顶点处理优化：从理论到实战
大家好，我是你们的老朋友。今天我们来聊聊顶点处理这块硬骨头。说实话，很多开发者觉得顶点着色器就是个小角色，随便写写就行。但我见过太多项目，就因为顶点处理没做好，整个渲染性能被拖垮。
顶点处理，说白了就是GPU处理每个3D模型顶点的过程。你想想看，一个复杂场景可能有上百万个顶点，每个顶点都要经过变换、光照、投影等一系列计算。如果这里效率不高，后面的像素着色器再快也白搭。
顶点着色器优化技巧
顶点着色器是每个顶点都要执行的程序。我个人的习惯是，写顶点着色器时先问自己三个问题：这个计算能不能移到CPU？能不能预计算？能不能用更轻量的方式替代？
核心原则：顶点着色器中只做必须做的事，能省则省。
我在项目中遇到过这样一个案例：一个角色模型有5000个顶点，顶点着色器里做了完整的骨骼动画矩阵计算。后来我发现，其实很多骨骼的变换矩阵可以预计算好，直接传入常量缓冲区。优化后，顶点处理时间直接降了一半。
具体来说，有几个实用技巧：
- 减少指令数：能用一条指令完成的，绝不用两条。比如向量归一化用
normalize()，别自己写平方根再除法。 - 避免分支：顶点着色器里的if-else很伤性能。我建议用
lerp或step函数替代条件判断。 - 利用常量缓冲区：把不常变化的数据（如投影矩阵）放到常量缓冲区，别每个顶点都重新计算。
- 精度选择：能用
half就别用float，能用fixed就别用half。嗯，这里要注意，精度不够会导致渲染错误，得权衡。
// 优化前：每个顶点都计算世界矩阵
float4 worldPos = mul(float4(input.pos, 1.0), worldMatrix);
float4 viewPos = mul(worldPos, viewMatrix);
float4 projPos = mul(viewPos, projMatrix);
// 优化后：将world-view-proj矩阵合并传入
float4x4 wvpMatrix = mul(mul(worldMatrix, viewMatrix), projMatrix);
float4 projPos = mul(float4(input.pos, 1.0), wvpMatrix);
小技巧：我曾经把一个复杂的顶点光照计算移到像素着色器里，虽然像素着色器执行次数更多，但顶点数远大于像素数时，反而整体性能提升了。具体情况具体分析。
顶点缓存与索引缓冲
顶点缓存和索引缓冲，这俩是GPU处理顶点的基础设施。说白了，顶点缓存存的是顶点数据（位置、法线、UV等），索引缓冲存的是顶点之间的连接关系。
为什么要用索引缓冲？你想想看，一个立方体有8个顶点，但需要画12个三角形（每个面2个），如果不使用索引，你得重复存储很多顶点数据。使用索引后，只需要存8个顶点和36个索引（每个三角形3个索引）。
| 方式 | 顶点数 | 索引数 | 内存占用 |
|---|---|---|---|
| 无索引 | 36 | 0 | 36 × 顶点大小 |
| 有索引 | 8 | 36 | 8 × 顶点大小 + 36 × 4字节 |
我建议在项目中尽量使用索引缓冲，尤其是模型顶点数超过1000时。不过要注意，索引的类型选择也有讲究：
- 16位索引：最多支持65536个顶点，适合中小模型
- 32位索引：支持40亿+顶点，适合大型场景
避坑指南：我曾经在一个项目中用了16位索引，结果模型顶点数刚好超过65536，渲染出来全是乱线。排查了半天才发现是索引溢出。从那以后，我习惯在代码里加个断言检查顶点数。
实例化渲染（Instancing）
实例化渲染，说白了就是一次绘制调用画出多个相同的物体。比如场景里有1000棵树，每棵树模型一样，只是位置、大小不同。传统做法要调用1000次DrawCall，而实例化只需要1次。
我参与过一个开放世界项目，场景里有上万棵草。用传统方式渲染，帧率直接掉到20。改用实例化后，帧率稳定在60。差距就是这么明显。
实例化的实现方式主要有两种：
- 硬件实例化：通过
DrawIndexedInstanced等API，GPU自动处理实例数据 - 顶点属性实例化：把实例数据（如世界矩阵）作为顶点属性传入，通过
instanceID索引
// 顶点着色器中的实例化处理
struct VSInput {
float3 pos : POSITION;
float3 normal : NORMAL;
float4x4 worldMatrix : INSTANCE_DATA; // 每个实例不同的世界矩阵
};
VSOutput main(VSInput input, uint instanceID : SV_InstanceID) {
VSOutput output;
float4 worldPos = mul(float4(input.pos, 1.0), input.worldMatrix);
output.pos = mul(worldPos, viewProjMatrix);
return output;
}
经验之谈：实例化不是万能的。如果每个实例的模型差异很大（比如不同种类的树），实例化的收益会降低。我建议在实例数量超过100时考虑使用实例化。
LOD（细节层次）技术
LOD，就是根据物体离摄像机的距离，使用不同精度的模型。远处的物体用低精度模型，近处的用高精度模型。这招在大型场景中特别管用。
我记得有一次优化一个城市渲染场景，原始场景有200万顶点，帧率只有15。引入LOD后，远处建筑用低模，近处用高模，顶点数降到30万，帧率直接飙到60。
LOD的实现要点：
- LOD层级数：一般3-4级就够了，太多反而增加管理开销
- 切换距离：根据物体大小和重要性设置，我习惯用物体包围盒半径的倍数
- 平滑过渡：使用
dither或alpha blending避免突然切换的视觉跳跃
// LOD选择逻辑（简化版）
float distance = length(cameraPos - objectCenter);
float radius = objectBoundingRadius;
int lodLevel = 0;
if (distance > radius * 50) lodLevel = 3; // 极远
else if (distance > radius * 20) lodLevel = 2; // 远
else if (distance > radius * 5) lodLevel = 1; // 中
else lodLevel = 0; // 近
// 根据lodLevel选择对应的模型和纹理
DrawModel(lodLevel);
注意：LOD切换时如果处理不好，会出现"pop"现象（模型突然变化）。我建议使用LOD bias或cross-fade技术来平滑过渡。另外，LOD级别不要频繁切换，可以加个滞后阈值。
知识体系总览
下面这张图展示了顶点处理优化的核心逻辑，我画了很久才理清楚它们之间的关系：
顶点处理优化，说白了就是一场"减负"运动。顶点着色器要精简，缓存要合理利用，重复物体用实例化，远处物体用LOD。这四个方面环环相扣，缺一不可。
我最后想说的是，优化没有银弹。每个项目的情况不同，你得用profiler工具实际测量，找到真正的瓶颈。别盲目套用别人的方案，适合自己的才是最好的。
公众号:蓝海资料掘金营，微信deep3321