，但是会更消耗性能。观察上面的例子，其实只需要在边缘进行PCF，内部是不需要的，根据这个需求，衍生出了其他算法。[Isidoro06b]描述了一种方案，在着色器代码中需要动态分支：只有在边缘进行PCF。这种检测边缘又会带来其他性能开销，所以选择方案的时候要做好利弊分析；

2、这里像素着色器没有返回值，是因为我们只输出深度值。像素着色器只用以裁剪透明的像素片段。如果不需要根据透明度进行裁剪，我们可以设置像素着色器为null，这样可以让性能更高；

3、如果渲染阴影贴图的时候包含曲面细分几何体，我们需要曲面细分要和摄像机渲染时的细分保持一致；也就是说相机与物体的距离和光源与物体的距离要差不多，否则阴影会出现错误。一种优化的方案是，渲染阴影贴图的时候不使用曲面细分。（这种优化用准确性交换速度）；

4、构造函数通过分辨率和viewport来创建纹理。分辨率影响了阴影的效果，高分辨率会需要更多性能开销和内存；

5、PCF的缺点在于它需要4次采样，在现代显卡上，采样操作是很费性能的操作之一，因为GPU的内存带宽和延时并没有像它计算能力那样得到提高[Möller08]。幸运的是，DX11图形硬件内置了支持PCF的方法SampleCmpLevelZero；

---

第二十一章：环境光遮蔽

1、实时程序使用屏幕空间环境光遮蔽（SSAO），无法使用光线追踪环境光遮蔽，因为计算量太大；

2、为了性能，SSAP贴图使用半分辨率；

---

第二十二章：四元数

---

第二十三章：角色动画