渲染管线

为什么用"管线"

把一个任务拆成 n 个阶段并行执行，理想情况下可以提速 n 倍。但每个阶段都依赖上一阶段的结果，最慢的那个阶段就是瓶颈 (bottleneck)，它决定了整条管线的吞吐量；等待瓶颈的下游阶段处于饥饿 (starved) 状态。书里用做三明治举例：每人 20 秒时每分钟能做 3 个，其中一步变成 30 秒，就只能做 2 个。

游戏开发启示：性能优化首先要找到瓶颈在哪个阶段，优化非瓶颈阶段几乎没有收益（详见 RTR4 第 18 章）。

功能阶段 vs 实现

书中讲的是功能阶段：只规定要完成什么任务，不规定怎么实现。真实硬件可能把两个功能阶段合成一个单元，也可能把一个耗时阶段拆到多个硬件单元上。

四个阶段

下图是四个阶段的顺序，以及几何处理阶段内部的子阶段。虚线框里的是可选阶段，可以不用。

flowchart LR
    A["应用<br/>CPU"] --> G["几何处理<br/>GPU"] --> R["光栅化<br/>GPU"] --> P["像素处理<br/>GPU"]
    subgraph G2["几何处理内部"]
        direction LR
        VS["顶点着色"] --> OPT["可选：曲面细分 / 几何着色器 / 流输出"] --> CL["裁剪"] --> SM["屏幕映射"]
    end
    G -.-> G2
    style OPT stroke-dasharray: 5 5

应用阶段

• 开发者完全掌控，可以随意修改实现来提升性能，而且会影响后续阶段，比如在这里减少要渲染的三角形数量。
• 部分工作也可以用计算着色器 (compute shader) 放到 GPU 上，把 GPU 当作高度并行的通用处理器。
• 它是软件实现，所以不像其他阶段那样分子阶段，但常在多个 CPU 核心上并行。

几何处理阶段

依次包括：

1. 顶点着色 (Vertex Shading)：算出顶点位置（必须），以及法线、纹理坐标等输出数据。名字来自过去逐顶点计算光照再插值颜色的做法；现在顶点着色器更像"准备顶点数据"的通用单元，也可以做骨骼动画等。坐标变换细节见 坐标空间。
2. 可选阶段（按顺序，均可不用）：
   • 曲面细分 (Tessellation)：由 hull shader、tessellator、domain shader 组成，按相机距离生成合适数量的三角形，近处多、远处少，解决"近看有棱角、远看浪费"的问题。
   • 几何着色器 (Geometry Shader)：比曲面细分出现得早、能力更有限，常用于粒子，比如把一个点扩展成面向相机的四边形。
   • 流输出 (Stream Output)：把处理后的顶点输出到数组，供 CPU 或 GPU 之后再用，常用于粒子模拟。
3. 裁剪 (Clipping)：完全在视景体内的图元保留，完全在外的丢弃，部分在内的被裁剪并生成新顶点。之后做透视除法得到 NDC。
4. 屏幕映射 (Screen Mapping)：把 NDC 的 x、y 平移加缩放到窗口坐标。

光栅化与像素处理

• 光栅化分为三角形设置和三角形遍历，详见 光栅化。
• 像素处理分为像素着色（可编程，最重要的技术之一是纹理）和合并（可配置但通常不可编程），详见 合并阶段与帧缓冲 和 深度缓冲。

固定功能与可编程

多年来开发者只能使用图形 API 定义的固定功能管线，最后一台主要的固定功能机器是 2006 年的任天堂 Wii。现代 GPU 可编程，可以决定各子阶段具体做什么。这条管线也不是唯一的渲染方式：电影离线渲染曾多用微多边形管线，如今多被光线追踪和路径追踪取代。

取舍与常见坑

• 能在应用阶段解决的（剔除、LOD）尽量提前做，减少进入 GPU 的工作量。
• 几何着色器和流输出等可选阶段并非所有 GPU 都支持，RTR4 也指出它们通常不常用。

