OpenCL并行缓冲区压缩障碍问题

Question

作为一个学校项目，我们4人正在使用OpenCL进行并行光线跟踪。这是我们使用OpenCL的第一个项目，所以我们可能会对它有些不满。

我们正在尝试实现并行缓冲区压缩以移除已完成的光线，或者不与任何事物发生碰撞的光线，以便下一次迭代处理的数据更少。基本上，我们有一个缓冲区需要尽可能多的s_ray_states渲染，跟踪它们，获取碰撞数据，压缩缓冲区，这样只有光线与其内部的物体相撞，然后对它们进行着色。

所以我们有一个缓冲区uint *prefix_sum，它包含每个s_ray_state必须在缓冲区s_ray_state *ray_states中移动的索引，以减少发送到着色内核的光线数量，以及跟踪/阴影内核的下一次迭代。

遗憾的是，下面的ray_sort内核似乎没有正常工作，我们验证了输入prefix_sum数据，这是100％正确，ray_states缓冲区相同，但我们在输出中得到了不需要的数据。

我们正在启动一个工作组（全局工作大小=本地工作大小），光线总是在缓冲区中移动到比原始索引更小的索引。我们设置了障碍，并使用s_ray_state *tmp缓冲区来防止并行执行写入彼此的数据，但它似乎不起作用，即使在消除障碍时我们也会得到相同的结果。

我们两个人已经工作了4天，已经向其他学生寻求帮助，但似乎没有人能够弄清楚什么是错的。我们可能无法理解障碍/内存足以确保其实际上可行。

我们已经尝试在一个工作组中制作一个工作项对整个数组进行排序，这样可以工作，甚至可以提供更好的性能。

下面的代码应该有效吗？根据我们对OpenCL的理解，它应该有效，我们做了很多研究，但从未真正得到任何明确的答案。

kernel void ray_sort(
    global read_only uint *prefix_sum,
    global read_write struct s_ray_state *ray_states,
    global read_only uint *ray_states_size,
    local read_write struct s_ray_state *tmp
)
{
    int l_size = get_local_size(0);
    int l_id = get_local_id(0);
    int group_id = -1;
    int group_nb = *ray_states_size / l_size;
    int state_id;

    while (++group_id < group_nb)
    {
        state_id = group_id * l_size + l_id;
        tmp[l_id] = ray_states[state_id];
        barrier(CLK_LOCAL_MEM_FENCE);
        if (did_hit(tmp[l_id]))
            ray_states[prefix_sum[state_id]] = tmp[l_id];
        barrier(CLK_GLOBAL_MEM_FENCE);
    }
}

ray_states长度是ray_states_size

prefix_sum包含必须移动每个ray_states元素的索引

tmp是local_work_size大小的本地缓冲区

local_work_size = global_work_size

如果射线击中物体，则did_hit()返回1，否则返回0

我们期待将ray_states元素移动到prefix_sum中包含的指数

示例：每个ray_states[id]都被移动到prefix_sum[id]的ray_states指数

prefix_sum: 0 | 0 | 1 | 1 | 2 | 3 | 3 | 3 | 4

did_hit(ray_states[id]): 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0

did_hit(output[id]): 1 | 1 | 1 | 1 | X | X | X | X | X

Xs可以是任何东西