版本记录

版本号	时间
V1.0	2018.11.10 星期六

前言

很多做视频和图像的，相信对这个框架都不是很陌生，它渲染高级3D图形，并使用GPU执行数据并行计算。接下来的几篇我们就详细的解析这个框架。感兴趣的看下面几篇文章。
1. Metal框架详细解析（一）—— 基本概览
 2. Metal框架详细解析（二） —— 器件和命令（一）
3. Metal框架详细解析（三） —— 渲染简单的2D三角形（一）
4. Metal框架详细解析（四） —— 关于GPU Family 4（一）
5. Metal框架详细解析（五） —— 关于GPU Family 4之关于Imageblocks（二）
6. Metal框架详细解析（六） —— 关于GPU Family 4之关于Tile Shading（三）
7. Metal框架详细解析（七） —— 关于GPU Family 4之关于光栅顺序组（四）
8. Metal框架详细解析（八） —— 关于GPU Family 4之关于增强的MSAA和Imageblock采样覆盖控制（五）
9. Metal框架详细解析（九） —— 关于GPU Family 4之关于线程组共享（六）
10. Metal框架详细解析（十） —— 基本组件（一）
11. Metal框架详细解析（十一） —— 基本组件之器件选择 - 图形渲染的器件选择（二）
12. Metal框架详细解析（十二） —— 基本组件之器件选择 - 计算处理的设备选择（三）
13. Metal框架详细解析（十三） —— 计算处理（一）
14. Metal框架详细解析（十四） —— 计算处理之你好，计算（二）
15. Metal框架详细解析（十五） —— 计算处理之关于线程和线程组（三）
16. Metal框架详细解析（十六） —— 计算处理之计算线程组和网格大小（四）
17. Metal框架详细解析（十七） —— 工具、分析和调试（一）
18. Metal框架详细解析（十八） —— 工具、分析和调试之Metal GPU Capture（二）
19. Metal框架详细解析（十九） —— 工具、分析和调试之GPU活动监视器（三）
20. Metal框架详细解析（二十） —— 工具、分析和调试之关于Metal着色语言文件名扩展名、使用Metal的命令行工具构建库和标记Metal对象和命令（四）
21. Metal框架详细解析（二十一） —— 基本课程之基本缓冲区（一）
22. Metal框架详细解析（二十二） —— 基本课程之基本纹理（二）
23. Metal框架详细解析（二十三） —— 基本课程之CPU和GPU同步（三）
24. Metal框架详细解析（二十四） —— 基本课程之参数缓冲 - 基本参数缓冲（四）
25. Metal框架详细解析（二十五） —— 基本课程之参数缓冲 - 带有数组和资源堆的参数缓冲区（五）
26. Metal框架详细解析（二十六） —— 基本课程之参数缓冲 - 具有GPU编码的参数缓冲区（六）
27. Metal框架详细解析（二十七） —— 高级技术之图层选择的反射（一）
28. Metal框架详细解析（二十八） —— 高级技术之使用专用函数的LOD（一）
29. Metal框架详细解析（二十九） —— 高级技术之具有参数缓冲区的动态地形（一）
30. Metal框架详细解析（三十） —— 延迟照明（一）
31. Metal框架详细解析（三十一） —— 在视图中混合Metal和OpenGL渲染（一）
32. Metal框架详细解析（三十二） —— Metal渲染管道教程（一）
33. Metal框架详细解析（三十三） —— Metal渲染管道教程（二）
34. Metal框架详细解析（三十四） —— Hello Metal！一个简单的三角形的实现（一）
35. Metal框架详细解析（三十五） —— Hello Metal！一个简单的三角形的实现（二）
36. Metal框架详细解析（三十六） —— Metal编程指南之概览（一）
37. Metal框架详细解析（三十七） —— Metal编程指南之基本Metal概念（二）
38. Metal框架详细解析（三十八） —— Metal编程指南之命令组织和执行模型（三）
39. Metal框架详细解析（三十九） —— Metal编程指南之资源对象：缓冲区和纹理（四）
40. Metal框架详细解析（四十） —— Metal编程指南之函数和库（五）
41. Metal框架详细解析（四十一） —— Metal编程指南之图形渲染：渲染命令编码器之Part 1（六）
42. Metal框架详细解析（四十二） —— Metal编程指南之图形渲染：渲染命令编码器之Part 2（七）

