技美知识学习3700：现代移动端的TBR和TBDR渲染管线

学习教程来自:【技术美术百人计划】图形 3.7 移动端TB(D)R架构基础

移动端GPU的TB(D)R架构

1. 当前移动端GPU概况

市场占比概况（数据来自学习教程PPT）

1.1 移动端和桌面端功耗对比

移动端和桌面端功耗对比（数据来自学习教程PPT）差距约100倍

1.2 移动端和桌面端带宽对比

移动端和桌面端带宽对比（来自学习教程PPT）差距约10倍

2. 名词解释

SoC(System on Chip)：芯片。把CPU GPU 内存 通信基带 GPS模块等整合在一起的芯片
System Memory：手机内存。CPU和GPU共用的一块片内LPDDR物理内存，一般有几个G
On-chip Memory：缓存。CPU和GPU的高速SRAM的Cache缓存，一般几百K到几M，比内存快几倍到几十倍，他们都共享内存地址空间（桌面端是分开的）。在TB(D)R架构下会存储Tile的颜色、深度和模板缓冲
Stall：GPU必须串行的2次计算之间的等待过程
FillRate：ROP运行时钟频率 X ROP个数 X 每个时钟ROP可以处理的像素个数
TB(D)R/Tile-Based(Deferred)Rendering：主流的移动GPU渲染架构，对应PC的IMR(Immediate Mode Rendering)。屏幕被分成16或32的像素块渲染
TBR流程：VS-Defer-RS-PS
TBDS流程：VS-Defer-RS-Defer-PS（见7、8描述2个defer过程）
Defer：延迟，阻塞+批处理待渲染的一帧中的多个数据，然后一起处理

3. 立即渲染(IMR)

IMR工作流程（来自https://www.imaginationtech.com/）

4. 基于块元的渲染TB(D)R

1. 逐个图元（顶点着色+图元加入TileList）：阶段1执行几何相关的处理，生成Primitive List/图元列表，确定Tile上的图元有哪些
2. 逐个分块（片元着色等）：逐Tile执行光栅化和后续处理，完成后将Frame Buffer从Tile Buffer写回System Memory中

5. TB(D)R的硬件渲染顺序

TB(D)R工作流程（来自https://www.imaginationtech.com/）

6. IMR和TB(D)R对比

TB(D)R对比和IMR对比（来自学习教程PPT）

总体上看，TBR降低了功耗和带宽，但帧率上并不比IMR快

TBR的优缺点：

优点：

1. TBR有利于消除OverDraw，其中PowerVR的HSR技术和Mali的Forward Pixel Killing技术，都最大限度的减少了被遮挡像素的texturing和shading
2. Cached Friendly，在缓存中的读写速度远高于全局内存，以降低render rate的代价，减低了带宽和功耗。

缺点：

1. binning过程：在VS过程后输出几何数据到DDR，然后被FS读取，几何数据过多的情况下可能在此处产生性能瓶颈
2. 当三角形覆盖在多个tile上时，需要绘制很多次，此时性能低于IMR模式

7. Binning过程（第一个Defer）

过程：图元分配到对应的块元

Binning过程（来自学习教程PPT）

测试工具：Adreno Profiler

8. 不同GPU的Early-Depth-Test（第二个Defer）

8.1 Qualcomm Adreno的LDR（Android）

硬件的occlusion culling：在正常渲染管线之前，VS生成低精度depth texture，剔除不可见的三角形

8.2 Mali的FPK（Android）

Forward Pixel Kill技术：在Early-Z阶段之后，使用一个FIFO队列抛弃被遮挡的Quad（例子中是2*2的像素）

FPK过程（来自学习教程PPT）

8.3 Power-VR的HSR（IOS）

Hidden Surface Removal技术：沿一条射线从第一个不透明片元向后剔除被遮挡的片元

HSR过程（来自学习教程PPT）

9. 优化建议

1. 不使用FrameBuffer时及时Clear或Discard：清空了在tile buffer上的中间数据。Unity中，不适用RT时调用Discard。OpenGL ES中善用glClear、glInvalidateFrameBuffer，避免不必要的Resolve（tile buffer刷新到系统内存）行为
2. 减少一帧中FrameBuffer绑定的频繁切换：减少了tile buffer和系统内存之间的stall操作
3. 考察Alpha Test和Alpha混合的实际表现，合理使用。减少Alpha混合实现透明时的混合范围（例如将透明区域的Mesh裁剪掉替换为多边形）
4. 使用Alpha Test时先进行提前深度测试
5. 图片尽量压缩，例如ASTC ETC2
6. 图片尽量开启mipmap
7. 贴图采样：UV值尽量使用VS中传出的Varying变量（VS向PS中传递的变量）（连续），不要再FS中动态计算UV（非连续），造成CacheMiss
8. 在延迟渲染中尽量利用Tile Buffer
9. 项目配置中不同的配置导致的帧率变化，可能是带宽占用的问题
10. MSAA在TBDR下消耗很小：硬件速度快
11. 减少FS中Clip(HLSL)、discard(GLSL)、gl_FragDepth的使用：会打断Early-DT的执行
12. 区分使用float、half、fix：1). 降低带宽占用 2). 减少GPU周期提高并行程度 3). 降低统一变量寄存器数量，从而降低寄存器数量溢出风险，参考Unity3D shader优化技巧集合
13. 减少FrameData压力：顶点处理部分容易成为瓶颈，应避免使用曲面细分shader、置换贴图等负操作。提倡使用模型LOD，且尽早进行遮挡剔除（如umbra）

作业

题目：打包场景到Android平台，对比优化前和优化后的结果
测试环境：2.84 GHz 骁龙865八核 8GB运存
提前总结：以下优化效果测试了贴图大小的影响，关闭了一些影响不大的后处理效果，没有进行shader的修改（菜~~ 没找到shader的位置，之后再完善吧）。

0. 优化前

场景来自Unity Asset 资源链接

优化前 PPT 1500ms

优化前 1500ms

优化1：从上边的图看，瓶颈在GPU。经过尝试后关闭了摄像机中一个后处理（远处场景模糊处理），

1. 关闭耗时的后处理

关闭1个后处理 36.88ms

2. 贴图调整

贴图调整前 为2048X2048 38ms左右

1. Texture Compression设置为ETC：没啥效果，依旧为38ms，看来默认就会有一些压缩
2. Max Size 2048 -> 256 -> 32：差别不大，降低了5ms左右，画质变差了很多。可能由于开启了MipMap，远处的贴图降低了分辨率，近处的物体也不是很多。还有可能由于手机的性能瓶颈不在这里，故调整贴图大小差别不大

贴图调整为32X32 34ms

如图，当摄像机离散的变化到一个新位置时，渲染的时间会突然增加再慢慢减少，往复循环。

3. Shader

场景中使用的材质

这个场景里的Shader没找到从哪里能改，卒

4. 一些后处理效果的删除

经测试，关掉这些后处理效果能在最终效果差别不大的情况下提升帧率（贴图在2048分辨率下）

关闭的效果

关闭后 平均28ms左右（关闭前38ms） 最高33ms 与贴图改到 32X32 分辨率结果相近

效果图

优化前