基于OpenGL的高效GPU随机内存访问

让GPU高效地计算“反功能”例程的最佳模式是什么，这些例程通常依赖于定位内存写入而不是读取？ 例如，像计算直方图、排序、将数字除以百分比、将不同大小的数据合并到列表中等等。

确定的术语是聚集读取和分散写入

收集阅读 这意味着您的程序将写入固定位置（如片段着色器的目标片段位置），但可以快速访问任意数据源（纹理、制服等）

分散书写 这意味着，程序接收的输入数据流不能任意寻址，但可以快速写入任意内存位置

显然，OpenGL的着色器体系结构是一个聚集系统。最新的OpenGL-4还允许在片段着色器中进行一些分散写入，但速度较慢

---

那么，现在用OpenGL模拟“散射”最有效的方法是什么呢。到目前为止，这是在像素大小的点上使用顶点着色器。您可以发送尽可能多的要处理的数据点，并通过相应地设置它们的位置将它们分散在目标内存中。可以使用几何体和细分着色器生成在顶点单位中处理的点。您可以使用纹理缓冲区和UBO进行数据输入，使用顶点/点索引进行寻址。

GPU采用多种内存类型构建。一种类型是DDRx RAM，可供主机CPU和GPU访问。在OpenCL和CUDA中，这称为“全局”内存。对于GPU，全局内存中的数据必须在GPU和主机之间传输。它通常被安排在银行，以允许流水线内存访问。因此，对“全局”内存的随机读/写相对较慢。访问“全局”内存的最佳方式是按顺序访问。
它的大小范围为每台设备1G-6B

下一种类型的内存是GPU上的。一个计算单元/多处理器内的多个线程/扭曲都可以使用共享内存。这比全局内存快，但不能从主机直接访问。CUDA称之为共享内存。 OpenCL调用这个本地内存。这是用于随机访问阵列的最佳内存。CUDA有48K，OpenCL有32K

第三种内存是GPU寄存器，在OpenCL中称为private，在CUDA中称为local。私有内存是最快的，但可用内存少于本地/共享内存

优化随机访问内存的最佳策略是在全局和本地/共享内存之间复制数据。因此，GPU应用程序将其全局内存的部分复制到本地/共享，使用本地/共享进行工作，并将结果复制回全局

---

复制到本地、使用本地处理和复制回全局的模式是理解和学习在GPU上良好编程的重要模式

您是在询问OpenGL、OpenGL ES还是WebGL？因为这是三个不同问题的三个不同答案。虽然从技术上讲，答案总是某种形式的“这取决于硬件”。OpenGL 3比WebGL有哪些功能可以使它们与众不同？你的意思是，除了能够渲染到多个缓冲区之外？还有UBO，它允许着色器快速访问更多的数据。缓冲区纹理允许着色器访问速度较慢，但内存要多得多。还有变换反馈，它可以将顶点着色器输出存储在缓冲对象中，使紧密循环完全避免光栅化。但实际上，如果你在台式机上进行计算，你应该尝试使用OpenCL。OpenCL目前不像OpenGL那样可用。。例如，这就是我不决定支持/反对WebGL的原因。如果它对于我的目的是可用的，我希望它能够得到一个简单的部署。顺便说一下，变换反馈听起来很酷，当与几何体着色器结合使用时，它可以根据计算结果压缩或扩展数据长度。不过，这是先进的，我认为不是WebGL的可能性。感谢您设置术语“聚集”和“分散”。分散似乎总是很难优化，因为它与聚集一样违反缓存一致性，但还需要内存同步。我不确定GPU在绘图之前如何对原语进行排序。只要有一个非平凡的alpha混合或没有深度缓冲区，所有接触片段的原语都需要按照用户定义的顺序绘制。但是，使用不透明混合和深度缓冲，顺序不再重要。此外，非重叠原语可以并行绘制，但如果它们接触相同的内存行，则需要内存同步性。因此，通过大量的本地限制操作，真正的分散写入可能会表现得更好。类似于从某个局部区域（例如纹理的平铺）收集输出值，并将其渲染为中间输出。这可以重复，直到任何数据到达其最终存储位置。这与快速排序有一些相似之处，例如，快速排序可以通过这种方式有效地实现。这个答案似乎回答了另一个问题，比如“GPU程序使用什么类型的内存类型和缓存”。