GEA 的视角：从算法到管线（卷 II 11.3.1.4–11.3.1.5、11.4.1–11.4.3、11.4.6.1）

六个算法步骤

GEA 先列出光栅化渲染必须完成的算法步骤，再说明真实管线怎样对应它们（卷 II 11.4.1）：

书中强调真实管线会合并、拆分或增加阶段，甚至调整顺序、引入反馈回路，但所有光栅化引擎都要大致按这个顺序完成这些步骤。

为什么是管线：数据独立

• 每一步一次只处理一个数据元素，而且不允许跨元素读写：变换顶点时不能看别的顶点，光栅化一个三角形时不能读别的三角形，片元着色、测试、合并也不能读写其他片元或无关像素（几何着色器能拿到相邻三角形的顶点，是唯一例外）。
• 数据独立意味着没有数据竞争，于是可以用两种方式并行：各阶段在时间上重叠执行；同一阶段的硬件在芯片上复制多份，同时处理多个元素（卷 II 11.4.2）。
• GEA 给出的量级：每个 GPU 计算核心是 32 或 64 通道宽的 SIMD，一块 GPU 通常有 50 个以上这样的核心；50 个 32 通道核心满负荷时可同时处理 1,600 个数据元素。访存停顿时 GPU 切换到另一个 wavefront/warp，详见 GPU 并行架构。

逻辑管线与物理管线

• 逻辑管线是图形 API（OpenGL、DirectX、Vulkan、Metal）定义的编程范式，是实现者与使用者之间的契约：有哪些阶段、怎样连接、每个阶段能做什么。
• 物理管线是某个具体实现，通常由 CPU 上的软件、驱动层的 GPU 专用软件、GPU 上的固定功能硬件和着色器共同组成。两者的阶段不一定一一对应，例如逻辑上分开的顶点着色器和像素着色器都跑在同一种通用 SIMD 核心上。
• 多数 API 还提供纯软件的参考实现，作为检验 GPU 实现正确性的"标准答案"，不追求性能（卷 II 11.4.3）。这与本页「功能阶段 vs 实现」的区分是同一个意思。

传统光栅管线的九个阶段

GEA 把 DirectX 风格的传统管线列为九个阶段（卷 II 11.4.6.1）：输入装配、顶点着色器、外壳着色器、细分器、域着色器、几何着色器、流输出、光栅化器、像素着色器，最后由输出合并器写入帧缓冲。下图按这个顺序画出，虚线框为可选阶段。

flowchart LR
    IA["输入装配"] --> VS["顶点着色器"] --> HS["外壳着色器"]:::opt --> TS["细分器 固定功能"]:::opt --> DS["域着色器"]:::opt --> GS["几何着色器"]:::opt --> SO["流输出"]:::opt --> RS["光栅化器 固定功能"] --> PS["像素着色器"] --> OM["输出合并器"]
    classDef opt stroke-dasharray: 5 5

• 应用通过 draw call 提交几何（OpenGL 的 glDrawArrays/glDrawElements，D3D11 的 Draw/DrawIndexed，Vulkan 的 vkCmdDraw/vkCmdDrawIndexed），输入是一个或多个顶点缓冲，可带索引缓冲。
• 图元类型主要有点列表、线列表、三角形列表，以及带索引的变体和三角形带；可附带邻接信息（三角形多带三个相邻顶点、线段多带两个），只有几何着色器能看到。
• 输入装配器读取顶点和索引缓冲，把不同格式（索引列表、非索引列表、三角形带）统一装配成图元，还能把多个顶点缓冲里的属性交错拼成一个"结构体"交给着色器。
• DirectX 功能规范并不把光栅化器当作一个"阶段"，而是看作阶段之间的接口；它负责裁剪、透视除法、视口变换、三角形遍历、属性插值和裁剪矩形测试，也可以整个禁用，把管线变成只经流输出写内存的数据处理管线。
• 各阶段细节见 顶点着色器、曲面细分与几何着色器、像素着色器、合并阶段与帧缓冲。

与 RTR4 的分歧：应用"阶段"还是应用"层"

• RTR4 把应用阶段算作管线的第一个阶段（本页「四个阶段」）。
• GEA 指出 OpenGL、DirectX 等 API 把应用视为管线的外部客户端，所以书中只说应用层 (application layer)，不加"阶段"二字；图形管线指应用之下、由 API 定义的那部分（卷 II 11.3.1.4）。
• 两种说法描述的是同一套结构，只是边界划在哪里不同。GEA 还指出这条边界一直在往上移：早期整条管线都是 CPU 软件，Voodoo 把最贵的后段搬进硬件，GPU 又接管了更多工作；如今有的引擎把应用层也用计算着色器搬到 GPU 上，加上网格着色器，管线越来越像随机访问，等于重新走向保留模式（卷 II 11.3.1.5）。应用层本身见 图形栈与渲染引擎架构。

延伸阅读

• Blinn《A Trip Down the Graphics Pipeline》：从零写软件渲染器，讲裁剪和透视插值的细节
• 《OpenGL Programming Guide》（红宝书）