Data-Parallel Compute Processing: Compute Command Encoder - 数据并行计算处理：计算命令编码器

本章介绍如何创建和使用MTLComputeCommandEncoder对象来编码数据并行计算处理状态和命令，并提交它们以便在设备上执行。

要执行数据并行计算，请遵循以下主要步骤：

1）使用MTLDevice方法创建包含来自MTLFunction对象的已编译代码的计算状态（MTLComputePipelineState），如Creating a Compute State中所述。 MTLFunction对象表示使用Metal着色语言编写的计算函数，如Functions and Libraries中所述。
2）指定计算命令编码器要使用的MTLComputePipelineState对象，如Specifying a Compute State and Resources for a Compute Command Encoder中所述。
3）指定可能包含要由计算状态处理和返回的数据的资源和相关对象（MTLBuffer，MTLTexture和可能的MTLSamplerState），如Specifying a Compute State and Resources for a Compute Command Encoder中所述。还要设置它们的参数表索引，以便Metal框架代码可以在着色器代码中找到相应的资源。在任何给定时刻，MTLComputeCommandEncoder都可以与许多资源对象相关联。
4）按照 Executing a Compute Command中的说明，将计算函数分配指定的次数。

Creating a Compute Pipeline State - 创建计算管道状态

MTLFunction对象表示可由MTLComputePipelineState对象执行的数据并行代码。 MTLComputeCommandEncoder对象对用于设置参数和执行计算功能的命令进行编码。由于创建计算管道状态可能需要昂贵的Metal着色语言代码编译，因此您可以使用阻塞或异步方法以最适合应用程序设计的方式安排此类工作。

要同步创建计算管道状态对象，请调用MTLDevice的方法newComputePipelineStateWithFunction:error:或newComputePipelineStateWithFunction:options:reflection:error:。这些方法阻塞当前线程，而Metal编译着色器代码以创建管道状态对象。
要异步创建计算管道状态对象，请调用MTLDevice的方法newComputePipelineStateWithFunction:completionHandler:或newComputePipelineStateWithFunction:options:completionHandler:。这些方法立即返回 - Metal异步编译着色器代码以创建管道状态对象，然后调用完成处理程序以提供新的MTLComputePipelineState对象。

创建MTLComputePipelineState对象时，还可以选择创建反映数据，以显示计算函数及其参数的详细信息。 newComputePipelineStateWithFunction:options:reflection:error:和newComputePipelineStateWithFunction:options:completionHandler:方法提供此数据。如果不使用反射数据，请避免获取反射数据。有关如何分析反射数据的更多信息，请参阅Determining Function Details at Runtime。

Specifying a Compute State and Resources for a Compute Command Encoder - 为计算命令编码器指定计算状态和资源

MTLComputeCommandEncoder对象的setComputePipelineState:方法指定用于数据并行计算通道的状态，包括已编译的计算着色器函数。在任何给定时刻，计算命令编码器可以仅与一个计算函数相关联。

以下MTLComputeCommandEncoder方法指定一个资源（即缓冲区，纹理，采样器状态或线程组内存），该资源用作MTLComputePipelineState对象表示的计算函数的参数。

每个方法都将一个或多个资源分配给相应的参数，如图6-1所示。

Figure 6-1 Argument Tables for the Compute Command Encoder

Implementation Limits表中列出了缓冲区，纹理或采样器状态参数表中最大条目数的限制。

Implementation Limits表中还列出了最大总线程组内存分配的限制。

Executing a Compute Command - 执行计算命令

要编码执行计算函数的命令，请调用MTLComputeCommandEncoder的dispatchThreadgroups:threadsPerThreadgroup:方法，并指定线程组维度和线程组数。您可以查询MTLComputePipelineState的threadExecutionWidth和maxTotalThreadsPerThreadgroup属性，以优化此设备上计算函数的执行。

线程组中的线程总数是threadsPerThreadgroup组件的产品：threadsPerThreadgroup.width * threadsPerThreadgroup.height * threadsPerThreadgroup.depth。 maxTotalThreadsPerThreadgroup属性指定在单个线程组中可以在设备上执行此计算函数的最大线程数。

