随着3D渲染场景规模越来越复杂，单线程渲染架构在满足业务性能要求时已经捉襟见肘，因此，多线程渲染显得愈发重要。本文首先介绍了新一代图形渲染接口Metal、Vulkan，以及它们的多线程渲染特性，然后描述了一种优雅的渲染架构，可以解决渲染管线开发中的诸多困扰，并且基于此实现了多线程渲染，极大的提升了3D渲染效率。
一、背景
Metal[1]、Vulkan[2]是分别由苹果(Apple)和科纳斯组织(Khronos Group)面向新一代图形处理器(GPU)设计的图形API。在移动平台上，Metal应用于iOS系列产品，Vulkan主要由Android系统提供。Metal、Vulkan作为新一台的图形API，相较于OpenGL(ES)，设计了更底层、更细粒度的接口，提供了全新的状态管理，改善了错误处理机制，增加了新的特性支持。
使用新一代的图形渲染接口，可以全方位的增强3D引擎的渲染能力。比如使用状态缓存机制，可以降低CPU负载；利用ray tracing的三角面求交能力，可以带来全新的全局光照方案(Global Illumination)；自定义显存管理器，可以提高显存利用率……本文受限于篇幅，无法从各个角度逐一而述，这里主要讨论新一代图形渲染接口带来的多线程渲染能力，以及如何围绕它设计一种渲染架构。
二、多线程渲染
通常一个单线程渲染引擎会面临着硬件资源浪费的问题。如下图1所示，一个CPU线程需要先负责逻辑更新，然后反复更新渲染状态，提交渲染指令。这种架构同时造成了CPU和GPU闲置。对CPU而言，完全可以将这些任务分配给多个CPU线程并行执行；就GPU而言，CPU线程在进行逻辑更新和提交渲染指令时，GPU处于闲置状态，浪费了算力。
图1 单线程渲染面临的问题
作为开发者，在不考虑功耗、散热、资源分配等现实限制条件下，通常希望CPU、GPU永远处于满负荷状态。为了达到满负荷的状态，每个线程通常需要具备三个基本能力：
· 资源创建管理
· Pipeline创建管理
· Command Buffer创建管理(提交Draw Calls)
如果使用OpenGL(ES)，引擎开发者将面临的最大问题是，OpenGL(ES)API不能跨线程调用，它们的调用只能局限在GL Context创建线程内，这也就意味着OpenGL(ES)无法原生支持多线程渲染。为了达到OpenGL(ES)多线程渲染的目的，开发者需要手动实现Command Buffer，记录图形调用指令，考虑数据线程安全问题，解决资源同步可能带来的性能损耗，不胜其烦。而这些问题，已经在metal、vulkan设计者考虑之内，新一代的图形API天然支持跨线程调用，让多线程渲染变得更具有实践可行性。如下图2所示，使用Vulkan时，Thread 1、2、3独自组织更新工作，写入Command Buffer，最后提交到Thread 4中的Command Queue中。
图2 Vulkan多线程渲染架构
三、小结与转进
从上面的描述可以看到，新一代的图形API为了提高硬件资源利用率，进行了全新的设计，似乎多线程渲染唾手可得，渲染效率即将走向巅峰。然而，如果到此为止，急冲冲拿着多线程渲染API试图提升渲染效率，进行实践时，才会发现脑子里一团乱，无从下手。毕竟上面只是简单描述了图形API的基本能力，并没有提供任何实际可行的方案。就好比做菜，有一样的原料，做出来的菜品可能千差万别。不过下面不准备直接描述一种多线程渲染方案，先转进到一个相关问题—Render Graph。
四、Render Graph
Render Graph在有些文献也称之为Frame Graph，这里使用Render Graph一词，主要是考虑到与Shader Graph[3]一词呼应。附录对Shader Graph有一个简单描述。
Render Graph是基于数据驱动的理念，将行为与数据解耦。只不过是Shader Graph处理shading相关问题，Render Graph处理rendering相关问题。下面先了解下，渲染器开发时遇到的一些痛点问题，然后了解下Render Graph如何解决这些痛点。
4.1 网状结构的渲染流程
从图3可以看到，一个常见的渲染系统，包含了地形、粒子、全局光照、反射、PBR、后处理、天空……各种模块，而这些模块还具有相互依赖关系，形成网状结构，实际开发中会导致一系列令人沮丧的问题，简单举例：
· 记忆难度大。即使渲染系统由一个专人负责，过了一段时间之后，也很难对整个渲染流程记得分毫不差。
· 不易了解渲染流程全貌。阅读线性结构的代码，来理解图状结构的流程，非常困难。
