WebGPU 的几个最佳实践

来自 2022 WebGL & WebGPU Meetup 的 幻灯片
1 在能用的地方都用 label 属性 WebGPU 中的每个对象都有 label 属性,不管你是创建它的时候通过传递 descriptor 的 label 属性也好,亦或者是创建完成后直接访问其 label 属性也好。这个属性类似于一个 id,它能让对象更便于调试和观察,写它几乎不需要什么成本考量,但是调试的时候会非常、非常爽。

const projectionMatrixBuffer = gpuDevice.createBuffer({ label: 'Projection Matrix Buffer', size: 12 * Float32Array.BYTES_PER_ELEMENT, // 故意设的 12,实际上矩阵应该要 16 usage: GPUBufferUsage.VERTEX | GPUBufferUsage.COPY_DST, }) const projectionMatrixArray = new Float32Array(16)gpuDevice.queue.writeBuffer(projectionMatrixBuffer, 0, projectionMatrixArray)

上面代码故意写错的矩阵所用 GPUBuffer 的大小,在错误校验的时候就会带上 label 信息了:
// 控制台输出 Write range (bufferOffset: 0, size: 64) does not fit in [Buffer "Projection Matrix Buffer"] size (48).

2 使用调试组 指令缓冲(CommandBuffer)允许你增删调试组,调试组其实就是一组字符串,它指示的是哪部分代码在执行。错误校验的时候,报错消息会显示调用堆栈:
// --- 第一个调试点:标记当前帧 --- commandEncoder.pushDebugGroup('Frame ${frameIndex}'); // --- 第一个子调试点:标记灯光的更新 --- commandEncoder.pushDebugGroup('Clustered Light Compute Pass'); // 譬如,在这里更新光源 updateClusteredLights(commandEncoder); commandEncoder.popDebugGroup(); // --- 结束第一个子调试点 --- // --- 第二个子调试点:标记渲染通道开始 --- commandEncoder.pushDebugGroup('Main Render Pass'); // 触发绘制 renderScene(commandEncoder); commandEncoder.popDebugGroup(); // --- 结束第二个子调试点 commandEncoder.popDebugGroup(); // --- 结束第一个调试点 ---

这样,如果有报错消息,就会提示:
// 控制台输出 Binding sizes are too small for bind group [BindGroup] at index 0Debug group stack: > "Main Render Pass" > "Frame 234"

3 从 Blob 中载入纹理图像 使用 Blob 创建的 ImageBitmaps 可以获得最佳的 JPG/PNG 纹理解码性能。
/** * 根据纹理图片路径异步创建纹理对象,并将纹理数据拷贝至对象中 * @param {GPUDevice} gpuDevice 设备对象 * @param {string} url 纹理图片路径 */ async function createTextureFromImageUrl(gpuDevice, url) { const blob = await fetch(url).then((r) => r.blob()) const source = await createImageBitmap(blob)const textureDescriptor = { label: `Image Texture ${url}`, size: { width: source.width, height: source.height, }, format: 'rgba8unorm', usage: GPUTextureUsage.TEXTURE_BINDING | GPUTextureUsage.COPY_DST } const texture = gpuDevice.createTexture(textureDescriptor) gpuDevice.queue.copyExternalImageToTexture( { source }, { texture }, textureDescriptor.size, )return texture }

更推荐使用压缩格式的纹理资源 能用就用。
WebGPU 支持至少 3 种压缩纹理类型:
  • texture-compression-bc
  • texture-compression-etc2
  • texture-compression-astc
支持多少是取决于硬件能力的,根据官方的讨论(Github Issue 2083),全平台都要支持 BC 格式(又名 DXT、S3TC),或者 ETC2、ASTC 压缩格式,以保证你可以用纹理压缩能力。
强烈推荐使用超压缩纹理格式(例如 Basis Universal),好处是可以无视设备,它都能转换到设备支持的格式上,这样就避免准备两种格式的纹理了。
原作者写了个库,用于在 WebGL 和 WebGPU 种加载压缩纹理,参考 Github toji/web-texture-tool
WebGL 对压缩纹理的支持不太好,现在 WebGPU 原生就支持,所以尽可能用吧!
4 使用 glTF 处理库 gltf-transform 这是一个开源库,你可以在 GitHub 上找到它,它提供了命令行工具。
譬如,你可以使用它来压缩 glb 种的纹理:
> gltf-transform etc1s paddle.glb paddle2.glb paddle.glb (11.92 MB) → paddle2.glb (1.73 MB)

做到了视觉无损,但是从 Blender 导出的这个模型的体积能小很多。原模型的纹理是 5 张 2048 x 2048 的 PNG 图。
这库除了压缩纹理,还能缩放纹理,重采样,给几何数据附加 Google Draco 压缩等诸多功能。最终优化下来,glb 的体积只是原来的 5% 不到。
> gltf-transform resize paddle.glb paddle2.glb --width 1024 --height 1024 > gltf-transform etc1s paddle2.glb paddle2.glb > gltf-transform resample paddle2.glb paddle2.glb > gltf-transform dedup paddle2.glb paddle2.glb > gltf-transform draco paddle2.glb paddle2.glbpaddle.glb (11.92 MB) → paddle2.glb (596.46 KB)

