|
@checkela
|
ゲーム屋的パフォーマンスチューニング(仮) & NDK本サイン会
|
|
@tetsu_koba
|
Google TV add-onのemulatorをいじってみた
|
|
@androidsola
|
OrigenBoardとPandaBoardの比較(仮)
|
|
@roishi2j2
|
Android開発者のためのSoC入門(のようなもの)
|
|
@hermit4
|
init以前 – フラッシュメモリとfastbootをさわりだけ」
|
ゲーム屋的パフォーマンスチューニング
@chechela
出村
フリーランス
東北
黄色いト○ピーみたいなアイコンの人
黄色いとげとげ→黄色いチューリップ
NDK本の執筆者
普通の奴らの下を行け
1clockの削減に命を削る世界は存在する
1GHz -> 0が９個
その１つがゲーム開発
なぜ1clockにこだわるのか？
1clock削るとゲームの操作性とかに影響
UI操作が気持ちいい！
１万回通るなら１万クロック削減できる
ある部分の１クロックを削る
3Dグラフィックスが特にそう
PS3など
１回の描画で１万頂点演算する
１頂点の処理時間を短くすれば全体の処理が早くなる
場所を見極めてチューニングする
全体で１番時間がかかるのは描画処理
３Dはそんなに処理は無いからチューニングしやすい、結果が見やすい
どんなパフォーマンスチューニングをする？
１０年くらい前の知識かも
ゲームプログラマを１０年ほど
SFC末期〜PS2初期頃まで
ゲーム機の歴史
SFC時代
H/Wの上でアプリが動いていた
H/Wがマイナーアップデート入ると後期のソフトほど互換テストするのが大変だった
ハード特性を極限まで利用する手法
処理速度はアルゴリズム、DSP（ファミコンソフト側）でカバー
CPUクロックは早くない
変態コードは存在する
H/W特性を利用した例
ラスタースクロール（DQのワープで波打つエフェクトの事）
テレビの走査線(H-SYNC 水平同期)の割り込みを利用
1/60秒で処理する
すべての画面を書き換える時間（NTSC規格）
海外のテレビだと仕様が違うから作り直したりする
PS時代
H/W上でOSが動いてライブラリがあってアプリが動く
OS、ライブラリのレイヤーは薄っぺらい
開発ハードルが下がった
家庭用ゲーム機に３Dの波が
RISC CPU（32bit）を搭載
３D演算に特化したプロセッサを搭載
DC、PS2、PS3も
開発スタイルが変化
CPU、メモリが劇的に変化
８割〜９割はC言語でつくっていた。一部asm
昔はROM、RAMを意識してプログラムしていた
ハードウェアの変化
CPU性能
キャッシュ
パイプライン
デバイス間のBUS幅
コンパイラ性能
３D描画性能
メモリ管理
CD-ROMアクセス
ノウハウが溜まってBGロードができるようになった
SFCではなかった要素
組み込み開発で役立つ
CPU、コンパイラの話
CPU性能
・キャッシュ
・パイプライン
実行効率を決める要素
キャッシュ
メインメモリから直接データ取得
メモリから取得している間にidleする
メモリのアクセス速度はCPUの数十倍遅いから
CPUの速度向上にくらべメモリの速度向上していない
刺す枚数を増やしてごまかす
L1キャッシュからデータ取得
CPUとL1きゃっすは同クロックで動作するからCPUのidle時間が発生しない
L1キャッシュは容量が小さい（３２K）
コードをキャッシュに載せられるか、ヒットさせられるかは腕次第
１ループを小さくして参照するデータ量を減らす
似たメモリアドレスにあるデータを処理する
L1キャッシュを意識したプログラムを書く
パイプライン
１命令を１３のプロセスに分割して処理
→命令の実行効率を上げる
ちょっとずつ並行して処理する
F：フェッチ
D：デコード 解析
E：エグゼキュート 実行
パイプラインの効率化
パイプラインストール
パイプライン処理の間延びの事（少し止まる）
結果の依存性がある箇所で発生
c=a+b
e=c+d
コンパイラ利用すると発生しない
asmで書くとうっかりやっちまう
Cで書くとコンパイラがそのへん理解して自動でやってくれる
CPUの特性把握は必須
プロファイラを利用するのも手
動的分岐予想
true/falseの分岐を予測して先回りしてパイプラインでデコード処理
ヒット率向上がカギ
予想を外すと影響がでかい
13clockのペナルティ
なるべく外さないコードを書く
コンパイラ性能
なぜ重要視するのか？
そもそものRISCの概念
1命令を単純化 → 実行を高速化
コンパイラが頑張って命令配置
CPU特性を活かすため
ハード・ソフトからアプローチ
コンパイラがへぼいとCPUを生かしきれない
GCCを利用する
クロスコンパイラ＝GCC
-O3をしても昔は最適化が甘かった
すべてasmで書くのか？
→現実的な量では無い
いかに実行効率がよいコードをはかせるのか？
人間が頑張るしかない
まとめ
