如何使用NVAPI将DX12资源上传到GPU

如何通过 PCIe 总线优化从 CPU 到 GPU 的 DX12 资源上传是一个老问题，有许多可能的解决方案，每个解决方案都有其优缺点。在这篇文章中，我将展示如何使用 NVAPI 将 DX12 上传堆移动到 CPU-Visible VRAM （ CVV ），这是一个加速 PCIe 有限工作负载的简单解决方案。

CPU-Visible VRAM ：工具箱中的新工具

以顶点缓冲区（ VB ）上载为例，数据不能跨帧重用。将 VB 上载到 GPU 的最简单方法是直接从 GPU 读取 CPU 内存：

首先，应用程序创建 DX12 UPLOAD 堆或等效的 CUSTOM 堆。 DX12 上传堆分配在系统内存中，也称为 CPU 内存，其中 WRITE_COMBINE （ WC ）页面针对 CPU 写入进行了优化。 CPU 首先将 VB 数据写入此系统内存堆。

其次，应用程序使用 IASetVertexBuffers 命令将上载堆中的 VB 绑定到 GPU draw 命令。

在 GPU 中执行绘制时，将启动顶点着色器。接下来，顶点属性提取（ VAF ）单元通过 GPU 的二级缓存读取 VB 数据，二级缓存本身从存储在系统内存中的 DX12 上载堆加载 VB 数据：

图 1 直接从 DX12 上传堆获取 VB 。

来自系统内存的 L2 访问具有高延迟，因此最好在执行 draw 命令之前通过将数据从系统内存复制到 VRAM 来隐藏该延迟。

从 CPU 到 GPU 的预上载可以通过使用 copy 命令来完成，可以使用 COPY 队列异步完成，也可以在主直接队列上同步完成。

图 2 使用 copy 命令将 VB 预加载到 VRAM

复制引擎可以在复制队列中与其他 GPU 工作同时执行复制命令，并且可以同时使用多个复制队列。但是，使用异步复制队列的一个问题是，您必须注意将队列与 DX12 Fences 同步，这可能很难实现，并且可能会有很大的开销。

在 GTC 2021 的 Nsight Graphics ： GPU Trace 的下一级优化建议 会议上，我们宣布 NVIDIA GPU 上 DX12 应用程序的替代解决方案是有效地使用 CPU 线程作为复制引擎。这可以通过使用 NVAPI 在 CVV 中创建 DX12 上载堆来实现。 CPU 然后通过 PCIe 总线将写入此特殊上载堆的数据直接转发到 VRAM （图 3 ）。

图 3 在 CPU 线程中使用 CPU 写操作将 VB 预加载到 VRAM

对于 DX12 ，以下 NVAPI 函数可用于查询系统中可用的 CVV 量，并用于分配这种新风格的堆（ CPU – 可写 VRAM ，具有快速 CPU 写入和慢速 CPU 读取）：

NvAPI_D3D12_QueryCpuVisibleVidmem

NvAPI_D3D12_CreateCommittedResource

NvAPI_D3D12_CreateHeap2

这些新功能需要最新的驱动程序： 466 。 11 或更高版本。

NvAPI_D3D12_QueryCpuVisibleVidmem 应报告以下 CVV 内存量：

使用 Windows 11 （例如，使用 Windows11 内幕预览 ）时 NVIDIA RTX 20xx 和 30xx GPU s 的容量为 200-256 MB 。

可调整大小的条_ RTX 30xx GPU s 在 Windows 10 或 Windows 11 中超过 256 MB ，且 NVIDIA 控制面板中的 可调整大小的条_ 报告为 NVIDIA 。有关如何启用可调整大小栏的更多信息，请参阅 GeForce RTX 30 系列通过可调整大小的杆支撑加速性能 。

使用 Nsight Graphics 从 CPU-Visible VRAM 检测并量化 GPU 性能增益机会

NVIDIA NSight 图形 2021 。 3 中的 GPU 跟踪工具可轻松检测 GPU 性能提升机会。启用 高级模式 时， GPU 内的 Analysis 面板将根据预测的帧减少百分比，通过修复此 GPU 工作负载中的特定问题，跟踪帧内的颜色代码 perf 标记。

以下是在 RTX NVIDIA 3080 上，从 看门狗：军团 （ DX12 ）预发布版本中选择 Analyze 后的帧的外观：

图 4 带有颜色编码 GPU 工作负载的 GPU 跟踪分析工具

（越绿，帧上的预计增益越高）。

现在，选择帧末尾的用户界面绘制命令，分析工具显示，修复 二级未命中到系统内存 性能问题后 GPU 帧时间预计减少 0 。 9% 。该工具还显示，通过二级缓存传输的大多数系统内存流量是由基本引擎请求的，该引擎包括顶点属性获取单元：

