Unity Shader的内置变量与常量内存

通常来说，我们利用ShaderLab实现一个Unity Shader，需要声明一些变量，它可以是全局变量，也可以是局部变量。比方说如下Bling-Phong逐片元光照：

1. Shader "Custom/BlingPhong" {
   
2.     Properties{
   
3.         _Diffuse("Diffuse", Color) = (1, 1, 1, 1)
   
4.         _Specular("Specular", Color) = (1, 1, 1, 1)
   
5.         _Gloss("Gloss", Range(8.0, 256)) = 20
   
6.     }
   
7.     Subshader{
   
8.         Pass {
   
9. 
   
10.             Tags{ "LightMode" = "ForwardBase" }
    
11. 
    
12.             CGPROGRAM
    
13.             #pragma vertex vert
    
14.             #pragma fragment frag
    
15.             #include "UnityCG.cginc"
    
16.             #include "Lighting.cginc"
    
17. 
    
18.             fixed4 _Diffuse;
    
19.             fixed4 _Specular;
    
20.             float _Gloss;
    
21. 
    
22.             struct a2v {
    
23.                 float4 vertex:POSITION;
    
24.                 float3 normal:NORMAL;
    
25.             };
    
26. 
    
27.             struct v2f {
    
28.                 float4 pos:SV_POSITION;
    
29.                 float3 worldNormal:TEXCOORD0;
    
30.                 float3 worldPos:TEXCOORD1;
    
31.             };
    
32. 
    
33.             v2f vert(a2v v) {
    
34.                 v2f o;
    
35.                 o.worldNormal = normalize(mul(v.normal, (float3x3)unity_WorldToObject));
    
36.                 o.worldPos = mul(unity_ObjectToWorld, v.vertex).xyz;
    
37.                 o.pos = mul(UNITY_MATRIX_VP, float4(o.worldPos, 1.0));
    
38.                 return o;
    
39.             }
    
40. 
    
41.             fixed4 frag(v2f i) : SV_Target {
    
42.                 fixed3 ambient = UNITY_LIGHTMODEL_AMBIENT.xyz;
    
43. 
    
44.                 //Transfrom the normal from object space to world space;
    
45.                 fixed3 worldNormal = normalize(i.worldNormal);
    
46. 
    
47.                 //get the lightdirection from world space
    
48.                 fixed3 worldLightDir = normalize(_WorldSpaceLightPos0.xyz);
    
49.                 fixed3 diffuse = _LightColor0.rgb * _Diffuse.rgb * saturate(dot(worldNormal, worldLightDir));
    
50.                 fixed3 reflectDir = normalize(reflect(-worldLightDir, worldNormal));
    
51.                 fixed3 viewDir = normalize(_WorldSpaceCameraPos.xyz - i.worldPos);
    
52.                 fixed3 halfDir = normalize(worldLightDir + viewDir);
    
53.                 fixed3 specular = _LightColor0.rgb * _Specular.rgb * pow(max(0,dot(worldNormal, halfDir)), _Gloss);
    
54.                 return fixed4(ambient + diffuse + specular,1.0);
    
55.             }
    
56.             ENDCG
    
57.         }
    
58.     }
    
59.     FallBack "Diffuse"
    
60. }

点击此处复制文本

这个代码写的人太多了，这里就不多解释。可以注意到，我们用的一些变量既没有在局部进行声明，也没有在全局进行声明，比如说unity_ObjectToWorld... 慢着，真的没有声明过吗？要不咱看看"UnityCG.cginc"？

打开"UnityCG.cginc"，能看到22行包含了一个叫做"UnityShaderVariables.cginc"的头文件，再打开瞧瞧。搜索unity_ObjectToWorld。找到如下代码片段

1. CBUFFER_START(UnityPerDraw)
   
2.     float4x4 unity_ObjectToWorld;
   
3.     float4x4 unity_WorldToObject;
   
4.     float4 unity_LODFade; // x is the fade value ranging within [0,1]. y is x quantized into 16 levels
   
5.     float4 unity_WorldTransformParams; // w is usually 1.0, or -1.0 for odd-negative scale transforms
   
6.     float4 unity_RenderingLayer;
   
7. CBUFFER_END

点击此处复制文本

原来，这些变量是在头文件中声明的，那么猜想这个CBUFFER_START可能是某种修饰符。最终在HLSLSupport.cginc中找到了如下代码片段

1. <blockquote>#if defined(SHADER_API_D3D11) || defined(UNITY_ENABLE_CBUFFER) || defined(SHADER_API_PSSL)

点击此处复制文本

看来这个cbuffer是一个值得研究的小课题。搜搜看cbuffer是不是某种简写呢？答案是肯定的。

Shader Constants (HLSL) - Win32 apps&#8203;docs.microsoft.com/en-us/windows/win32/direct3dhlsl/dx-graphics-hlsl-constants