機械は人間の思いを理解してくれない
人間が機械の思いを理解するしか無い
チューニングは細かい作業の積み重ね
おまけ（学習手法）
97年 → 書籍がほぼすべての情報源
ハイパフォーマンスコンピューティング（RISC特有のチューニング手法を解説 絶版）
MMXテクノロジオフィシャルガイド（SIMDを学ぶ）
今はこの手の情報が減ったからNDK本買ってね。
FAQ
どうやったらコンパイラの気持ちがわかるの？
コンパイラがだしたコードを読んでみると特徴が分かってくる
どこで無駄が出てるとか。
コンパイラに色々な情報を追加して人間の思いをつたえる
相手をよく知ること！
SIMDの考え方はNEONとかでも変わらない？
実装されている命令は変わらない
特徴的なのは、命令に合わせたアルゴリズムを考えないといけない。そうしないとNEONの特徴を生かしきれない。
Tweaking Google TV emulator
@tetsu_koba
Google TVのアドオン
KVMの説明
やってみたこと
NDKが動かなっかったのはなぜか？
Google TVアドオン
code.google.com/tv/android/docs/gtv_addon.html
Android SDK上で動く
Javaのアプリが動くけどUIを変えてねって趣旨のページ
FAQページ
Android 3.1
NDK動かない
chrome 11（Linux用)
Flash 10.1
Native Clientはあとで実装する
HTML5のVideoタグのH.264サポートを続ける
ターゲットCPU x86 atom
KVMが必要
リナックスの技術
Windowとmacは今はサポートしない
そんな簡単に移植できないだろ
Open GLつかって描画
GPUで動いていない
画面サイズでかい、３Dガリガリ使うから遅い
HOST側のGPUにエミュレータの情報を食わせるエミュレータを作ってる
Kernel Based Viertual Machine
VMとかViertual Boxみたいなもの
Intel VTとかADM_V
ゲストCPUとホストCPUが一緒である必要がある
KVMはQEMUと一緒に使う
www.linux-kvm.org/page/Main_Page
KVMがどんなふうに動くか
QEMU
すべての命令をエミュレート
MMU（仮想メモリのハードウェア支援）もソフトウェアでエミュレートしてるから遅い
QEMU + KVM
普通の命令はCPUでそのまま実行
IO命令、状態を変えるような命令を何らかの仕組みでフックして特別な割り込みをしてKVMの本体が差し替えて動作さるようなイメージ
９５％くらいは普通のCPUで動いている
だから速度向上が見込める
KVMのセットアップ方法（Ubuntu）
sudo apt-get install kvm
Ubuntu 10.04
sudo chmod a+rw /dev/kvm
Ubuntu 11.04では必要ない
gtv_emu**.html
速度比較
Ubuntu 10.04 KVM無効 52秒
KVM有効 32
Wubi 11.04 KVM無効 52
11.04 KVM有効 17
新しいカーネルを使ったほうが速度が上がるのかもしれない
NDK
NDKr6からはx86をサポートしている
armとx86を同時につくるとおかしくなる
AOSPのマスターのソースからx86のエミュレータがビルドできる
NDK for x86はちゃんと動いている
Google TVのランタイムはandroidとだいぶ違っている
Vynamic linkerとかlibcがbionicじゃない
ソースを見た感じglibcじゃないかな？
NDKr6はbionic向けだからglibcじゃ動かない
Google TV emulatorをWin7上で動かす
KVM無効でも動くからwin7でも動くんじゃないか？
eulator executable (QEMU + KVM)
Linuxカーネル
target file system
Skin image files
AVD file configure
onley (1) depends on host OS
起動方法
Android SDK for windowsにはemulator-86.exeがある
Linuxで作ったエミュレータをコピーする
iniファイルにパスが入ってるからwin用にパスを変更する
eclipseからは起動出来ないから、コマンドラインから起動する
emulator -avd
起動するけどむちゃくちゃ遅い
参考資料
KernelVM探検隊
てつこばさんのサイト
デモンストレーション
仮想マシン上ではKVMが動かない
画面構成はDirectFDからSurfeceフリンガーに変わった
FAQ
QEMUのイメージをVM用のイメージに変えればいけるんじゃない？
ぜひやってみてください
OrigenBoardとPandaBoardの比較(仮)
@androidsola
