1 定义与基本概念
1.1 计算着色器的定义
计算着色器是一种运行在GPU上的程序单元，主要用于执行通用并行计算任务。它不直接参与图元生成或像素着色，而是以数据处理为中心，针对大量相似运算进行加速。其基本特点是将计算任务拆分为多个相对独立的线程并行执行，从而充分利用GPU的高吞吐架构。
1.2 计算着色器的定位
计算着色器通常被视为图形API中的一种可编程计算阶段，同时也可看作GPU通用计算的重要入口。它介于传统图形渲染管线与广义并行计算之间，既能够与渲染流程协同工作，也可以独立完成某些数据处理任务。
1.2.1 与图形渲染着色器的区别
顶点着色器、片元着色器等传统图形着色器主要服务于绘制流程，分别处理几何顶点、像素和相关插值信息。计算着色器则不依赖固定的图形阶段输入输出关系，也不以生成最终画面为核心目标，而是面向更一般的数据并行任务。相比之下，它的资源访问方式更灵活，适用范围也更广。
1.2.2 与通用计算的关系
从功能上看，计算着色器属于GPU通用计算的一种实现形式。它适合处理可以被拆分成大量重复子任务的问题，例如矩阵运算、图像批处理和物理模拟。由于GPU在并行执行上的优势，许多原本主要由CPU承担的工作可以在计算着色器中获得更高的执行效率。
1.3 适用场景
计算着色器常用于图像滤波、粒子更新、流体近似计算、后处理效果、可见性分析以及数据归约等场景。凡是具有数据规模大、单个元素计算相对独立、线程间依赖较少的任务，通常都较适合借助它来实现。
2 历史与发展
2.1 早期GPU通用计算背景
在计算着色器出现之前，GPU虽然主要用于图形渲染，但研究者和开发者已经开始尝试借助图形接口完成非图形计算。这一阶段的GPU通用计算往往依赖纹理、顶点缓存和片元处理等机制间接实现，编程方式较为绕远，但也奠定了后续发展基础。
2.2 计算着色器的出现
计算着色器的引入，标志着GPU计算从“借用图形管线”逐步走向“原生可编程计算阶段”。它为开发者提供了更直接的数据访问和线程调度能力，使GPU不仅能渲染画面，也能承担大量一般性计算工作。
2.3 标准化与API演进
随着图形与计算需求不断融合，主流图形API逐渐将计算着色器纳入正式支持范围。其语法、资源绑定和执行模型也在不同平台上不断完善，形成了较为统一的开发思路。
2.3.1 DirectX中的支持
在DirectX体系中，计算着色器较早获得系统化支持，并与其他着色阶段共同构成现代图形管线的一部分。这使得开发者可以较方便地在同一框架内完成渲染与计算任务的协作。
2.3.2 OpenGL中的支持
OpenGL在后续版本中引入了计算着色器相关能力，使其不再局限于传统的绘制流程。借助这一扩展，开发者能够在开放图形环境中实现通用数据并行处理。
2.3.3 Vulkan与现代图形API中的支持
Vulkan等现代图形API强调更显式的资源管理和更低层的控制能力，计算着色器在这类API中拥有清晰的执行模型与资源组织方式。其设计理念有利于提升跨平台一致性，也便于在复杂应用中统一管理图形与计算任务。
3 执行模型
3.1 线程、线程组与并行执行
计算着色器通常以大量线程同时运行的方式执行。每个线程处理任务中的一个数据元素或一个局部片段，而多个线程会被组织成线程组协同工作。这样的结构便于GPU按批次调度，从而实现高并行度。
3.2 工作组与本地协作
线程组内部的线程可以共享一定范围内的本地资源，并通过协作完成局部计算。与完全独立执行相比，这种方式更适合需要邻域数据交换或分阶段处理的算法。
3.2.1 共享内存机制
