如何在OpenCL（散布/聚集）中优化对直方图的写入？

Question

我正在写类似于OpenCL中的粒子系统的东西。所有粒子都有一个位置和一个颜色，该位置和颜色是即时计算的。在所有计算的最后，我想在屏幕上显示所有粒子。为此，我想将所有粒子值（许多粒子值）添加到2D直方图中，因此直方图很大（例如1920 * 1080）。

请注意，所有组件（包括alpha组件）都被简单地求和。

当前，我为此简单地使用由uint4（或float4）组成的缓冲区，这在我的应用程序中是一个（巨大的）瓶颈，因为它是对全局内存的分散/聚集操作：

//Obviously hugely simplified for your reading pleasure
for (int i = 0; i < 1000; i++) {
    float calculatedYPixel = random() * 1080;
    float calculatedXPixel = random() * 1920;
    uint4 calculatedColour = (uint4) (0, 27, 244, 55); //something random as well
    histogram[(int) calculatedYPixel * histogramSize.x + (int) calculatedXPixel] += calculatedColour;
}

有什么办法可以加快速度吗？我目前正在使用OpenCL 1.2，但我也想听听涉及OpenCL 2，CUDA或OpenGL的解决方案。

• 所有粒子都可以最终覆盖直方图的整个区域，因此，不可能进行任何类型的平铺/有组织的访问。
• 我不介意在直方图中丢失几个粒子（例如，更新相互覆盖），速度要重要得多。

我也很好奇ROP（渲染输出单元）在这里是否可以使用，因为它们的功能看起来与这种类型的计算非常相似。从某些来源看来，GPU上的渲染缓冲区似乎可以针对例如写访问进行优化。

Answer 1

  

有什么办法可以加快速度吗？

通常，“我们如何在GPU上实现此串行算法？”这里可能是错误的问题。您需要退后一步，想一想什么并行算法可能会产生与串行算法相同的结果。

您发布的代码可能与您所想到的实际代码并非特别接近。但是，如果我尝试根据某种分布用随机粒子填充空间，而不是一个一个地创建粒子并分别随机生成它们的位置，我会查看每个位置并根据分布函数为其生成随机样本。

从本质上讲，将“推”算法转变为“拉”算法。

如果您确实有足够的理由跟踪单个粒子，则这将变得更加困难，但是实际上我们在此没有得到足够的信息。

  

我也很好奇ROP（渲染输出单位）是否可以在这里使用，因为它们的功能似乎与这种类型的计算非常相似。从某些来源看来，GPU上的渲染缓冲区似乎可以针对例如写访问进行优化。

是的，如果您必须坚持使用“推送”方法，那么这绝对值得探讨，因为这听起来像基本上是您想要的添加剂混合。除了混合操作之外，模板缓冲区也可能是您感兴趣的。您可能希望研究所有主要3D API支持的渲染“点精灵”-渲染单个像素并不是3D应用程序通常要做的事情，因此不一定要针对GPU及其驱动程序进行优化，而是指向精灵基本上是用于绘制粒子系统的。