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