PerfTest新手必读：3分钟看懂uniform、linear、random三种加载模式测试结果
项目地址: https://gitcode.com/gh_mirrors/pe/perftest PerfTest 是一款开源的 GPU 纹理与缓冲加载性能测试工具，它基于 DirectX 11 计算着色器（Compute Shader）运行，专门用来测量 GPU L1 缓存中的数据读取速度。它的核心价值，是帮助渲染程序员在优化 Compute Shader 性能时，选对资源类型与加载方式。当你第一次运行 PerfTest 时，会看到满屏密密麻麻的结果行，每一行都标注着 uniform、linear、random 三种加载模式。这篇文章用 3 分钟帮你彻底看懂这些测试结果，以及它们背后的硬件原理。🚀
PerfTest是什么：帮你选对GPU资源类型的性能测试工具
很多新手会误以为 PerfTest 是用来横向对比不同品牌显卡性能的跑分软件，其实不然。它的设计目的非常聚焦：
- 测量各类 Buffer（缓冲）与 Texture（纹理）的加载性能；
- 所有测试都限定在 GPU 的 L1 缓存内完成（工作集不超过 16 KB），所以它测的是缓存命中率 100% 的峰值加载速度，而不是显存带宽；
- 测试覆盖 Typed Buffer、ByteAddressBuffer、StructuredBuffer、Constant Buffer、Texture2D Load/Sample 等多种资源类型，每种都分别跑 uniform、linear、random 三种加载模式。
测试主体逻辑集中在 loadTypedBody.hlsli 这一个核心着色器文件里，而 main.cpp 负责调度全部上百个测试用例并输出结果。
三种加载模式分别是什么？3分钟概念速览
PerfTest 的着色器通过三个宏来区分加载模式，见 loadTypedBody.hlsli 中的核心代码：
| 加载模式 | 线程访问地址 | 本质 | 测什么 |
|---|---|---|---|
| uniform（一致地址） | 线程组内所有线程读同一个地址 | 触发硬件标量加载路径 | 驱动的 uniform 地址优化、AMD 标量单元（SGPR） |
| linear（线性） | 线程按顺序读取连续地址 | 完美合并访存（coalescing） | 顺序访问时的峰值吞吐 |
| random（随机） | 每个线程随机偏移 0-15 个元素 | 打乱访问顺序、阻止合并 | 接近真实游戏的非线性访问性能 |
uniform加载模式：全体线程读同一个地址
在 uniform 模式中，所有线程同时从相同地址加载数据。别小看这个"偷懒"的访问方式，它在部分 GPU 上能触发惊人的优化：
- AMD GCN 架构会把它转成标量加载（Scalar Load），走独立的标量缓存与 SGPR 寄存器堆，不占用向量加载路径，还能省下寄存器压力；
- Intel 与 Nvidia 的驱动会在循环场景中做"波宽合并"优化（warp shuffle），让一次向量加载服务多个循环迭代。
linear加载模式：合并访存的最理想形态
GPU 对连续地址访问有天然的合并优化。linear 模式让 256 个线程按顺序读取连续地址，理论上在所有 GPU 上都能实现完美合并（coalescing），不受波（warp/wave）宽度影响。它代表的是顺序遍历数据的理论最优速度。
random加载模式：最接近真实应用的"试金石"
游戏和渲染代码里的内存访问很少是完美连续的。random 模式给每个线程一个 0-15 元素的随机起始偏移，有效阻止 GPU 合并访存，给出更贴近真实场景的性能下限参考。PerfTest 用 hash1(gix) & 0xf 生成随机偏移，兼顾了可复现性与均匀分布。
如何看懂测试结果：毫秒数与倍数x的含义
PerfTest 的输出格式是 资源类型.加载模式: 耗时ms 倍数x，例如：
Buffer<R8>.Load uniform: 1.249ms 28.812x
- 毫秒（ms）：该用例跑完的平均耗时，越小越快；
- 倍数（x）：以同显卡上
Buffer<RGBA8>.Load random（随机访问 RGBA8 缓冲）的结果为 1.0x 基准，其余所有用例与之相比的相对速度。倍数越高，说明该加载方式比基准快得越多。
所以你在 README.md 中看到的结果，本质是一份"相对性能地图"，用来比较的是访问模式之间的差距，而不是不同显卡之间的快慢。