更多精彩图片 请登录

这里面提到的constant buffer就是cbuffer的全称，也就是常量内存。笔者依稀记得这个名词在CUDA里提过，所以复习了一下本科选过的一门课。常量内存是一种容量很小（64KB）但是访问很快的GPU端只读、CPU端可写内存，很适合多个GPU线程同时访问。

更多精彩图片 请登录

CUDA存储模型，图片取自下方链接。

废话时间：看上图。橙底表示的存储为片外存储，红底表示的存储为片上存储。片外存储是指存储位于GPU板卡上的专用GDRAM，特点是容量大，CPU端可直接访问（除了Local Memory），但是访问延时很高；片内存储指GPU芯片内的存储，特点是容量小，访问延时低。CPU端只能先将数据写到三种存储当中。那为什么Constant Memory会比Global Memory快呢？我以我二半吊子的FPGA设计经验的理解是，由于这个访问在线程中是单向的，所以我们只需要在片外显存中存放常量内存，然后将数据缓存到片内。片内缓存可以看作是一组寄存器或者BRAM，且只有从片外->片内这一种数据流向，缓存好数据后，读取只要做译码，非常快。这也解释了常量寄存器为什么比较小，因为现在的GPU虽然面积已经很大了，但毕竟片上资源还是寸土寸金，此外额外扩容会涉及某些地址线的变动，改动较大，所以暂时还没扩容（可能也没必要扩容）。
CUDA Memory Model&#8203;[url]www.3dgep.com/cuda-memory-model/[/url]

那么我们也许会思考几个问题。这里为什么用到常量内存？或者说用常量内存有什么好处？我们应该什么时候使用它？带着这些问题继续阅读"UnityShaderVariables.cginc"。重点先放在自己需要用到的两个片段：

1. <blockquote>CBUFFER_START(UnityPerFrame)

点击此处复制文本

1. CBUFFER_START(UnityPerDraw)
   
2. float4x4 unity_ObjectToWorld;
   
3. float4x4 unity_WorldToObject;
   
4. float4 unity_LODFade; // x is the fade value ranging within [0,1]. y is x quantized into 16 levels
   
5. float4 unity_WorldTransformParams; // w is usually 1.0, or -1.0 for odd-negative scale transforms
   
6. float4 unity_RenderingLayer;
   
7. CBUFFER_END

点击此处复制文本

注意到它们在命名上有一定的差异，一个叫UnityPerFrame，另一个叫UnityPerDraw，因此可以反过来推出，cbuffer实际上是有生命周期的。这一点也不奇怪 ，前面说过，常量内存虽然快，但是容量非常小（64KB），得省着点用。不然把顶点数据和纹理都存到常量内存里，岂不妙哉？这些数在底层应该是根据绘制的状态，由CPU发送给GPU的（一个猜想，不一定对，欢迎指正）。譬如说这个UnityPerFrame，看名字和它里面包含的变量，很显然这些变量在每一帧绘制都保持不变。那这下一切就明朗了：虽然某一帧里可能提交了很多次draw call，但是UnityPerFrame里的常量其实只需要设置一次，并且多个线程都会用到这些变量，这能加快显存访问速度，降低CPU到GPU的吞吐。UnityPerDraw也是同理，不过为什么是PerDraw而不是PerObject，这个应该与合批或者是Instancing相关。

回看到最开始的那个Bling-Phong的代码，实际上我也使用了三个全局变量：_Diffuse，_Specular和_Gloss。那能不能把用户定义的全局变量也用常量内存缓存起来呢？毕竟如果这个shader对应的材质用得很多的话，貌似能省不少。那就直接百度一下，看到有个人这么写

【SRP Batcher】How to make a Default Unlit Shader compatible?&#8203;forum.unity.com/threads/srp-batcherhow-to-make-a-default-unlit-shader-compatible.877435/

1. CBUFFER_START(UnityPerMaterial)
   
2.     fixed4 _Color;
   
3. CBUFFER_END

点击此处复制文本

所以说有个UnityPerMaterial的名称，用来标识这是在每个材质中共用的全局变量。其实在Unity的Inspector中一直有提示，不过我之前没看到

更多精彩图片 请登录

加上了CBUFFER之后

更多精彩图片 请登录

有意思，原来这和Batching有关。对于相同材质的多个几何体，现在就只需要设置一次_Diffuse，_Specular和_Gloss，这能带来性能上的提升。在相应的代码里打开SRP Batching即可。

1. GraphicsSettings.useScriptableRenderPipelineBatching = true;

点击此处复制文本

如图绘制八个球

更多精彩图片 请登录

在利用CBUFFER做优化前，绘制顺序如图

更多精彩图片 请登录

当我们将材质相关的变量用CBUFFER包起来后，新的绘制顺序如图

更多精彩图片 请登录

Draw Call减少了吗？其实没有，事实上SRP Batch只是优化了Draw Call的顺序，以减少CBUFFER的设置，从而提高性能。

很棒的资源