OrigenBoardとPandaBoard
似たようなスペックと価格だったから比較してみた
PandaBoard
CPU：OMAP4430 Dual Core 1GHz
メモリ：DDR2 1GB
GPU：PowerVR SGX540
無線・BTが付いている
OrigenBoard
CPU：Exynos4210
メモリ：DDR3 1GB
GPU：Mali-400
CPU基板が取り外しができる
無線・BTが付いている
ベンチマークソフト
Quadrant Standard
CPU、メモリ、I/O、２Dグラフィック、３Dグラフィックの総合結果
0xBenchmark
村長がよく使ってる
AnTuTu Benchmark
Pandaで落ちたから不採用
Neocore
結果
PandaはNSに劣る
解像度のせいかも・・・
解像度を変えても遅い
解像度が何故か1680×1080でだしてた・・・
解像度を1024*600にしてもOrigineBoardの方がいい
Android開発者向けSoC入門（のようなもの）
目標
Xoomはギャラタブ10.1でNEON命令が使えなくなった事情を理解する
NEONとは
ARMのSIMD拡張命令の１つ
マルチメディア向けの命令
SoCとは？
System on Chipの略
昔はボード上に実装していた回路を1chip化したもの
Tegra2の構成
CPU
キャッシュ
GPU
バス AMBA
などなど・・・
Tegra2のコピーを作ってみよう
そもそもどうやってSoCをつくるのか？
大規模ソフトを開発する場合は？
まったくの新規開発でなければパッケージやライブラリを買ってきて手を加える
新規開発でもOSを１からつくることはめったにないでしょ？
H/Wも一緒
CPUはNVIDEAから買う
DDR2 I/Fはxxx社から買う
USB I/Fはyyy社から買う
・・・
なぜTegra2にNEONを入れなかったのか？
NEON命令を処理する回路をレイアウト出来なかった。
その分だけチップサイズをでかくしてもいいけどうまく収まるとは限らない
矩形のフロアプラン問題はNP困難
SoCの製造って？
シリコンウェーハから切り出す
課題
チップをでかくするとどうなるのか？
有効面積問題
丸から四角を切り出すから使える面積な問題がある
4.9mmから5.2mmに変更するとどうなるのか？
歩留まり問題
300mmウェハ１枚あたりに数十個の微細なゴミが落ちているとする。
ゴミを含むチップは不良品
4.9mmから5.2mmに変更するとどの程度影響するか？
ARMから買ってきたCPU
TSMC 40Gハードマクロ実装で2GHzの標準動作を実現する卓越したパフォーマンス
TSMCは世界的に有名な半導体製造メーカー
40G : 40nmプロセスのハイパフォーマンス版
しかしTegra2はTSMC 40LPで生産
40LP : 低電圧版
IP（Intellecual Property)
知的財産権
日経新聞では「設計済み回路ブロック」
半導体業界では通信プロトコルは「TCP/IP」と読んで使い分ける
ハードマクロ
配置・配線が完了しているモジュール
物理的な制約（デザインルール）が満たされている
ゲートの大きさ、素子間の距離、配線間隔
デザインルールを満たすラインでしか製造出来ない
Tegra2の場合：TSMC 40LPのハードマクロが必要
ソフトマクロ
配置・配線を行う前のモジュール
素子の間の接続情報だけが記述されている
ネットリストと言うこともある
手間暇かければ解析できるかもしれない
ソフトマクロとハードマクロ
ソフトマクロ（Verilog等）
ハードマクロ（GDS2等）
買ってきたIPを修正
ソフトの場合、ソースコードを書き換えることで修正
ハードマクロの場合は形状固定でブラックボックス
ソフトマクロは自由にレイアウト、頑張れば解析可能
IPベンダーはソフトマクロは売りたがらない
IPを組み合わせるには
全体の仕様を決める
接続部分のRTLを書く Register Transfer Level
論理合成する 合成した出力はソフトマクロと等価
配置配線する
レイアウト後に検証
ハードの検証
シミュレーション
PC上でクロックを与えて回路を実際に動かす
最新のハイスペックPCでもせいぜい１００Hz
遅いので回路全体を動かすのはまれ
デバッグ用のコードを任意の場所に挿入できる
買ってきたIPではできない
IPにも普通にバグがあるのでIPベンダはソースに検証用のコードを入れておくのが一般的
エミュレーション
エミュレータという専用装置を使う
数十KHzでる
内部状態の参照に制限がある
実機
Tegra2にNEONがない理由は？
＊根拠はない
レイアウト上の制約
そんなにNEONの実装面積でかいのか？
ARMが「NEON入りのA9ハードマクロ」を高く売っている
NEON無しIPって価値があるのか？
実はNEONが載っているけど、マスクされているとか？
ありそうな話：NEON命令を実行したらバグがでた
