PlaydateのC最適化:4KBの命令キャッシュが勝負を分ける
Dirty Optimization Secrets (C for Playdate)
Playdate向けゲームボーイエミュレータをフルスピードで動かす過程で見つけた、一般的なゲーム最適化とは異なるテクニックを紹介。CPUは非常に高速だがメモリは遅く、特にRev Aでは命令キャッシュがわずか4KBしかない。エミュレータのコアを2KBに圧縮し、リンカスクリプトやDTCM/ITCMを活用、さらにキャッシュミスアラインメントや分岐予測テーブルによる「パフォーマンスくじ引き」の対策まで踏み込む。
最初にゲームボーイエミュレーションのパフォーマンスを改善するためにやったのは、20KBのエミュレータコアを、巨大なswitchテーブルを削除し、はるかに少ないコードとほんのいくつかの分岐で表現することで、わずか2KBに圧縮することでした。(そして-Osを使用。)動作は同一でしたが、結果としてはるかに高速になりました。
HNでの議論
13- boricj
PlayStationでボクセル空間レンダリングの技術デモをいじっていたときに使ったトリックのいくつかを思い出させるな。
このコンソールの癖は、メインRAMからの読み出しでCPUが6サイクルのストールを起こすこと(しかもstall-on-useですらない)と、データキャッシュがないことだ。これではこの用途にはとても向いていないので、性能を取り戻すためにいろいろなトリックを即興で編み出さざるを得なかった:
- ホットループ全体を1つの関数内に収めて、4 KiBのダイレクトマップ命令キャッシュに完全に収まるようにした(つまり1024命令未満)
- 関数呼び出しを2 KiBのスクラッチパッドにトランポリンするC++テンプレートを書いた
- スクラッチパッドの残りはCLUTテーブルに使った。読み出し時にストールしないからだ
- CPUがN+1セットのハイトマップデータをフェッチしてストールしている間に、GTEを使ってNセットの座標を変換した
- 実際の3D投影と比べて簡略化された式を利用して、理論上より多くの点を1命令あたりで変換できるようにGTEを悪用する方法を考え出した
- 矩形プリミティブをディスプレイリストを経由せず、直接GPUレジスタに書き込んだ
これはPlayStationの悪用もここまで来たかという感じで、PCSX-ReduxとDuckStationで性能の評価が最大2倍も食い違う。いつか完成させて、実機でどう動くか見てみたいものだ…
- mococa
思い出させてくれる - https://graphics.stanford.edu/~seander/bithacks.html
- nxobject
コードのレイアウトと注意深いセグメント化に関するヒントは、昔を懐かしませるなあ!