GPU的shader分支跳转性能总结

引言：

如下的（一）与（二）分别属于uniform branch与宏定义，（一）至始至终是一个固定的值，分支只执行一条而不是既有执行condition ture 也有执行condition false 的情况，（二）使用宏在编译期完成分支跳转,它们两个的性能消耗是怎么样的呢？在很多的博客或者教科书方式的说GPU的跳转分支会中断GPU的并行，会增加耗时等，哪现代的GPU对于分支跳转的性能是怎么样的！作者本人在此做一个总结；
一、

#version 330 core
layout(location = 0) in vec3 aPos;
uniform bool useColorA;
out vec4 vertexColor;
void main()
{
    gl_Position = vec4(aPos, 1.0);
    if (useColorA)
    {
        vertexColor = vec4(1.0, 0.0, 0.0, 1.0); // Red
    }
    else
    {
        vertexColor = vec4(0.0, 0.0, 1.0, 1.0); // Blue
    }
}

二、

#version 330 core
layout(location = 0) in vec3 aPos;
// 宏定义
#define USE_COLOR_A
out vec4 vertexColor;
void main()
{
    gl_Position = vec4(aPos, 1.0);
#ifdef USE_COLOR_A
    vertexColor = vec4(1.0, 0.0, 0.0, 1.0); // Red
#else
    vertexColor = vec4(0.0, 0.0, 1.0, 1.0); // Blue
#endif
}

if-else 分支性能消耗情况：

1. 现代的 GPU 不管是 PC 端还是移动端对于条件分支 if -else 都有movc/condition move硬件指令优化机制。该指令可以减少由于分支指令引起的pipline暂停和分支预测错误。

如果一个 在Warp（内shader代码指令相同）内所有的线程同时采取同一路径的分支，那么就没有性能损失！或者说分支是基于编译器能够预测优化的uniform变量再或者分支里的操作很简单开销也非常小,以至于可以忽略该开销！（iPhone 在 A8 后都支持movc优化）
２、if 分支只有出现线程分歧 （thread divergency）才会影响GPU并行的性能！在执行同一个warp的线程中有一些满足条件而另一些不满足，则将分别执行代码块A和代码块B。由于SIMD或SIMT的限制，不能同时执行两个代码块，GPU序列化处理这些分支。

• 所有线程同时执行代码块A，未满足条件的线程暂停。
• 所有线程完成后，执行代码块B，满足条件的线程暂停。
  案例（三）触发thread divergency

in vec2 TexCoord;
out vec4 FragColor;
// 假设有两个不同的纹理
uniform sampler2D texture1;
uniform sampler2D texture2;
void main()
{
    vec4 color;
    if (TexCoord.x < 0.5)
    {
        color = texture(texture1, TexCoord);
    }
    else
    {
        color = texture(texture2, TexCoord);
    }
    FragColor = color;
}

案例（四）也触发thread divergency

in vec3 FragPos;
in vec3 Normal;
out vec4 FragColor;
uniform vec3 lightPos;
uniform vec3 viewPos;
void main()
{
    vec3 norm = normalize(Normal);
    vec3 lightDir = normalize(lightPos - FragPos);
    vec3 result;
    if (dot(norm, lightDir) > 0.5)      // 基于法线方向选择不同的光照模型
    {
        float diff = max(dot(norm, lightDir), 0.0);  漫反射光照模型
        result = diff * vec3(1.0, 0.5, 0.31); // 硬编码的漫反射颜色
    }
    else
    {
        vec3 viewDir = normalize(viewPos - FragPos);            // Phong 光照模型
        vec3 reflectDir = reflect(-lightDir, norm);
        float spec = pow(max(dot(viewDir, reflectDir), 0.0), 32.0);
        result = (0.5 * vec3(1.0, 0.5, 0.31)) + (spec * vec3(0.5, 0.5, 0.5)); // 漫反射 + 镜面反射
    }
    FragColor = vec4(result, 1.0);
}

