5.1 计算管线与分派

5.1 计算管线与分派

本节摘要：计算管线只有单个着色阶段，却承载了 GPU 通用计算的全部入口。本节讲清 GPGPU 在 Vulkan 里的打开方式：管线装配、工作组网格与分派维度、共享内存的使用，并用一次直方图统计任务把「缓冲、管线、分派、屏障、读回」整条链走通。

「GPGPU」这个行话的意思是通用图形处理器计算——把 GPU 当成大规模并行数据处理器用，而不是只当像素流水线。Vulkan 的计算管线是这个行话的正式落地：不需要窗口、不需要交换链，一块支持计算的 GPU 加一个 Vulkan 账户就能开工。上一章的图形管线有十个固定功能工位，本节的主角把它们全部拆掉，只留下一个着色器阶段——这是 Vulkan 里最简单的管线，也是并行数据处理的完整起点。

一、最简单的管线与它的着色器

计算管线装配只涉及两样东西：管线布局（3.4 的集合布局加推常量）与一个计算着色器阶段。没有顶点输入、没有光栅化、没有混合：

VkComputePipelineCreateInfo cpi = {VK_STRUCTURE_TYPE_COMPUTE_PIPELINE_CREATE_INFO};
cpi.stage  = computeStage;      // 与 4.1 相同的阶段结构，stage 填 COMPUTE_BIT
cpi.layout = computeLayout;

VkPipeline computePipeline;
vkCreateComputePipelines(device, pipelineCache, 1, &cpi, NULL, &computePipeline);
​

对应的 GLSL 也不像图形着色器那样有固定的输入输出，只有全局工作组与自定义缓冲：

#version 450
layout(local_size_x = 64) in;                       // 工作组内 64 个线程
layout(set = 0, binding = 0) buffer InData  { float values[]; };
layout(set = 0, binding = 1) buffer OutData { uint  bins[];   };

void main() {
    uint gid = gl_GlobalInvocationID.x;             // 全局线程编号
    if (gid >= uDataCount) return;                  // 越界卫兵：网格可能超配
    uint bin = uint(clamp(values[gid] * 0.5 + 0.5, 0.0, 0.999) * 256.0);
    atomicAdd(bins[bin], 1u);                       // 多线程写同格，必须原子加
}
​

这段三十行的着色器浓缩了计算编程的三条纪律。越界卫兵必须有：分派网格按上限取整，尾部线程必然越界。写入冲突要原子：多个线程对同一格的累加，非原子读写是数据损坏。缓冲按 storage 声明：对应 3.2 的 STORAGE_BUFFER 用法位，读写双向还要 transfer 源位备读回。

二、分派：三维网格的账要算清

vkCmdDispatch(groupX, groupY, groupZ) 派发的是「工作组网格」，每个工作组含 local_size 声明的线程数。任务量 N=200000、组内 64 线程时，网格取 ceil(200000/64)=3125 个工作组。三套坐标要分清：gl_LocalInvocationID 是组内编号、gl_WorkGroupID 是组编号、gl_GlobalInvocationID 是全局编号（两者换算而来）。组尺寸的选择是个权衡：64 是常见的「一个硬件调度单元」尺寸；用共享内存做协作时，尺寸越大占用越高；访存模式连续时，让相邻线程访问相邻数据是硬原则。

图 5-1：分派网格与两种内存空间

共享内存（GLSL 里 shared 限定）是组内线程的便签板：容量小、延迟低，做规约与分桶的第一落点。它的容量上限按设备查询（maxComputeSharedMemorySize，常见 32KB 起），申报超标会在管线创建时报错——又一个「查询先行」的日常。

三、直方图任务的完整命令序列

把第一节着色器跑起来的命令序列，注意分派前后的两道屏障（屏障语法的完整展开在第 6 章，这里先看节奏）：

vkCmdBindPipeline(cmd, VK_PIPELINE_BIND_POINT_COMPUTE, computePipeline);
vkCmdBindDescriptorSets(cmd, VK_PIPELINE_BIND_POINT_COMPUTE,
                        computeLayout, 0, 1, &set, 0, NULL);

// 屏障一：输入数据就绪（上一阶段写入对计算着色器可见）
barrier(stage = COMPUTE_SHADER, access = SHADER_READ);

vkCmdDispatch(cmd, (200000 + 63) / 64, 1, 1);

// 屏障二：bins 的原子写对后续消费者可见
barrier(stage = COMPUTE_SHADER, access = SHADER_WRITE);

// 之后：拷到主机可见内存读回，或直接供后续计算/渲染消费
​

计算与图形可以在同一条命令缓冲里交错：先用计算管线做蒙皮与剔除，再切图形管线渲染，再切回来做后处理——管线绑定点的切换开销很低，这种交错正是现代引擎把「剔除、粒子、光照」搬进计算的基础。若希望计算与图形真正并行，则分队列提交并用信号量连线（第 6 章）。

四、案例：粒子模拟的移植全程

背景：某演示程序在 CPU 上模拟二十万粒子（位置、速度积分），单帧模拟耗时逼近预算，主线程被打满。目标：整段搬到计算管线。

操作：分四步移植。数据侧，把粒子数组放进 storage 缓冲（设备本地，3.1 方案 A），双缓冲两份用于帧间乒乓；着色器侧，把 CPU 积分循环改写为计算着色器，组内用共享内存做邻居查找的分桶预排序；执行侧，每帧一次分派加两道屏障，与渲染命令同缓冲交错；交互侧，外力参数走推常量（3.5），每帧直推。

结果：模拟段耗时从逼近帧预算降到约二十分之一，CPU 帧时间同步大降——原本用于模拟的主线程循环整体消失。新增成本是一次性写着色器与调组尺寸的两天工时。

解读：移植收益的来源值得看清：不是「GPU 算得快」这么笼统，而是任务具备「数据独立、访存可预测」的并行形态，二十万份相同计算天然适合网格分派。反过来，分支密集、强串行依赖的逻辑搬上去只会更慢——判断任务形态比学 API 更重要。

变式：若邻居关系复杂（碰撞检测类），单次分派装不下，就拆多趟分派加中间缓冲：排序一趟、构建查找结构一趟、求解一趟——多趟之间以屏障连线，形成「计算管线谱系」。这个思路也是光追剔除、GPU 挑选等高级管线的骨架。

五、要点回顾

• 极简管线：计算管线只有着色阶段与布局两样，装配最简但承担全部 GPGPU 入口。
• 三套坐标：组内编号、组编号、全局编号，越界卫兵与原子操作是分派编程的两条保命纪律。
• 两种内存：全局缓冲大而慢、共享内存小而快，组内协作靠 barrier，跨组协作靠原子或多趟分派。
• 屏障定节奏：分派前保输入就绪、分派后保输出可见，交错图形计算靠绑定切换，真并行靠分队列。
• 形态决定收益：数据独立、访存可预测的任务才值得上计算管线，复杂依赖拆多趟。