苹果的 Metal 工程

Basic Buffers

当向顶点着色器传递数据过多（大于 4096 字节）时， setVertexBytes:length:atIndex: 方法不允许使用，应该使用 setVertexBytes:length:atIndex: 方法提高性能。
这时，参数应该是 MTLBuffer类型，可以被 GPU 访问的内存。
_vertexBuffer.contents 方法返回可以被 CPU 访问的内存接口，即这块儿内存被 CPU 和 GPU 共享。

Basic Texturing

MTLPixelFormatBGRA8Unorm 的像素格式。

2D 纹理的坐标

Reading a texel is also known as sampling

Hello Compute

data-parallel computations using the GPU.

在 GPU 发展历史中，并行处理的架构一直没有变化，而处理核心的可编程特性越来越强。这使得 GPU 从 fixed-function pipeline 转向 programmable pipeline，也使得通用 GPU 编程 (GPGPU) 变得可行。

一个 MTLComputePipelineState 对象可以直接由一个 kernel function 生成。

 // Create a compute kernel function
id <MTLFunction> kernelFunction = [defaultLibrary newFunctionWithName:@"grayscaleKernel"];
// Create a compute kernel
_computePipelineState = [_device newComputePipelineStateWithFunction:kernelFunction

把图像分块并行处理

    // Set the compute kernel's thread group size of 16x16
    _threadgroupSize = MTLSizeMake(16, 16, 1);
    // Calculate the number of rows and columsn of thread groups given the width of our input image.
    //   Ensure we cover the entire image (or more) so we process every pixel.
    _threadgroupCount.width  = (_inputTexture.width  + _threadgroupSize.width -  1) / _threadgroupSize.width;
    _threadgroupCount.height = (_inputTexture.height + _threadgroupSize.height - 1) / _threadgroupSize.height;
    // Since we're only dealing with a 2D data set, set depth to 1
    _threadgroupCount.depth = 1;
   [computeEncoder dispatchThreadgroups:_threadgroupCount
               threadsPerThreadgroup:_threadgroupSize];

CPU and GPU Synchronization

CPU 和 GPU 是两个异步的处理器，但是它们共享缓存，因此需要在并行的同时避免同时读写数据。

在上图中，每一帧中，CPU 和 GPU 不会同时工作，虽然避免了同时读写数据，但是降低了性能。

在上图中，CPU 和 GPU 会同时读写相同的数据，引起竞争。

可以用多个缓冲区来达到提高性能和避免数据同时读写的问题。CPU 和 GPU 不同时读写相同的缓冲区。
当 GPU 执行完 command buffer 后，会调用这个 handler。

 [commandBuffer addCompletedHandler:^(id<MTLCommandBuffer> buffer)
{
    dispatch_semaphore_signal(block_sema);
}];

LOD with Function Specialization

level of detail (LOD)

细节越逼真，消耗的资源越多。因此要在性能和细节的丰富度之间做权衡。

if(highLOD)
{
    // Render high-quality model
}
else if(mediumLOD)
{
    // Render medium-quality model
}
else if(lowLOD)
{
    // Render low-quality model
}

但是使用 GPU 写出上面的代码的话，性能不高。GPU 可以并行的指令数依赖于为函数分配的寄存器数目。GPU 编译器需要为函数分配可能用到的最大数目寄存器，即使有些分支永远不可能执行。因此，分支语句显著增加了需要的寄存器数目，并显著降低了 GPU 的并行数目。