在D3D12中为何RTV与DSV采用CPU描述符而非GPU可见描述符？

问题背景 #

在D3D12中，CBV/UAV这类GPU可见描述符的典型使用方式如下：

// 常见使用方式
SetDescriptorHeaps(heap);
GetGPUDescriptorHandleForHeapStart();

但RTV和DSV的使用逻辑不同，调用OMSetRenderTargets时需要传入D3DX12_CPU_DESCRIPTOR_HANDLE，这引发两个疑问：

1. 描述符用于解析GPU内存区域，为何要传递CPU描述符给GPU？
2. RTV和DSV为何不能像CBV/UAV那样通用？

核心原因解析 #

1. 硬件流水线阶段的本质差异 #

CBV/UAV/SRV这类描述符服务于通用着色器阶段（顶点、像素、计算着色器等），GPU需要在执行着色器时通过索引快速定位这些资源，因此必须存放在GPU可见描述符堆中，通过GPU句柄让硬件直接寻址。

而RTV/DSV是专门绑定到输出合并（OM）阶段的资源视图，这个阶段的硬件逻辑是固定的渲染目标/深度模板绑定点，不需要着色器通过索引访问。调用OMSetRenderTargets传入CPU句柄时，驱动会直接将这些描述符复制到OM阶段专属的硬件寄存器或缓存中，跳过通用描述符堆的索引流程，更贴合硬件的固定绑定逻辑。

2. 资源访问特性与状态控制 #

• RTV/DSV对应的是渲染目标、深度模板缓冲区，这类资源的访问是独占性输出操作，硬件对它们的状态（比如资源布局、读写权限）有严格要求。通过CPU句柄传递描述符，驱动可以精准控制资源的状态转换（例如从通用状态切换到渲染目标状态），确保硬件能正确访问。
• CBV/UAV则是通用资源访问，支持在多个着色器阶段共享、动态切换，因此需要放在GPU可见堆中，让GPU能通过根参数或描述符表灵活索引。

3. 性能与兼容性考量 #

• OM阶段的绑定点数量有限（通常最多8个RTV+1个DSV），直接通过CPU句柄绑定比让GPU去通用堆查找更高效，减少不必要的索引开销。
• 不同硬件的OM阶段绑定机制可能存在差异，以CPU句柄作为接口，微软可以在驱动层做适配，屏蔽底层硬件细节，保证跨硬件的兼容性。

总结 #

RTV/DSV与CBV/UAV的描述符使用差异，是API根据硬件流水线不同阶段的特性设计的：前者服务于固定的输出合并阶段，后者服务于灵活的通用着色器访问阶段。这种设计并非“不通用”，而是为了适配硬件逻辑、优化性能、简化状态管理的合理选择。

内容的提问来源于stack exchange，提问作者cooronx