- 延迟vector计算。
例：不好的用法。
优化后的用法。
- 去冗余计算, vector整体计算。
例：良好的用法。
- 避免分支。（避免if语句）
分支语句性能排序：
a) 最佳：编译期确定的常量
b) 可接受：uniform变量
c) 可能很差：在shader内计算的变量
解决方案：将各个分支作为单独的shader。（会增加一点工作量及复杂度）
实践参考：在性能和工量入复杂度之间作一个权衡。
因受寄存器限制，SL的编译代码越短，效率越高。另外，因为是海量计算，所以细徽的优化会带来革命性的性能改善。
4.使用glsl_optimizer 优化工具进行优化 glsl_optimizer 是一个免费开源的glsl优化器。可以生成GPU无关的shader优化代码。
可以进行非常多的优化项目，比如 函数内联，死代码删除，常量折叠，常量传递，数学优化等等。
GitHub地址（在 projects 目录下已经有生成好的工程文件）
其命令行格式为：
Usage: glsloptimizerCL -in <inputfilename> -out <outputfilename> [-profile <shadertype> ] [-help]
-in 输入的文件名. -out 输出的文件名 (如果优化成功) -说明优化的shader类型：GL_VERTEX_SHADER (默认) 或 GL_FRAGMENT_SHADER. -help 显示帮助信息
值得注意的是，在main.cpp中 有一行代码： ctx = glslopt_initialize(true)
函数的原型为 glslopt_ctx* glslopt_initialize (bool openglES);
显然它默认是当做 GL ES 来优化的，如果想针对 GL 优化，需要将参数改为 false。
最后，举个使用的栗子：
./glsl_optimizer_bin -in vertex.glsl -out vertex.glsl -profile GL_VERTEX_SHADER
./glsl_optimizer_bin -in fragment.glsl -out fragment.glsl -profile GL_FRAGMENT_SHADER
5.只计算需要计算的东西 尽量减少无用的顶点数据, 比如贴图坐标, 如果有Object使用2组有的使用1组, 那么不要将他们放在一个vertex buffer中, 这样可以减少传输的数据量; 避免过多的顶点计算,比如过多的光源, 过于复杂的光照计算(复杂的光照模型); 避免 VS 指令数量太多或者分支过多, 尽量减少 VS 的长度和复杂程度;
6.尽量在 VS 中计算 通常，需要渲染的像素比顶点数多，而顶点数又比物体数多很多。所以如果可以，尽量将运算从 FS 移到 VS，或直接通过 script 来设置某些固定值；
7.浮点数精度相关：
float:最高精度，通常32位 half:中等精度，通常16位，-60000到60000， fixed:最低精度，通常11位，-2.0到2.0，1/256的精度。 尽量使用低精度。对于 color 和 unit length vectors，使用fixed，其他情况，根据取值范围尽量使用 half，实在不够则使用 float 。 在移动平台，关键是在 FS 中尽可能多的使用低精度数据。另外，对于多数移动GPU，在低精度和高精度之间转换是非常耗的，在fixed上做swizzle操作也是很费事的。
8.Alpha Test
Alpha test 和 clip() 函数，在不同平台有不同的性能开销。 通常使用它来剔除那些完全透明的像素。 但是，在 iOS 和一些 Android 上使用的 PowerVR GPUs上面，alpha test非常的昂贵。
9.Color Mask 在移动设备上，Color Mask 也是非常昂贵的，所以尽量别使用它，除非真的是需要。
- For和If不一定意味着动态分支
在GPU上的分支语句（for，if-else，while），可以分为三类。 Branch的Condition仅依赖编译期常数 此时编译器可以直接摊平分支，或者展开（unloop）。对于For来说，会有个权衡，如果For的次数特别多，或者body内的代码特别长，可能就不展开了，因为会指令装载也是有限或者有耗费的 额外成本可以忽略不计 Branch的Condition仅依赖编译期常数和Uniform变量 一个运行期固定的跳转语句，可预测 同一个Warp内所有micro thread均执行相同分支 额外成本很低 Branch 的 Condition 是动态的表达式 这才是真正的“动态分支” 会存在一个Warp的 Micro Thread 之间各自需要走不同分支的问题
- 跳转本身的成本非常低
随着IP/EP（Instruction Pointer/Execution Pointer）的引入，现代GPU在执行指令上的行为，和CPU没什么两样。跳转仅仅是重新设置一个寄存器。
12.Micro Thread 走不同分支时的处理
GPU本身的执行速度快，是因为它一条指令可以处理多个 Micro Thread 的数据（SIMD）。但是这需要多个 Micro Thread 同一时刻的指令是相同的。 如果不同，现代GPU通常的处理方法是，按照每个Micro Thread的不同需求多次执行分支。
x = tex.Load();
if(x == 5)
{
// Thread 1 & 2 使用这个路径
out.Color = float4(1, 1, 1, 1);
}
else
{
// Thread 3 & 4 使用这个路径
out.Color = float4(0, 0, 0, 0);
}
比如在上例中，两个分支的语句Shader Unit都会执行，只是不同的是如果在执行if分支，那么计算结果将不会写入到thread 3 和 4的存储中（无副作用）。 这样做就相当于运算量增加了不少，这是动态分支的主要成本。 但是如果所有的线程，都走的是同一分支，那么另外一个分支就不用走了。这个时候Shader Unit也不会去×××一样的执行另外一个根本不需要执行的分支。此时性能的损失也不多。并且，在实际的Shader中，除非特殊情况，大部分Warp内的线程，即便在动态分支的情况下，也多半走的是同一分支。
- 动态分支和代码优化难度有相关性
这一点经常被忽视，就是有动态分支的代码，因为没准你要读写点什么，前后还可能有依赖，往往也难以被优化。比如说你非要闹这样的语句出来：
if(x == 1)
{
color = tex1.Load(coord);
}
else if(x == 2)
{
color = tex2.Load(coord);
}
...
你说编译器怎么给你优化。
说句题外话，为啥要有TextureArray呢？也是为了这个场合。TextureArray除了纹理不一样，无论格式、大小、坐标、LoD、偏移，都可以是相同的。这样甚至可以预见不同Texture Surface上取数据的内存延迟也是非常接近的。这样有很多的操作都可以合并成SIMD，就比多个Texture分别来取快得多了。这就是一个通过增加了约束（纹理格式、大小、寻址坐标）把SISD优化成SIMD的例子