共享内存是线程组内部常用的高速临时存储区域。它允许同组线程快速交换中间结果，减少对全局内存的频繁访问，通常对性能有明显帮助。
3.2.2 同步与屏障
在并行执行过程中，不同线程的计算进度可能并不完全一致。同步机制和屏障用于确保某一步计算在所有相关线程都完成后再继续下一步，从而避免读取到未更新的数据。
3.3 任务分发与调度方式
计算着色器的执行通常由应用程序提交任务后，由驱动和硬件负责分发。任务会被拆解为多个线程组，再由GPU的调度单元安排到不同计算核心上运行。这种方式便于在硬件层面实现负载分配与并发执行。
4 程序结构
4.1 着色器入口函数
计算着色器一般以入口函数作为程序起点。入口函数接收当前线程的标识信息，并根据这些标识确定所处理的数据范围。开发者通过编写这一入口逻辑来定义每个线程的工作内容。
4.2 输入与输出数据
计算着色器通常通过缓冲区、纹理或图像资源读取输入，并将结果写回相应输出位置。其数据流更接近通用计算程序，而不是传统意义上的逐像素渲染过程。
4.2.1 缓冲区输入输出
缓冲区是计算着色器中最常见的数据载体之一，可用于存储数组、结构体或连续数值。线程可以按索引读取和写入缓冲区中的元素，适合处理规则化的数据集合。
4.2.2 图像与纹理访问
在涉及图像处理时，计算着色器也可以直接访问纹理或图像对象。与传统采样式读取不同，它往往更强调对像素位置的精确访问，以及对写入结果的直接控制。
4.3 常量与资源绑定
计算着色器运行时，需要将常量参数和资源对象绑定到指定位置，以便程序访问。资源绑定方式通常由图形API定义，并受平台接口约束。
4.3.1 统一缓冲区
统一缓冲区常用于存放在一段时间内保持不变或较少变化的参数，例如变换矩阵、时间步长或控制开关。它有助于让多个线程共享同一组只读配置。
4.3.2 结构化缓冲区
结构化缓冲区用于组织具有明确字段结构的数据，适合表示复杂记录或对象集合。与简单数组相比，它更便于表达带有多属性的信息。
4.3.3 只读与可写资源
计算着色器中的资源通常会区分只读和可写两类。只读资源主要用于输入，而可写资源用于输出或中间结果存储。明确区分这两种访问方式，有助于减少冲突并提高程序可控性。
5 内存与数据访问
5.1 全局内存
全局内存是GPU上容量较大但访问延迟相对更高的存储区域。计算着色器通常需要从中读取原始数据并写回处理结果，因此程序设计往往会尽量减少不必要的访问次数。
5.2 共享内存
共享内存位于线程组内部，速度较快，适合临时缓存和局部协作。很多算法会先将数据块载入共享内存，再进行多次复用，以降低全局内存压力。
5.3 寄存器与局部变量
寄存器用于保存线程私有的临时值，局部变量通常也会优先映射到较快的硬件资源。合理控制临时变量数量，有助于减少资源占用并改善执行效率。
5.4 内存一致性与可见性
在并行环境下，线程之间对同一数据的读写顺序必须受到约束，才能避免结果不一致。内存一致性与可见性机制用于规范数据在不同执行单元之间何时可被正确观察到。
5.4.1 原子操作
原子操作能够保证某些读改写过程在并发环境中不可被打断，常用于计数、累积和标记等场景。它们是处理共享数据时的重要工具。
5.4.2 内存屏障
内存屏障用于限制指令重排和数据可见性范围，确保特定顺序的写入和读取关系成立。它在多线程协作中常与同步机制配合使用。
5.4.3 访问冲突处理
当多个线程同时访问同一资源时，可能出现竞争或覆盖问题。通常需要通过分区、同步、原子写入或双缓冲等方式进行处理，以降低冲突风险。
6 编程接口与语言
6.1 HLSL中的计算着色器