5 缓冲数据上载 WebGPU 中有很多种方式将数据传入缓冲,writeBuffer() 方法不一定是错误用法。当你在 wasm 中调用 WebGPU 时,你应该优先考虑 writeBuffer() 这个 API,这样就避免了额外的缓冲复制操作。
const projectionMatrixBuffer = gpuDevice.createBuffer({ label: 'Projection Matrix Buffer', size: 16 * Float32Array.BYTES_PER_ELEMENT, usage: GPUBufferUsage.VERTEX | GPUBufferUsage.COPY_DST, }); // 当投影矩阵改变时(例如 window 改变了大小) function updateProjectionMatrixBuffer(projectionMatrix) { const projectionMatrixArray = projectionMatrix.getAsFloat32Array(); gpuDevice.queue.writeBuffer(projectionMatrixBuffer, 0, projectionMatrixArray); }

原作者指出,创建 buffer 时设 mappedAtCreation 并不是必须的,有时候创建时不映射也是可以的,譬如对 glTF 中有关的缓冲加载。
6 推荐异步创建 pipeline 如果你不是马上就要渲染管线或者计算管线,尽量用 createRenderPipelineAsynccreateComputePipelineAsync 这俩 API 来替代同步创建。
同步创建 pipeline,有可能会在底层去把管线的有关资源进行编译,这会中断 GPU 有关的步骤。
而对于异步创建,pipeline 没准备好就不会 resolve Promise,也就是说可以优先让 GPU 当前在干的事情先做完,再去折腾我所需要的管线。
下面看看对比代码:
// 同步创建计算管线 const computePipeline = gpuDevice.createComputePipeline({/* ... */})computePass.setPipeline(computePipeline) computePass.dispatch(32, 32) // 此时触发调度,着色器可能在编译,会卡

再看看异步创建的代码:
// 异步创建计算管线 const asyncComputePipeline = await gpuDevice.createComputePipelineAsync({/* ... */})computePass.setPipeline(asyncComputePipeline) computePass.dispatch(32, 32) // 这个时候着色器早已编译好,没有卡顿,棒棒哒

7 慎用隐式管线布局 隐式管线布局,尤其是独立的计算管线,或许对写 js 的时候很爽,但是这么做会带来俩潜在问题:
  • 中断共享资源绑定组
  • 更新着色器时发生点奇怪的事情
如果你的情况特别简单,可以使用隐式管线布局,但是能用显式创建管线布局就显式创建。
下面就是所谓的隐式管线布局的创建方式,先创建的管线对象,而后调用管线的 getBindGroupLayout() API 推断着色器代码中所需的管线布局对象。
const computePipeline = await gpuDevice.createComputePipelineAsync({ // 不传递布局对象 compute: { module: computeModule, entryPoint: 'computeMain' } })const computeBindGroup = gpuDevice.createBindGroup({ // 获取隐式管线布局对象 layout: computePipeline.getBindGroupLayout(0), entries: [{ binding: 0, resource: { buffer: storageBuffer }, }] })

7 共享资源绑定组与绑定组布局对象 如果在渲染/计算过程中,有一些数值是不会变但是频繁要用的,这种情况你可以创建一个简单一点的资源绑定组布局,可用于任意一个使用了同一号绑定组的管线对象上。
首先,创建资源绑定组及其布局:
// 创建一个相机 UBO 的资源绑定组布局及其绑定组本体 const cameraBindGroupLayout = device.createBindGroupLayout({ label: `Camera uniforms BindGroupLayout`, entries: [{ binding: 0, visibility: GPUShaderStage.VERTEX | GPUShaderStage.FRAGMENT, buffer: {}, }] })const cameraBindGroup = gpu.device.createBindGroup({ label: `Camera uniforms BindGroup`, layout: cameraBindGroupLayout, entries: [{ binding: 0, resource: { buffer: cameraUniformsBuffer, }, }], })

随后,创建两条渲染管线,注意到这两条管线都用到了两个资源绑定组,有区别的地方就是用的材质资源绑定组是不一样的,共用了相机资源绑定组:
const renderPipelineA = gpuDevice.createRenderPipeline({ label: `Render Pipeline A`, layout: gpuDevice.createPipelineLayout([cameraBindGroupLayout, materialBindGroupLayoutA]), /* Etc... */ }); const renderPipelineB = gpuDevice.createRenderPipeline({ label: `Render Pipeline B`, layout: gpuDevice.createPipelineLayout([cameraBindGroupLayout, materialBindGroupLayoutB]), /* Etc... */ });

【WebGPU 的几个最佳实践】最后,在渲染循环的每一帧中,你只需设置一次相机的资源绑定组,以减少 CPU ~ GPU 的数据传递:
const renderPass = commandEncoder.beginRenderPass({/* ... */}); // 只设定一次相机的资源绑定组 renderPass.setBindGroup(0, cameraBindGroup); for (const pipeline of activePipelines) { renderPass.setPipeline(pipeline.gpuRenderPipeline) for (const material of pipeline.materials) { // 而对于管线中的材质资源绑定组,就分别设置了 renderPass.setBindGroup(1, material.gpuBindGroup)// 此处设置 VBO 并发出绘制指令,略 for (const mesh of material.meshes) { renderPass.setVertexBuffer(0, mesh.gpuVertexBuffer) renderPass.draw(mesh.drawCount) } } }renderPass.endPass()

原作附带信息
  • 作者:Brandon Jones,推特 @Tojiro
  • 原幻灯片:https://docs.google.com/prese...
  • 更多额外阅读:https://toji.github.io/webgpu...
  • 一个很棒的原生 WebGPU 教程(英文):https://alain.xyz/blog/raw-we...
  • 对于纹理的对比细节:https://toji.github.io/webgpu...
  • 对于缓冲上载的细节:https://toji.github.io/webgpu...

    推荐阅读