图形渲染与 Shader / 系统课时

分析 GPU 性能

分析 GPU 性能

画面“掉帧”并不能直接说明 GPU 是瓶颈,因为 CPU 提交命令与 GPU 执行通常异步进行。本课用 GPU 计时查询测量真实设备执行时间,再通过分阶段实验和帧分析工具判断瓶颈来自几何、片元、带宽还是渲染状态。

学习目标

  • 理解 CPU 帧耗时与 GPU 执行耗时为什么不能直接等同
  • 使用 OpenGL Timer Query 测量一个 GPU 工作区间
  • 通过分阶段计时、缩放实验和帧捕获进一步定位瓶颈

先确认是不是 GPU 受限

用 CPU 时钟包住 glDraw* 只能测到命令提交成本,不能可靠代表 GPU 真正执行了多久。glFinish() 虽然能强制等待 GPU,但会破坏 CPU/GPU 并行,因此只适合极少量诊断,不应作为持续性能统计手段。

Timer Query 会把时间测量放到 GPU 命令流中。CPU 先提交查询起点、渲染命令和查询终点,GPU 按顺序执行后再产生结果。理解这条异步时间线,是避免“CPU 看起来很快,所以 GPU 也很快”这一误判的关键。

CPU 提交与 GPU Timer Query 时间线

用计时查询验证测量链路

下面是片段示例:依赖有效 OpenGL 3.3+ 上下文且 GLAD 已加载。示例测量一次颜色与深度缓冲清除,只用于验证 Timer Query 使用方式;实际项目应把同样的查询边界放到阴影、主渲染、后处理等真实 Pass 外围。

cpp
#include <glad/glad.h>
#include <iostream>

void measureClearPass() {
    GLuint query = 0;
    glGenQueries(1, &query);

    glBeginQuery(GL_TIME_ELAPSED, query);
    glClear(GL_COLOR_BUFFER_BIT | GL_DEPTH_BUFFER_BIT);
    glEndQuery(GL_TIME_ELAPSED);

    // 最小诊断示例会等待结果;持续分析时应延迟若干帧再读取。
    GLuint available = GL_FALSE;
    while (available == GL_FALSE) {
        glGetQueryObjectuiv(query, GL_QUERY_RESULT_AVAILABLE, &available);
    }

    GLuint64 elapsedNs = 0;
    glGetQueryObjectui64v(query, GL_QUERY_RESULT, &elapsedNs);

    double elapsedMs = static_cast<double>(elapsedNs) / 1'000'000.0;
    std::cout << "GPU clear pass: " << elapsedMs << " ms" << std::endl;

    glDeleteQueries(1, &query);
}

预期输出:

text
GPU clear pass: <VALUE> ms

<VALUE> 会随 GPU、分辨率、驱动和当前负载变化。这个示例为简洁而轮询结果,因此会阻塞 CPU;生产级分析应使用多组 Query 做环形缓存,在后续帧确认 GL_QUERY_RESULT_AVAILABLE 后再取回结果。

按渲染阶段切开测量

不要一开始给每个 Draw Call 都加查询。先按阴影、几何或主场景、光照、透明、后处理等大阶段计时,找出占比最高的一段,再继续细分。这样既减少查询本身的管理成本,也能更快定位最值得优化的区域。

观察到的变化 对照实验 更可能的瓶颈
降低分辨率后 GPU 时间明显下降 保持场景不变,只缩小渲染目标 片元着色、过度绘制或显存带宽
减少模型或实例后明显下降 分辨率和材质保持不变 顶点处理、几何量或 Draw Call 组织
简化 Shader 后明显下降 几何与分辨率保持不变 ALU、纹理采样或分支
关闭透明层后明显下降 其他 Pass 不变 混合、过度绘制或排序造成的额外工作

测试时应先关闭 VSync 和人为帧率上限,否则帧时间可能被固定在显示刷新周期附近,真实优化收益会被掩盖。Shader 首次编译、资源上传和缓存预热也应排除在稳定样本之外。

用帧分析工具复核热点

Timer Query 能回答“哪一段慢”,帧分析工具更适合回答“为什么慢”。捕获代表性帧后,先检查事件列表与渲染 Pass,再查看热点 Draw Call 的管线状态、Shader、纹理与 Render Target;如果硬件与工具支持性能计数器,再结合 GPU 利用率、纹理单元、缓存或带宽相关指标判断资源是否饱和。

RenderDoc 适合检查一帧中的 Draw Call、资源绑定和状态是否符合预期;NVIDIA Nsight Graphics、AMD Radeon GPU Profiler、Intel GPA 等工具可进一步提供不同硬件上的时序或计数器信息。工具名称不是结论,关键是让计时查询发现的热点与帧捕获中的高成本阶段互相验证。

避免常见测量误差

不要只采一帧,也不要把 CPU 等待 Query 结果的时间误认为 GPU 工作时间。建议在场景稳定后采集数十到数百帧,并同时关注平均值和高分位帧时间;如果某个优化只让平均值更好却让尖峰更严重,实际交互体验仍可能下降。

GPU 优化的可靠闭环是:先用 Timer Query 找到最慢阶段,再做一次只改变单一变量的对照实验,最后用帧分析工具核对资源、状态和硬件计数器。只有三者指向同一瓶颈时,才值得进入具体优化。

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

分析 GPU 性能

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