· 日常维护难。为了支持新的渲染特性，经常需要向已有的流程中添加新的模块，新的模块意味着需要打断与重建各模块之间的联系，稍有不慎，就会出错。
· 资源管理困难。比如motion blur和Temporal Anti-Alias都需要使用velocity buffer，一旦渲染流程中各种开关过多，那么确定velocity buffer创建、销毁时机就变得异常困难。如果采用粗暴的设计方式，就会变成渲染开始阶段创建velocity buffer，直到渲染生命周期结束才销毁velocity buffer，占用了紧缺的GPU资源。更加糟糕的是，即使精妙的设计了velocity buffer创建和销毁时间，后续渲染流程稍有改动，这个所谓的精妙设计反而变成了错误设计，作茧自缚，心智负担极重。
· 模块管理困难。比如 shadow map模块，如果某个场景中不需要使用阴影，那么shadow map模块就不应该执行。为了达到这种开关效果，往往实际中建立一系列的if分支判断，决定流程是否执行。但这种带有“土味”的方法，会使渲染流程更难理解，代码bug极容易发生。
图3 Frostbite渲染系统
上面一系列令人头疼的问题，实践过的人会明白，痛不欲生，Render Graph应运而生。
4.2 Render Graph应用在延迟渲染上
图4 延迟渲染流程使用Render Graph描述
要讲清楚什么是Render Graph，最好的方式是直接看一个Render Graph例子。如上图4所示，它描述的就是一个延迟渲染流程的Render Graph，从中可以看到橙色的方框代表的是行为(operation)，蓝色的方框代表的是资源(resource)。在实践中，引擎中使用一个基类RenderGraphRenderPass来定义行为，使用一个基类RenderGraphResource来定义资源。这样在实现RenderGraph时，需要经历三个阶段：
· 构建阶段。在此阶段中需定义所有RenderGraphRenderPass、并为其定义输入输出RenderGraphResource。资源类型分为两种，permanent和transient。Permanent一般是Render Graph的外界资源，比如back color buffer之类。Transient资源可根据读写属性分为三种，只读资源，可写资源、内部创建资源。
· 编译阶段。在这个阶段，Render Graph可以自动的根据配置剔除无效行为和数据，并且自动的计算资源生命周期。
· 运行阶段。执行代码，完成整个渲染流程。
有了Render Graph，数据和行为得到解耦，加上清晰的数据流，很好的解决了4.1节提到的诸多混乱。比如，如果需要在上面的延迟渲染流程中添加Screen Space Ambient Occlusion(SSAO)，只需要将全部的精力集中在SSAO的算法实现上，实现一个RenderGraphSSAORenderPass，然后定义好输入输出，不用关心现有的渲染流程如何复杂。然后在Render Graph中设置好AO相关节点，连接好相应的数据流，整个过程就完成了。
4.3 复用延迟渲染渲染流程
在4.2小节中定义了一个延迟渲染的Render Graph，在本节可以看看如何复用这个Render Graph来实现新的功能。从图5可以看到，对于延迟渲染的绝大部分流程，不必做改变，只需要把Lighting Buffer拷贝到cube map之中，然后进行卷积，就可以得到反射球。
图5 复用延迟渲染生成反射球
4.4 剔除无效数据和行为
在4.2小节中提到了， RenderGraph第二阶段是编译阶段，会进行无效行为和数据剔除。如下图6所示，这里本来Gbuffer是作为Lighting render pass的输入，现在改为Debug View render pass的输入，然后拷贝到Final target上，就可以显示渲染中间变量，用来进行调试。此时Lighting render pass及其相关资源和render pass就变成了无效资源，可以直接在编译阶段剔除。
图6 剔除Lighting及其相关资源
4.5 异步执行的Compute Shader
除了常见的渲染单元，现代图形架构中还存在着不可忽视的计算单元(Compute Shader)。Compute shader相较于渲染单元，将精力集中在计算方面，类似于光栅化这种渲染单元中的标准步骤，在计算单元中不复存在。可以简单的认为，在执行通用计算时，compute shader的效率优于fragment shader。因此，一个完整的渲染架构不可回避通用计算模块，可以定义一个基类RenderGraphComputePass来描述这个功能。