HLSL是DirectX生态中常用的着色器语言，计算着色器可直接以其语法编写。它通常提供与线程索引、缓冲区读写和资源绑定相关的内建支持，便于与图形管线整合。
6.2 GLSL中的计算着色器
GLSL在支持计算阶段后，也能用于编写通用GPU计算程序。其语法与传统图形着色器保持一定连贯性，同时增加了面向计算任务的布局和资源访问机制。
6.3 SPIR-V与中间表示
SPIR-V是一种常见的着色器中间表示，能够在高层着色语言与底层驱动之间充当统一的交换格式。它有助于提升跨平台移植性，并方便不同API共享编译产物。
6.4 着色器编译与链接
计算着色器在运行前通常需要经过编译，有时还要与其他程序阶段进行链接或管线组装。这个过程决定了资源布局、入口点和硬件可执行形式。
6.4.1 编译优化
编译器可能会对循环展开、常量折叠、死代码消除和寄存器分配等方面进行优化。合理的代码结构往往能帮助编译器生成更高效的指令序列。
6.4.2 平台适配
不同GPU厂商、驱动版本和API实现之间可能存在差异，因此着色器开发常需要考虑兼容性。通过统一中间表示和规范化资源使用，可以降低移植成本。
7 典型应用
7.1 图像处理
计算着色器在图像处理中应用广泛，尤其适合对每个像素或局部邻域进行批量计算。由于图像数据通常具有规则网格结构，非常适合并行处理。
7.1.1 滤波与模糊
滤波和模糊类操作通常需要读取邻近像素并进行加权计算。计算着色器能够并行处理整幅图像，从而加快实时效果生成。
7.1.2 边缘检测与增强
边缘检测需要比较相邻区域的差异，而增强处理则常用于提升对比度或锐化图像。此类算法具有较强的数据局部性，适合在GPU上实现。
7.2 物理模拟
物理模拟往往包含大量重复更新步骤，例如速度、位置和力的迭代计算。计算着色器可以把这些更新分配给多个线程并行执行。
7.2.1 粒子系统
粒子系统中，每个粒子的状态更新通常相对独立，因此非常适合并行处理。常见任务包括生命周期管理、速度积分和碰撞近似。
7.2.2 流体与布料模拟
流体和布料模拟往往需要处理网格、邻域和约束条件。计算着色器可用于执行迭代求解、局部约束修正和场数据更新。
7.3 数据并行计算
许多传统意义上的数据处理任务也可以映射到计算着色器上，只要它们具备明显的并行结构。典型例子包括归约、扫描和排序等。
7.3.1 前缀和与归约
前缀和和归约分别用于累积序列信息和压缩数据集合。它们常被视为GPU并行算法中的基础模块。
7.3.2 排序与搜索
在适当的数据组织下，排序和搜索也可以利用计算着色器加速。虽然这类任务的控制流程较复杂，但在特定规模与结构下仍有较好表现。
7.4 实时渲染辅助
计算着色器常作为渲染管线的辅助环节，承担场景分析和中间结果准备等工作。它可以在正式绘制前后介入，减少CPU负担并提高整体效率。
7.4.1 可见性计算
可见性计算用于判断哪些对象或区域需要被处理或渲染。借助并行计算，可以更快地完成大规模场景中的筛选工作。
7.4.2 光照与后处理
在光照预处理、屏幕空间效果和后处理链中，计算着色器能够提供灵活的中间步骤支持。它可用于生成辅助贴图、执行局部运算或整理最终输出。
7.5 科学与工程计算
在部分科学计算和工程应用中，计算着色器可作为加速手段，用于处理矩阵、网格和迭代求解等任务。其优势主要体现在规则数据结构和重复计算较多的场合。
7.5.1 矩阵运算
矩阵乘法、转置和分块计算等操作都具有高度并行特征。计算着色器可以利用线程间并发来提升吞吐量。
7.5.2 数值迭代