真实GPU测试数据：不同厂商的惊人差异
PerfTest 最有意思的地方，是同样三种模式在不同厂商显卡上呈现出完全不同的表现。
AMD GCN2（R9 390X）数据摘录
Buffer<R8>.Load uniform: 11.302ms 3.907x
Buffer<R8>.Load linear: 11.327ms 3.899x
Buffer<R8>.Load random: 44.150ms 1.000x
AMD GCN 架构下，一维（1d）加载在 uniform 和 linear 模式下都能拿到约 4x 的合并收益，而 random 模式回到基准水平。但注意：纹理（Texture）加载在 GCN 上没有合并加速，三种模式几乎持平，这与 Nvidia 完全不同。
Nvidia Maxwell（GTX 980 Ti）数据摘录
Buffer<R8>.Load uniform: 1.249ms 28.812x
Buffer<R8>.Load linear: 34.105ms 1.055x
Buffer<R8>.Load random: 34.187ms 1.053x
这是 PerfTest 最震撼的发现之一：Nvidia 的 uniform 加载居然比 random 快近 29 倍！原因是 Nvidia 驱动在循环中使用 uniform 地址时，会做波宽（32 线程）级别的 shuffle 广播优化——一个波内只真正加载一次数据，再广播给全部 32 个线程。Kepler 架构上这一优势甚至高达 62x。而更极端的是常量缓冲（cbuffer）：
cbuffer{float4} load uniform: 1.298ms 27.733x
cbuffer{float4} load linear: 798.703ms 0.045x
cbuffer{float4} load random: 324.356ms 0.111x
Nvidia 有专门的常量缓冲硬件单元，uniform 访问极快；但一旦访问地址不统一，常量缓冲会按地址串行化，性能暴跌到基准的 4.5%！这是新手最容易踩的坑。
新手最容易忽略的3个细节
1. 编译器优化会"污染"结果
PerfTest 用了一个巧妙设计防止编译器把整个着色器优化掉：LoadConstants 结构体（见 loadConstantsGPU.h）中的 elementsMask 和 writeIndex 都是运行时才知道的值，编译器无法在编译期证明加载结果无用，从而保留全部内存加载指令。这也是为什么你不应该随意修改这些"看似没用"的常量。
2. 测试限定在 L1 缓存内
所有用例的工作集都不超过 16 KB，保证 100% L1 命中。所以 PerfTest 测的是缓存访问吞吐，不是显存带宽。看结果时不要把这里的数字直接套用到真实大数据的场景。
3. "1d/2d/4d"指的是通道宽度
结果中的 Buffer<R8>、Buffer<RG8>、Buffer<RGBA8> 分别代表 1、2、4 个通道，每个通道 8 位。宽加载（4d）通常每周期搬运更多字节，这也是 README 建议"优先使用宽加载"的原因。
总结：3条立即可用的优化建议
- 能用 uniform 地址就别用 random：在循环里使用不随线程变化的地址（如
buffer[loopIndex]），AMD 和 Nvidia 都有硬件/驱动层面的优化，最高可获几十倍加速； - Nvidia 上慎用非 uniform 的 cbuffer 索引：常量缓冲的非一致地址访问会灾难性串行化，大数据请改用 StructuredBuffer 或 ByteAddressBuffer；
- 访问模式尽量线性：连续地址能触发合并访存，尤其在 AMD 上一维加载可获得约 4 倍收益；如果必须随机访问，尽量用宽格式（如 RGBA32）摊薄单次访问的代价。
想亲自动手验证自己显卡的行为？克隆仓库后，用 Visual Studio 打开 perftest.sln 编译，运行 PerfTest.exe（可选参数指定显卡索引，多显卡时用 PerfTest.exe 1），耐心等待约 30 秒预热加 30 秒基准测试，就能得到属于你的那份 uniform、linear、random 三种加载模式的完整性能地图了。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