计算命令按照它们编码到命令缓冲区的顺序执行。当与命令关联的所有线程组完成执行并且所有结果都写入内存时，计算命令完成执行。由于这种排序，计算命令的结果可用于在命令缓冲区中编码的任何命令。

要结束计算命令编码器的编码命令，请调用MTLComputeCommandEncoder的endEncoding方法。在结束上一个命令编码器之后，您可以创建任何类型的新命令编码器，以将其他命令编码到命令缓冲区中。

Code Example: Executing Data-Parallel Functions - 代码示例：执行数据并行函数

Listing 6-1显示了一个示例，该示例创建并使用MTLComputeCommandEncoder对象来执行对指定数据的图像转换的并行计算。（此示例未显示如何创建和初始化设备，库，命令队列和资源对象。）该示例创建命令缓冲区，然后使用它创建MTLComputeCommandEncoder对象。接下来，创建一个MTLFunction对象，表示从MTLLibrary对象加载的入口点filter_main，如Listing 6-2所示。然后，函数对象用于创建名为filterState的MTLComputePipelineState对象。

计算函数对inputImage图像执行图像变换和过滤操作，并在outputImage中返回结果。首先，setTexture:atIndex:和setBuffer:offset:atIndex:方法将纹理和缓冲区对象分配给指定参数表中的索引。 paramsBuffer指定用于执行图像转换的值，inputTableData指定过滤器权重。计算功能作为每个维度中尺寸为16 x 16像素的2D线程组执行。 dispatchThreadgroups:threadsPerThreadgroup:方法将命令排入队列以分派执行计算函数的线程，endEncoding方法终止MTLComputeCommandEncoder。最后，MTLCommandBuffer的commit方法会导致命令尽快执行。

// Listing 6-1  Specifying and Running a Function in a Compute State

id <MTLDevice> device;
id <MTLLibrary> library;
id <MTLCommandQueue> commandQueue;
 
id <MTLTexture> inputImage;
id <MTLTexture> outputImage;
id <MTLTexture> inputTableData;
id <MTLBuffer> paramsBuffer;
 
// ... Create and initialize device, library, queue, resources
 
// Obtain a new command buffer
id <MTLCommandBuffer> commandBuffer = [commandQueue commandBuffer];
 
// Create a compute command encoder
id <MTLComputeCommandEncoder> computeCE = [commandBuffer computeCommandEncoder];
 
NSError *errors;
id <MTLFunction> func = [library newFunctionWithName:@"filter_main"];
id <MTLComputePipelineState> filterState
              = [device newComputePipelineStateWithFunction:func error:&errors];
[computeCE setComputePipelineState:filterState];
[computeCE setTexture:inputImage atIndex:0];
[computeCE setTexture:outputImage atIndex:1];
[computeCE setTexture:inputTableData atIndex:2];
[computeCE setBuffer:paramsBuffer offset:0 atIndex:0];
 
MTLSize threadsPerGroup = {16, 16, 1};
MTLSize numThreadgroups = {inputImage.width/threadsPerGroup.width,
                           inputImage.height/threadsPerGroup.height, 1};
 
[computeCE dispatchThreadgroups:numThreadgroups
                                threadsPerThreadgroup:threadsPerGroup];
[computeCE endEncoding];
 
// Commit the command buffer
[commandBuffer commit];

Listing 6-2显示了前面示例的相应着色器代码。（函数read_and_transform和filter_table是用户定义代码的占位符）。

Listing 6-2  Shading Language Compute Function Declaration

kernel void filter_main(
  texture2d<float,access::read>   inputImage   [[ texture(0) ]],
  texture2d<float,access::write>  outputImage  [[ texture(1) ]],
  uint2 gid                                    [[ thread_position_in_grid ]],
  texture2d<float,access::sample> table        [[ texture(2) ]],
  constant Parameters* params                  [[ buffer(0) ]]
  )
{
  float2 p0          = static_cast<float2>(gid);
  float3x3 transform = params->transform;
  float4   dims      = params->dims;
  
  float4 v0 = read_and_transform(inputImage, p0, transform);
  float4 v1 = filter_table(v0,table, dims);
  
  outputImage.write(v1,gid);
}

后记

本篇主要讲述了数据并行计算处理：计算命令编码器，感兴趣的给个赞后者关注~~~