既然同时有了RenderPass和ComputePass，就需要考虑RenderPass和ComputePass是否串行执行。考虑到RenderPass和ComputePass都涉及大量IO访问和图形API提交，GPU有可能处于闲置状态，因此将RenderPass和ComputePass进行并行设计。如图7所示，因为SSAO功能考虑使用compute shader实现，那么SSAO相关功能放到另外一个异步队列中。因为异步设计，同时会造成相应资源的生命周期延长，增加了整体显存消耗。
图7 上部和下部分别描述了SSAO的同步和异步设计
4.6 小结
基于Render Graph的渲染管线架构，数据流清晰，维护容易，高度可配置，甚至可以做到为每个渲染场景定义一套独特的渲染管线，最大化的利用硬件效率。
那么这一切和本文提到的多线程渲染有什么关联？
五、基于多线程渲染的Render Graph
站在更高角度抽象的去看Render Graph， Render Graph是一个有向无环图。如图8所示，执行C依赖F的完成，但D并不依赖F，也就是C、F必须串行执行，而D、F可以并行运算。因此只要对这个有向无环图进行拓扑排序，系统便可以自动判定任务并行性，这就是多线程渲染的切入点。如果具象的理解这个问题，可以认为任务D是Gbuffer pass，而任务F是shadow pass，那么D和F不存在相互依赖关系，可以并行计算。
图8 Render Graph的抽象形式
这里设计了一种拓扑排序方法：
1. 统计各节点出度和入度。D、F入度为0，具备并行性，出度分别为1、2。E的入度为1。
2. 执行入度为0的节点。执行D、F，F任务结束后，将它指向的节点入度减去1，这样E的入度变为0。
3. 反复执行第二步，直到整个Graph执行完成。
经过上面的操作，整个Render Graph变成线性执行关系，最后提交给常规的并行系统执行，如图9所示。
图9 拓扑排序Render Graph tasks并执行
六、总结
本文首先介绍了Metal、Vulkan的多线程能力，然后使用Render Graph作为渲染架构，最后利用了一种简单的拓扑排序方法，将有向无环图展开为线型执行结构，使Render Graph天然支持并发的特性得到发挥，能够充分利用新一代图形API的多线程渲染能力。
本文受限于篇幅，主要探讨新一代图形API的多线程渲染能力，其它方面来不及深究。此外，CPU逻辑的并行能力也没有来得及阐述，希望未来有机会进一步进行补充。
作者简介
饶超，2018年加入快手，图形引擎开发工程师，负责特效图形引擎设计与开发。
附录
Shader Graph主要是根据数据驱动的理念，将行为(shading)和数据解耦。下面图10展示了Unreal Engine 4 Shader Graph的UI界面。UI最右边面板含有Base color、Metallic、Roughness、Opacity等等slot，其余的部分为这些slot提供数据。这种设计，引擎内部可以不用关心data provider(整个Shader Graph就是一个data provider)具体逻辑，直接拿到这些数据，进行进一步的shading。Shader Graph具体实现本文不做深入探讨，它与多线程渲染并没有太多的关联。
图10 Unreal Engine 4 Shader Graph
引用
[1] Metal Programming Guide：https://developer.apple.com/library/archive/documentation/Miscellaneous/Conceptual/MetalProgrammingGuide/Introduction/Introduction.html
[2] Vulkan：https://www.khronos.org/vulkan/
[3] Unity3D shader graph：https://unity.com/shader-graph
快手Y-tech介绍Y-tech团队是快手公司在人工智能领域的探索者和先行者，致力于计算机视觉、计算机图形学、机器学习、AR/VR等领域的技术创新和业务落地，不断探索新技术与新用户体验的最佳结合点。目前Y-tech在北京、深圳、杭州、Seattle、Palo Alto有研发团队，大部分成员来自于国际知名公司和大学。如果你对我们做的事情很感兴趣，希望一起做酷炫的东西，创造更大的价值，请联系我们：ytechservice@kuaishou.com。
