这一章节主要讲述了GPU硬件的发展历程，GPU流水管线以及GPU各种着色器的作用及其适用性（由于本章涉及要很多概念上以及专业术语的翻译，有的地方可能没有理解到位而导致错误，希望大家能够帮忙指出，这也是一个互相进步的过程）。
这一章的篇幅略长，这里分为两篇介绍：上篇主要介绍GPU并行架构以及GPU流水管线的各阶段可操作程度；下篇主要介绍各着色器的特点及作用。
数据并行架构
CPU与GPU对于处理延迟的不同策略：
CPU:有多重处理器，大部分CPU芯片包含本地缓存，内存中存放了需要使用的数据。以及其他的技术：预分支，指令重排，寄存器重命名、缓存预取等。
GPU:有一个大的处理器组，称为着色器内核，通常有上千个。GPU是流处理器，依次有序的处理相似数据集。由于这种相似性（例如，一系列顶点或者像素），GPU可以大规模并行的方式处理数据。相邻数据之间保持独立，这样才可以完全并行处理，不需要等待另一个处理器的结果。
原文有一个GPU架构的，很生动的例子：
假设一个网格有2000个像素需要被渲染，以及有一个最弱的GPU，每次只能执行一个像素。
他开始执行第1个像素，对寄存器中的值进行一系列算法操作（寄存器是本地的，因此可以快速访问，因此不会发生延迟）。接下来他需要访问一张纹理资源，这是一个独立的资源，并且访问纹理可能涉及到一些其他的内容，这时间，处理器等待访问纹理的数据，什么也做不了，就产生了延迟。想象一下2000个像素处理完，延迟有多大。
此时为了使GPU变得更快，给每个片元一段本地寄存器储存空间。当第一个像素执行到访问纹理，就记录下当前像素的属性，以及当前执行的指令，然后开始处理第二个像素，依次处理到2000个像素。这时转回到第一个像素，他的纹理数据正好返回，则执行后续操作，然后是第二个像素，直到2000个像素全部执行完毕。这样看来，单个像素的执行时间变长了，但是整体处理的时间将大大减少。
接下来有几个概念：
SIMD: single instruction, multiple data，单一指令，多重数据。固定数量的着色器程序同步执行同一逻辑。
线程：2000个片元，每个片元的处理称为一个线程。此处线程不同于CPU的线程，他包括一部分将数据传送给着色器的内存，以及供着色器执行的寄存器空间。
线程束：使用同样着色器程序的线程组成的组。
例如：要执行2000个线程。英伟达的GPU一个线程束支持32个线程。因此就需要62.5个线程束。每个线程束的执行与单个GPU例子相同。第一个线程束执行，其中32个线程同步执行同一逻辑，32个线程会同时遇到访问内存的延迟的情况，因此整个线程束会停掉，转向第二个线程束。直到所有线程束执行完毕，此时转向第一个线程束，其访问内存的数据返回，那么他开始继续执行逻辑。过程如图所示（图片源自原书）：
接下来会引出两个问题：
其一：寄存器使用的数量。每个线程都需要一段寄存器。但是需要的寄存器越多，可以执行的线程越少，那么线程束就越少。线程束的不足，就会引发上述访问内存的延迟。
其二：动态分支：由if和循环引起的。同一线程束中32个线程是同步处理同一逻辑，如果遇到分支，32个线程都只取其中一个分支的结果，那么另一个分支则不会执行。一旦其中一个线程所需结果不同，那么32个线程同时会把两个流程执行一遍，然后各取所需，这也叫线程发散。
GPU流水管线
先上图：
依据可操作性，各步骤涂上了不同的颜色。
绿色是完全可编程模块：顶点着色器，曲面细分着色器，几何着色器，像素着色器；
黄色是不可编程但是高度可配置的模块：屏幕映射阶段，合并阶段；
蓝色是固定执行模块：裁剪，三角形设置和遍历
顶点着色器是完全可编程的阶段，是用来实现几何阶段。几何着色器主要用来操作图元上的顶点，也可以用来执行每图元着色操作，销毁图元，创建图元等。曲面细分着色器和几何着色器是可选的，也并不是所有的GPU都支持这些着色器，尤其是移动平台。
裁剪，三角形设置和三角形遍历阶段是固定执行阶段。屏幕映射受窗口和视口所影响。像素阶段是完全可编程的阶段。尽管合并阶段不是可编程的，但是他是高度可配置的，可以设置执行的各种操作。合并阶段主要是负责颜色，深度缓冲区，混合，模板缓冲区以及其他缓冲区数据的更新。
着色器以及图形API的发展
直接上图：
这一部分主要讲了dx和opengl的一路发展历程，篇幅也很长，这里就不在赘述，有兴趣可以翻翻原书。从图中就可以看出，短短二十几年，图形学发展迅速，从最初的固定渲染管线，到现在的可编程渲染管线，将来可能发展为更高度自由的可编程性。也可以看出，未来的图形学将有不可预估的可能性。
小结：
知识点：对GPU架构的实现有所了解，尤其是线程及线程束的执行机制。对目前阶段的GPU流水阶段各阶段的可操作程度有所掌握。下一篇文章将着重介绍各种着色器的特点。
参考资料：Real-Time-Rendering-4th