图 5 GPU 跟踪分析工具，关注单个工作负载。

通过在 CVV 中分配此 draw 命令的 VB ，而不是使用常规 DX12 上载堆分配系统内存，此机制的 GPU 时间从 0.2 ms 减少到 0.01 ms 以下。 GPU 帧时间也减少了 0.9% 。在此工作负载中， VB 数据现在直接从 VRAM 获取：

图 6 GPU 跟踪分析工具，在优化了工作负载之后。

使用 Nsight 系统避免 CPU 读取 CPU – 可见 VRAM

CPU 不应读取常规 DX12 上载堆，而应仅将其写入。与常规堆一样， CVV 堆的 CPU 内存页已启用 写合并 。这提供了快速的 CPU 写入性能，但缓慢的非缓存 CPU 读取性能。此外，由于从 CVV 读取 CPU 会通过 PCIe 、 GPU L2 和 VRAM 进行往返，因此从 CVV 读取的延迟远大于从常规 DX12 上载堆读取的延迟。

要检测应用程序 CPU 的性能是否受到来自 CVV 的 CPU 读取的负面影响，并获取 CPU 调用导致这种情况的信息，我建议使用 Nsight 系统 2021.3 。

示例 1 ： CVV CPU 读取 ReadFromSubresource

下面是一个在 Nsight 系统跟踪中从 DX12 ReadFromSubresource 读取灾难性 CPU 的示例。为了捕获此跟踪，在获取跟踪时，我在 Nsight 系统项目配置中启用了新的 收集 GPU 指标 选项，以及默认设置，其中包括 样本目标过程 。

以下是 Nsight Systems 在放大一个代表性帧后显示的内容：

图 7 Nsight 系统显示 2 。 6 ms ReadFromSubresource 调用与来自 BAR1 的高 PCIe 读取请求计数相关的 CPU 线程。

在这种情况下（单个 – GPU 机器）， Nsight Systems 中的 对 BAR1 的 PCIe 读取请求 GPU 指标测量发送到 PCIe 的 CPU 读取请求数，以获取 CVV （ BAR1 ）中分配的资源。 Nsight Systems 显示 CPU 线程上的长 DX12 ReadFromSubresource 调用与来自 CVV 的大量 PCIe 读取请求之间存在明显的相关性。因此，您可以得出结论，此调用很可能是从 CVV 执行 CPU 回读，并在应用程序中修复此问题。

示例 2 ： CVV CPU 从映射指针读取

CPU 从 CVV 读取的数据不限于 DX12 命令。当使用 DX12 资源映射调用返回的任何 CPU 内存指针时，它们可能发生在任何 CPU 线程中。这就是为什么建议使用 Nsight 系统对其进行调试，因为除了选定的 GPU 硬件指标外， Nsight 系统还可以定期对每个 CPU 线程的调用堆栈进行采样。

以下是 Nsight 系统的一个示例，其中显示了从 CVV 进行的 CPU 读取与没有 DX12 API 调用相关，但与 CPU 线程活动开始相关：

图 8 Nsight Systems 显示了执行映射调用的 CPU 线程与对 BAR1 的 PCIe 读取请求之间的相关性，之后该相关性立即增加。

通过悬停在 CPU 线程下面的橙色采样点，您可以看到该线程正在执行一个名为 RenderCollectedTrees 的 C ++方法，这对查找正在进行 CVV 堆读/写操作的代码是有帮助的：

图 9 Nsight Systems 显示 CPU 线程的调用堆栈采样点，该线程与对 BAR1 的高 PCIe 读取请求相关。

在这种情况下，提高性能的一种方法是对 CPU 内存的单独块执行读/写访问，而不是在 DX12 上载堆中。完成所有读/写更新后，从 CPU 读/写内存向上载堆执行 memcpy 调用。

结论

在 Windows 11 PC 上运行的所有 PC 游戏都可以在 NVIDIA RTX 20xx 和 30xx GPU s 上使用 256 MB 的 CVV 。 NVAPI 可用于查询系统中可用 CVV 内存的总量，并在此空间中分配 DX12 内存。如果 CPU 从未从原始 DX12 上载堆读取数据，则只需更改分配堆的代码即可将 DX12 上载堆替换为 CVV 堆。

要检测将 DX12 上载堆移动到 CVV 时 Nsight 图形 的性能提升机会，建议使用 GPU 中的 GPU 跟踪分析工具。要检测和调试从 CVV 读取 CPU 时的性能损失，我建议在启用 GPU 指标的情况下使用 Nsight 系统 。

关于作者

Louis Bavoil 自 2007 年以来一直在 NVIDIA 的开发者威廉希尔官方网站 小组工作，从事 GPU 性能优化和 GameWorks 软件开发的混合工作，目标是帮助提高 PC 游戏的生产价值。

审核编辑：郭婷