不爭氣的geometry shader

轉載請註明出處為KlayGE遊戲引擎，本文地址為http://www.klayge.org/2011/07/26/%e4%b8%8d%e4%ba%89%e6%b0%94%e7%9a%84geometry-shader/

上周末實現了打算在KlayGE 4.0中使用的render to texture array功能。於是自然而然想到在ShadowCubeMap這個例子中使用，用來在1個pass內直接產生cubemap。結果，不比不知道，一比嚇一跳。在不同GPU上FPS如下：

	NV 9800GT	NV 480GTX	AMD 5870
6 pass Cubemap	158.63	312.82	241.10
Dual Paraboloid	5.77	375.32	211.91
1 pass Cubemap	66.08	288.77	228.44
1 pass Cubemap with instance	105.37	281.34	224.10
1 pass Cubemap with instance GS	NA	287.80	211.01

9800GT所在機器的CPU比後兩套系統差得多，沒法橫向比較，只能縱向比較。後兩套系統只有GPU不同，可以橫向和縱向比較。

5種做法

• 6 pass Cubemap是個基準，實現方法就是最通俗的，在光源的位置向6個方向各渲一遍情境，得到cubemap的shadow map。
• Dual Paraboloid需要渲染2個pass，正反面各一次，把經過tessellation的情境參數化到拋物面座標繫上。這種方法看似不錯，但實際上省 不了多少draw（因為在高層就做了視錐剪裁），而且因為需要tessellation，開銷會增加很多。在9800GT上，因為沒有硬體的 tessellator，這裡用的是簡單的instanced tessellation，每個三角形不管大小都固定切分5次，所以效能超級低下。
• 1 pass Cubemap的做法是，把每個頂點在VS裡面分別乘上6個model view projection，得到了6個position全都傳給GS。在GS裡把每個三角形根據不同的position產生6份，然後通過 SV_RenderTargetArrayIndex傳到不同的rt上，一個pass完成render to texture array。原先也試過在VS裡面只是簡單地把輸入的position傳給GS，而在GS裡面完成乘矩陣的事情，結果更慢。
• 1 pass Cubemap with instance的做法是用instance來產生6個頂點。這樣在VS裡面只需要根據SV_InstanceID選擇乘上哪一個model view projection，在GS裡面也不用產生6份。
• 1 pass Cubemap with instance GS用到了D3D11新增的instance GS功能，讓GS自己instance多個，而不用IA來進行instance的操作。

資料分析

1. Dual Paraboloid需要做很細的tessellation，而tessellation正是NV Fermi的強項，所以DP在NV 480GTX上比AMD 5870快得多，甚至快於不必做tessellation的方法。
2. 1 pass Cubemap with instance比1 pass Cubemap快一些，說明用IA來拆頂點的效率比GS高得多（因為GS更通用）。
3. 1 pass Cubemap with instance GS和 pass Cubemap with instance速度差不多。instance GS的出現就是為了加速這種狀況，但它似乎沒有做到。
4. 1 pass Cubemap比6 pass Cubemap慢了不少。而且如果沒有在GS裡面做frustum culling，會慢相當多！

對於3和4，有兩種可能。第一是cubemap只有6個面，太少了，不夠GPU發揮；這種可能性存在，但機率很低。更有可能是，GS太垃圾了，沒法很有效地執行預期的操作。

結論

這樣一測試，基本上可以認為，在render to cubemap的情況下，只要經過了GS，哪怕很簡單的GS，都會對效能大打折扣。所以除非是類似於stochastic rendering、motion blur，其他時候用GS往往得不償失。好在，D3D11的GPU上GS已經有所最佳化。比起D3D10的GPU來說，新一代GPU的GS效能損失少了很 多。但本來寄希望於instance GS，結果沒有太多的好處，不知道以後的GPU和驅動會不會有所改進。

另外，如果實在要做render to texture array，別忘了在GS裡面自己做frustum culling以及back face culling。這樣能極大地減少輸出三角形的個數，從而提升GS的效能。