第三章：纹理映射单元（TMU）架构
好，咱们今天聊聊TMU。说白了，纹理映射单元就是GPU里专门负责「贴图」的那个模块。你玩游戏时看到的砖墙纹理、草地细节，全是它一手操办的。
我个人习惯把TMU比作「图像快递员」——它得从显存里把纹理数据搬过来，还得处理成着色器能直接用的格式。这个活儿看着简单，其实门道不少。
3.1 TMU在GPU中的位置
先看整体布局。一个现代GPU的核心架构大致是这样的：
+------------------+ +------------------+
| Command Processor | --> | Thread Dispatcher |
+------------------+ +------------------+
| |
v v
+------------------+ +------------------+
| Shader Core | <-- | L1 Cache |
| (含ALU) | | |
+------------------+ +------------------+
| ^
v |
+------------------+ +------------------+
| TMU | --> | L2 Cache |
| (纹理单元) | | |
+------------------+ +------------------+
| |
v v
+------------------+ +------------------+
| ROP | | Memory |
| (光栅化单元) | | Controller |
+------------------+ +------------------+TMU夹在Shader Core和L2 Cache之间。这个位置很关键——它既要快速响应着色器的纹理请求，又得高效地从显存里捞数据。
我在项目中遇到过一个问题：TMU离Shader Core太远，导致纹理采样延迟飙升。后来我们调整了布局，把TMU直接怼在Shader Core旁边，延迟降了30%。嗯，位置决定性能啊。
3.2 TMU的内部组成
TMU内部其实是个小型的处理流水线。我拆开给你看：
| 组件 | 功能 | 我踩过的坑 |
|---|---|---|
| 纹理地址计算单元 | 将纹理坐标转换为显存地址 | 曾经没处理好wrap模式，导致纹理边缘出现撕裂 |
| 纹理缓存 | 缓存最近使用的纹理数据 | 缓存行大小设错了，命中率暴跌 |
| 纹理过滤器 | 执行双线性、三线性等过滤 | 三线性插值的权重计算搞反了，画面糊成一团 |
| 解压缩单元 | 解压BCn等压缩格式 | BC7的解压逻辑有个边界条件没处理，花了一周才定位 |
| 格式转换单元 | 将纹理格式转为着色器需要的格式 | RGBA和BGRA搞混，颜色全反了 |
3.3 纹理地址计算单元
这个单元负责把UV坐标变成实际的显存地址。你想想看，纹理坐标是0到1之间的浮点数，但显存地址是整数。怎么映射？
核心公式其实很简单：
texel_x = floor(u * width)
texel_y = floor(v * height)
address = base_address + (texel_y * stride) + texel_x * bytes_per_texel但实际没那么简单。还得处理wrap、clamp、mirror这些寻址模式。我曾经在项目里忘了处理mirror模式，结果纹理像镜子一样来回反射，画面看起来像万花筒。嗯，调试那会儿真是哭笑不得。
关键点：纹理地址计算必须考虑mipmap层级。不同层级的纹理尺寸不同，地址偏移也不同。我建议你在设计时把mipmap的基地址和步长都做成可配置的，这样后期调优方便。
3.4 纹理缓存
纹理缓存是TMU性能的关键。说白了，显存访问太慢了，必须用缓存来扛。
缓存的设计有几个要点：
- 缓存行大小：通常是32字节或64字节。太小了命中率低，太大了浪费带宽。我习惯用64字节，因为纹理数据通常有空间局部性。
- 关联度：4路或8路组相联。关联度越高，冲突越少，但面积也越大。我在一个低功耗项目里用过2路，结果纹理抖动严重，后来改回4路才搞定。
- 替换策略：LRU最常用。但LRU实现复杂，有些低成本方案用伪LRU或者随机替换。我个人不推荐随机替换，纹理访问模式很规律，随机替换容易把刚用过的数据踢出去。
小技巧：纹理缓存最好支持「预取」功能。当检测到连续访问模式时，提前把下一块纹理数据拉进缓存。我在一个游戏引擎项目里加了预取，纹理加载时间缩短了40%。
3.5 纹理过滤器
纹理过滤是TMU里最吃计算的部分。为什么？因为纹理坐标很少刚好落在整数像素上，你得插值。
常见的过滤模式：
- 最近点采样：最简单，直接取最近的像素。速度快，但锯齿严重。
- 双线性过滤：取周围4个像素做线性插值。效果好很多，但计算量翻倍。
- 三线性过滤：在两个mipmap层级上分别做双线性，再插值。效果最好，但计算量是双线性的两倍。
- 各向异性过滤：根据视角方向调整采样形状。这个最复杂，但效果也最好。
我记得有一次，美术同事抱怨纹理在远处闪烁。我一看，原来是mipmap层级切换时没做三线性插值。加上之后，画面平滑多了。你想想看，一个像素的差异，在屏幕上可能就是一大片闪烁区域。
注意：各向异性过滤虽然效果好，但带宽消耗巨大。我建议你根据纹理的倾斜角度动态调整各向异性级别。比如，正对着的纹理用2x，倾斜的用8x。这样能在画质和性能之间取得平衡。
3.6 解压缩单元
现代纹理几乎都是压缩的。BC1、BC3、BC7、ASTC……格式五花八门。TMU里必须有个专门的解压缩单元。
解压缩单元的设计要点：
- 并行度：一次能解压多少个像素？我建议至少4个，否则带宽跟不上。
- 延迟：解压本身有延迟，但可以通过流水线隐藏。我习惯把解压单元做成4级流水线，这样每个周期都能输出一个结果。
- 格式支持：不是所有格式都需要硬件解压。有些冷门格式可以用软件解压，但主流格式必须硬件支持。
我曾经在一个项目里只支持了BC1和BC3，结果美术团队用了BC7，纹理加载直接卡死。嗯，从那以后我学乖了，提前和美术团队沟通好纹理格式。
3.7 格式转换单元
纹理在显存里存的格式和着色器需要的格式往往不一样。比如，显存里是BGRA，但着色器要RGBA。或者显存里是10:10:10:2的RGB，但着色器要float4。
格式转换单元负责这个转换。它通常包含：
- 颜色空间转换：sRGB到线性，或者YUV到RGB。
- 位宽转换：8位到16位，或者16位到32位。
- 通道重排：BGRA到RGBA，或者ARGB到RGBA。
我建议你把格式转换做成可配置的。因为不同API（DirectX、Vulkan、Metal）对纹理格式的要求不一样。可配置的格式转换单元能让你一套硬件支持多个API。
总结一下：TMU不是简单的「纹理读取器」，它是一个完整的处理流水线。地址计算、缓存、过滤、解压、格式转换，每个环节都可能成为性能瓶颈。我建议你在设计TMU时，先用性能模型模拟一下，看看哪个环节最吃资源，然后重点优化。
好了，TMU的架构就聊到这儿。下一章咱们聊聊纹理采样器——就是那个决定「怎么采」的模块。到时候我会讲讲采样器状态机的设计，以及我在一个VR项目里遇到的采样延迟问题。