使用OpenCL实现物理仿真GPU利用率仅10%的优化方案咨询

• 优先采用OpenCL与渲染API的内存共享机制，从根源消除GPU到CPU的回拷开销。OpenCL针对主流渲染API都提供了官方共享扩展：比如对接D3D11的cl_khr_d3d11_sharing、对接D3D9的cl_khr_d3d9_sharing，你可以直接创建OpenCL和渲染接口共用的位置/顶点缓冲，物理仿真内核直接把计算结果写入共享缓冲，渲染时直接调用该缓冲渲染，全程数据不需要离开GPU，改造成本极低，不需要修改仿真内核和渲染逻辑的核心代码。
• 如果当前使用的Draw是CPU侧软渲染逻辑，完全可以把简单渲染逻辑迁移到OpenCL内核实现，不需要担心“用OpenCL做渲染不妥”的问题：对于2D场景可以直接在内核中写入帧缓冲，再把帧缓冲提交给显示接口即可，性能远高于CPU回拷渲染的方案。如果是复杂3D场景，建议花少量成本学习基础的OpenGL/D3D渲染逻辑，配合共享缓冲机制使用即可。
• 附加优化建议：完成内存共享改造后，你可以把多帧的仿真、渲染任务做流水线重叠，在当前帧渲染的同时调度GPU并行执行下一帧的物理仿真，进一步拉高GPU利用率，预期还能获得3~5倍的性能提升。

改造后伪代码示例 #

void start()
{
    CreateKernel();
    // 创建OpenCL与渲染API共享的位置缓冲，替代原有普通设备缓冲
    cl_mem shared_pos_buffer = CreateCLSharedRenderBuffer(sizeof(float) * 2);
    SetKernelArg(0, shared_pos_buffer);
}

void update()
{
    // 仿真结果直接写入共享缓冲，无回拷
    RunKernel();
    // 直接传入共享缓冲执行渲染，数据全程留存在GPU
    Draw(shared_pos_buffer);
}

你当前GPU利用率低的核心原因就是仿真计算、数据回拷、渲染三个步骤完全串行，GPU大部分时间处于空闲等待CPU的状态，完成上述改造后利用率可以提升到80%以上。

内容的提问来源于stack exchange，提问作者Jack Benson