如上图 SM中有8个ALU（Core），由于SIMD/SIMT特性，每个ALU的数据不一样，导致if-else语句在某些ALU中执行的是true分支（黄色），有些ALU执行的是false分支（灰蓝色），这样导致很多ALU的执行周期被浪费掉 (masked out)并且拉长了整个执行周期。最坏的情况，同一个SM中只有1/8（8是同一个SM的线程数，不同架构的GPU有所不同）的利用率。实际上，这意味着即使每个线程只执行其中一个分支，整个Warp需要等待所有分支完成，导致线程分歧。
３、 现代的gpu对于uniform branch都有movc优化分支，如上（1）中提到的只会跑一个路径但是vgpr（Vector General Purpose Registers）你得付出2倍。vgpr 使用率直接影响了GPU能够并发执行的着色器线程的数量，movc 过于复杂要求更多的vgpr来存储临时结果、中间状态和最终输出。导致更长的指令序列，增加执行时间。由于 寄存器占用过多，减少可以同时执行的线程数量， 产生 Register spilling（将寄存器写入主存），综上所述要是movc 后太复杂即便只走一次也影响vgpr从而影响性能！
４、对于uniform branch 推荐使用特化常量（specialization constants）,顾名思义特化常量是shader编译器编译阶段已知。展开计算或移除不必要的代码路径，常量的使用有助于减少运行时分支和寄存器的使用，从而提升性能。当然spec const 是对于 vk 在 opengles 中并没有，所以在 GLSL 中只能使用宏来定义实现类似于vk 的spec const 条件语句（不会像（3）上说的有vgpr问题） 。

各大平台实测：

如上提到的根据作者本人的实际测试uniform branch 对于if-else与宏之间的性能差异大致如下：

综上所述：实测可见条件分支 if -else在uniform branch情况下并不会比宏消耗的更多，所以一开始举例（一）与（二）准确来说是一样的，因为现代的GPU shader有movc/condition move硬件指令优化机制。

VGPR：

居然上面提到了vgpr这里单独讨论一下补一下GPU的寄存器的问题！vgpr（Vector General Purpose Registers）是向量通用寄存器，是 GPU 架构中的一个core重要组成部分，用于存储矢量数据和临时计算结果。矢量寄存器的数量和管理对 GPU 性能有极大影响，尤其在处理并行计算任务时。vgpr 主要用于保存线程执行过程中需要的各种数据，包括顶点属性、纹理坐标和中间计算结果等。
它的数量与其架构和设计紧密相关，不同的芯片厂商和型号会有显著差异。在移动端，高通（Qualcomm）、ARM（Mali）、以及苹果（PowerVR）都是主要厂商，而在 PC 端，AMD 和 NVIDIA 是主要的 GPU 制造商都不同！对于Mali-G77，每个计算核也会拥有几十到几百个 VGPR，这因核数和具体型号不同而异。对于Apple GPU与Qualcomm Adreno GPU 没有公开具体数量我也没找到！预估是上百个到一千之间（移动端的功耗与集成度决定的），但是PC比如之前英伟达的费米架构超过了2W的vgpr!
底下有两篇博客关于VGPR的优化（所以在移动端也不要小瞧if-else增加的2倍vgpr，当然在PC端可以不关系的） Optimizing GPU occupancy and resource usage with large thread groups，与vgpr寄存器的压力 How to reduce register pressure

step、三元运算符的性能消耗情况
一、对于三元运算符"?"它就是一个语法糖，在不同的 shader language等价不同！ 在hlsl和cg的三元运算符是和lerp step是等效的 gslsl是if-else 的dynamic branching，详细参考：Shader optimization: Is a ternary operator equivalent to branching?
二、step与 if-else 性能对比，首先不是所有的 step 都能替换 if-else 的，所以只能在能替换的情况下讨论，理论预计step 比 if-else 的非thread divergency（movc）消耗性能要看具体情况，如下unity的例子是优化的 Unity Shader: 优化GPU代码–用step()代替if else等条件语句，如下相对于案例（三）就是一种负优化！因为增加了纹理的采样！2D纹理的采样消耗是增加了一次双线性插值与LDU的花销！！！

in vec2 TexCoord;
out vec4 FragColor;
uniform sampler2D texture1;
uniform sampler2D texture2;
void main()
{
    float condition = step(0.5, TexCoord.x);
    vec4 color1 = texture(texture1, TexCoord);
    vec4 color2 = texture(texture2, TexCoord);
   
    // 使用混合来避免 if-else
    vec4 color = mix(color1, color2, condition);
    FragColor = color;
}

建议：

1. 尽量不要使用分支，如必须使用的话，优先选择常量的判定条件，其次选择 uniform 变量作为判定条件。
2. 最糟糕的情况是使用 shader 内部计算的值作为判定条件，尽可能避免。
3. 最终确定要使用分支，请确保两条分支不存在大量重复代码。大量重复代码会导致 shader 占用VGPR明显增多，减少 active warp 数量，最终导致性能下降。
4. 尽管 step()`和 mix() 在某些情况下有助于优化性能，但它们可能会降低代码的可读性和维护性。这是一个权衡，需要在性能优化和代码清晰度之间找到平衡点。

参考资料：

vulkan uniform、推送常量、特化常量概念和用法
添加链接描述图形引擎实战：游戏GPU性能优化
深入GPU硬件架构及运行机制
GPU硬件架构概述
移动端GPU