图形渲染与 Shader / 系统课时

CPU 和 GPU 怎样分工

CPU 和 GPU 怎样分工

实时渲染依赖 CPU 与 GPU 同时工作,而不是 CPU 做完一帧后再把任务整体交给 GPU。本节从场景更新、命令生成、并行图形计算和同步四个方面拆开职责,帮助你判断一次卡顿究竟发生在哪一端。

学习目标

  • 区分 CPU 在场景管理和命令准备中的职责与 GPU 的图形计算职责
  • 理解 CPU、GPU 为什么能够异步处理不同帧的工作
  • 能根据典型现象初步判断 CPU 瓶颈、GPU 瓶颈和同步等待

CPU 负责准备和调度

CPU 更适合执行分支复杂、依赖关系强的程序逻辑,例如处理输入、游戏规则、动画状态、物理结果和场景组织。进入渲染阶段后,它还需要决定哪些对象参与绘制,为对象准备资源绑定和参数,并通过图形 API 记录命令。

这里容易产生一个误解:CPU 通常不会亲自逐像素计算最终画面。它更像渲染工作的组织者,负责把“绘制哪些对象、使用哪些资源、按什么顺序执行”描述成 GPU 能执行的命令。

如果场景包含大量对象,而程序需要逐个执行可见性判断、状态准备和绘制提交,即使 GPU 还有余力,CPU 也可能因为无法及时生成足够的工作而限制帧率。

GPU 负责大规模并行执行

GPU 拥有大量适合并行计算的执行资源。同一网格包含成千上万个顶点,一个三角形可能产生大量片元,这些数据天然适合批量并行处理。因此顶点变换、光栅化、片元着色、纹理采样和大量图形计算通常由 GPU 完成。

GPU 的优势并不意味着任何任务放过去都会更快。任务需要具有足够的并行度,而且 CPU 与 GPU 之间的数据传输和同步也有成本。渲染系统的目标不是简单地“尽量让 GPU 多做”,而是把适合各自架构的工作放在合适的一端。

两端怎样同时推进

CPU 和 GPU 通常通过命令缓冲区、队列以及同步对象协作。CPU 可以记录一批 GPU 命令并提交,然后继续处理下一批工作;GPU 则从队列中读取已经准备好的命令。于是某一时刻,CPU 可能正在准备下一帧,而 GPU 仍在渲染之前提交的帧。

CPU 与 GPU 异步协作的时间关系

这种重叠能够提高硬件利用率,但也意味着“CPU 完成提交”不代表这一帧已经在屏幕上完成。只有当后续操作确实依赖 GPU 结果时,程序才应等待相应的栅栏、信号量或其他同步条件。过度同步会破坏并行,使 CPU 或 GPU 空等另一端。

怎样判断哪一端在限制帧率

判断瓶颈时,不要只看某个处理器的总体利用率,而要观察一帧的关键耗时和等待关系。CPU 侧耗时过长,常见原因包括对象数量过多、逻辑或动画更新昂贵、绘制提交开销大;GPU 侧耗时过长,则常见于分辨率过高、着色器复杂、过度绘制、大量阴影或昂贵后处理。

一个实用的初步实验是降低渲染分辨率。如果帧率明显提高,说明大量成本很可能位于与像素数量相关的 GPU 工作;如果帧率几乎不变,则应继续检查 CPU 工作、几何处理、同步等待或其他不随分辨率明显变化的阶段。这个实验只能缩小范围,最终仍应结合帧分析工具确认实际耗时。

CPU 与 GPU 的关键关系可以概括为:CPU 负责组织和供应工作,GPU 负责高并行执行,两端通过队列和同步机制保持正确的先后关系,并尽可能让不同帧的工作互相重叠。理解这一点后,分析实时渲染性能就不再只是看“哪块硬件更忙”,而是看整条协作链在哪里停止了流动。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

CPU 和 GPU 怎样分工

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通