数值迭代常用于近似求解方程或优化模型。只要迭代步骤能被拆分并平行执行，计算着色器就能参与其中。
8 性能优化
8.1 并行粒度设计
合理划分每个线程的工作量，是性能优化的重要前提。粒度过细会增加调度开销，过粗则可能降低并行度，因此需要在任务拆分与资源利用之间取得平衡。
8.2 访存模式优化
GPU性能往往受内存访问模式显著影响，因此优化读写方式十分关键。尽量减少随机访问，并提高相邻线程的数据访问连续性，通常有利于提升效率。
8.2.1 线性访问与缓存友好
线性或近线性的访问模式更容易被缓存和内存控制器高效处理。开发时若能让线程按连续地址读取数据，通常会获得更好的带宽利用率。
8.2.2 减少分支发散
当同一线程组内不同线程进入不同分支时，执行效率可能下降。通过简化条件判断、重组数据或预处理输入，可以减轻分支发散带来的影响。
8.3 计算与带宽平衡
有些任务受限于算力，有些则受限于内存带宽。优化时需要判断瓶颈来源，并据此选择减少运算、压缩数据或增加复用等策略。
8.4 线程组尺寸选择
线程组大小会影响调度效率、共享内存使用和硬件占用情况。不同GPU架构对线程组尺寸的偏好并不完全相同，因此常需要通过测试选择合适参数。
8.5 性能分析与调试
性能分析工具可帮助开发者观察耗时分布、内存访问和线程利用率。结合调试输出、可视化诊断与逐步简化测试，通常能更快定位问题。
9 优势与局限
9.1 优势
计算着色器的突出优点在于能够充分发挥GPU的并行能力，并与图形系统自然结合。对于大规模、结构规则的任务，它通常能提供显著加速。
9.1.1 高并行吞吐
GPU拥有大量执行单元，适合同时处理海量相似数据。计算着色器正是借助这一特性，在适合的任务上展现出很高的吞吐效率。
9.1.2 与图形管线集成方便
由于它通常属于图形API的一部分，因此可以与渲染、后处理和资源管理流程顺畅协作。这使得图形应用在组织复杂工作流时更为便利。
9.2 局限
尽管用途广泛，计算着色器并不适合所有计算问题。其编程和执行模式对任务结构有较高要求，且受底层硬件与API约束较多。
9.2.1 对分支密集任务不友好
若算法包含大量复杂条件判断或线程间执行路径差异较大，GPU并行优势可能难以充分发挥。在这种情况下，CPU或其他计算模型有时更合适。
9.2.2 调试复杂度较高
并行程序的错误往往不易复现，且数据竞争、同步失误和越界访问等问题较难排查。因此，计算着色器的开发调试通常比顺序程序更复杂。
9.2.3 受硬件与API约束
不同平台在线程组规模、资源绑定、同步语义和内存模型上可能存在差异。开发者需要兼顾兼容性与性能，这会增加实现难度。
10 相关技术
10.1 顶点着色器
顶点着色器是传统图形管线中的阶段之一，主要负责处理几何顶点数据，如位置变换和属性传递。它与计算着色器在执行环境上相近，但用途并不相同。
10.2 片元着色器
片元着色器主要用于生成最终像素颜色，通常直接决定画面显示效果。与计算着色器相比，它更紧密地绑定于图像输出流程。
10.3 几何着色器
几何着色器位于图形管线中间，可对图元进行扩展、修改或生成新图元。其适用范围较专门，且在许多通用计算任务中并非首选。
10.4 任务与网格着色器
任务着色器和网格着色器是较新的图形可编程阶段，用于更灵活地组织几何处理流程。它们与计算着色器同样体现了GPU编程向更高层次可控性的演进。
10.5 CUDA与其他通用GPU计算框架
CUDA及类似框架专注于通用GPU计算，通常提供更直接的计算编程接口和更丰富的工具链。与计算着色器相比，它们更偏向纯计算领域，而计算着色器则更强调与图形生态的结合。