代码示例：使用 Unity* 进行并行处理的一种方法

简介

该项目的理念是展示如何使用 Unity* 在游戏中进行并行处理，以及如何使用游戏引擎执行与游戏相关的物理。在这个领域内，现实感是成功的一个重要标志。为了模拟真实世界，许多动作需要同时发生，这需要并行处理。创建两个不同的应用，然后将它们与在单个内核上运行的单线程应用进行比较。代码和随附的文章（参见下面的参考文献）介绍了群集算法的开发，并通过两个应用以鱼群的形式展示该算法。第一个应用在多线程 CPU 上运行，第二个应用在 GPU 上执行物理计算。

1. 群集算法的实施
2. 编码差异：CPU 对比 GPU

入门教程

群集算法的实施

在本示例中，一个群集被定义为一群鱼。算法需要考虑每个成员的聚集、队列和分离。如果每条鱼都与鱼群中的其他鱼保持一定的距离，经过计算得出，该鱼在一个鱼群里“游动”。鱼群的成员只能以群集成员的身份行动，不得单独行动，它们拥有相同的参数，如速度和方向。

该群集算法的复杂度为 O(n2)，其中，n 为鱼的数量。为了更新单条鱼的移动，算法需要查看环境中的所有其他 n 条鱼，以确定鱼是否可以 1) 留在鱼群；2) 离开鱼群；或者 3) 加入新鱼群。单条鱼可能单独“游”一段时间，并有机会加入新鱼群。这需要针对每条鱼执行 n 次。

算法可以被简化为：

对于每条鱼 (n)

查看所有其他的鱼 (n)

如果鱼之间的距离足够近

应用规则：聚集、队列和分离

数据被存储于两个缓冲区内，以表示每条鱼的状态。交替使用这两个缓冲区进行读写。需要这两个缓冲区在内存中维持每条鱼之前的状态。然后，使用该信息计算每条鱼的下一个状态。在每一帧前，读取当前读取缓冲，以更新场景。

该应用的基本流程为：

1. 初始化场景。
2. 针对每一帧更新场景
   1. 读取当前的读取缓冲
   2. 计算场景
   3. 渲染场景
   4. 写入当前的写入缓冲
   5. 交换缓冲

编码差异：CPU 对比 GPU

单线程和多线程应用的主要编码区别体现在如何调用群集计算上。请记住，每一帧都会调用 n 次该计算。单线程应用使用常规的 for 循环，而多线程应用使用 Parallel.For 类。

为了得到最佳性能，将物理计算的任务转移至 GPU。为此，在 GPU上使用并执行“着色器”。使用着色器为场景添加图形效果。本项目使用了“计算着色器”。通过 HLSL（高级着色器语言）编写计算着色器。计算着色器复制 Calc 函数的行为（如速度、位置、方向等），但是无需计算旋转。

使用 Parallel.For 函数的 CPU 调用面向每条鱼的 UpdateStates 函数，以便在绘制每条鱼前，计算其旋转并创建 TRS 矩阵。使用“四元数”类的 Unity 函数 Slerp 计算鱼的旋转。

请注意，随附的文章指出了使用 GPU 时需要考虑的其他方面：

• GPU 上的随机数生成
• 在 GPU 和 CPU 之间交换与共享数据
• CPU 优于 GPU 的案例

参考资料

Jeremy Servoz，Integrated Computing Solutions 公司，《使用 Unity 进行并行处理的一种方法》，https://software.intel.com/zh-cn/articles/an-approach-to-parallel-processing-with-unity，2018

更新日志

创建于 2018 年 3 月 20 日