4、CPU与GPU协同：数据从CPU到GPU的搬运、DMA传输、内存映射（mmap）
好，咱们进入第四章。前面几章我们把双缓冲的框架搭起来了，也聊了刷新时序。但有个核心问题一直没细讲——数据到底是怎么从CPU跑到GPU显存里的？
你想想看，CPU和GPU是两个独立的处理器，各自有各自的内存空间。CPU用的是系统内存（DDR），GPU用的是显存（VRAM）。它们之间隔着一道PCIe总线，数据要跨过这道“天堑”才能完成传输。这中间的门道，比你想象的要深得多。
4.1 数据搬运的三种方式
我在项目中遇到过不少新手，上来就写memcpy把数据从CPU拷贝到GPU。跑起来倒是能跑，但性能惨不忍睹。为什么？因为memcpy走的是CPU，而CPU干这种批量搬运的活，效率其实很低。
说白了，数据从CPU到GPU，主要有三种方式：
| 方式 | 原理 | 延迟 | 带宽 | CPU占用 |
|---|---|---|---|---|
| CPU直接拷贝 | CPU逐字节/逐块搬运 | 高 | 低 | 100% |
| DMA传输 | DMA控制器独立搬运 | 中 | 高 | 几乎为0 |
| 内存映射（mmap） | 共享物理内存页 | 低 | 极高 | 0%（零拷贝） |
核心结论：能走DMA就别走CPU，能用mmap就别用DMA。这是内存优化的第一铁律。
4.2 CPU直接拷贝——最笨但最通用的方法
先说说最原始的方式。CPU直接拷贝，就是CPU从源地址读数据，写到目标地址。听起来简单，但问题在于：
- CPU被占死：搬运期间CPU没法干别的，只能当搬运工。
- 缓存污染：大批量数据会冲掉CPU L1/L2缓存里的有用数据。
- 带宽瓶颈：CPU的内存控制器带宽有限，远不如DMA专用通道。
我早期做嵌入式图形开发时，就吃过这个亏。那时候用memcpy把帧缓冲数据从系统内存拷到显存，结果CPU占用率飙到90%以上，UI响应卡成PPT。后来一查，发现memcpy在搬运大块数据时，会触发大量的缓存未命中（cache miss），性能直接腰斩。
避坑指南：我曾经在项目中看到有人用for循环逐像素拷贝——千万别这么干！memcpy已经是最优的CPU拷贝实现了，逐像素拷贝性能会差两个数量级。
4.3 DMA传输——让硬件替你干活
DMA（Direct Memory Access）是什么？说白了，就是CPU把搬运任务外包给一个专门的硬件——DMA控制器。CPU只需要告诉DMA控制器：“从地址A搬N个字节到地址B”，然后就可以去干别的事了。DMA控制器自己完成搬运，搬完了发个中断通知CPU。
DMA传输的典型流程：
- CPU配置DMA描述符：设置源地址、目标地址、传输长度。
- CPU启动DMA：写一个寄存器，告诉DMA“开始干活”。
- DMA独立搬运：DMA控制器通过系统总线，直接从源地址读、写到目标地址。
- DMA完成中断：搬运结束，DMA触发中断，CPU处理后续逻辑。
嗯，这里要注意：DMA传输虽然解放了CPU，但它有个限制——源和目标必须在同一个物理地址空间内。CPU内存和GPU显存是两套独立的地址空间，所以DMA不能直接在它们之间搬运。那怎么办？
答案是：通过PCIe BAR（基地址寄存器）映射。GPU会把一部分显存映射到PCIe的地址空间里，这样DMA就能通过PCIe总线访问到显存了。这个过程对开发者是透明的，驱动层帮你搞定了。
个人经验：我建议在驱动开发时，优先使用DMA传输大块数据（比如整帧图像）。DMA的带宽利用率通常能达到PCIe理论带宽的80%以上，而CPU拷贝往往只有30%-50%。
4.4 内存映射（mmap）——零拷贝的终极方案
终于说到重点了。内存映射（mmap）是什么？它让CPU和GPU共享同一块物理内存，数据根本不需要“搬运”。
原理是这样的：
- 操作系统把GPU显存（或一块共享内存）映射到CPU的虚拟地址空间中。
- CPU可以直接读写这块内存，就像读写普通内存一样。
- GPU也能直接访问同一块物理内存。
- 数据不需要拷贝——CPU写进去，GPU直接读，反之亦然。
这就是所谓的零拷贝（Zero-Copy）技术。性能提升是质的飞跃。
为什么会这样？因为传统的DMA传输，数据至少要在系统内存和显存之间走一遍PCIe总线。而mmap让CPU和GPU共享同一块物理内存，省掉了PCIe传输的开销。
关键点：mmap不是所有场景都适用。它要求硬件支持统一内存访问（UMA）或共享虚拟内存（SVM）。在独立显卡（dGPU）上，mmap通常只能映射一小块显存，不能映射全部显存。
4.5 三种方式的性能对比
我拿一个实际项目的数据来说话。假设我们要传输一帧1920x1080的RGBA图像（约8MB），在PCIe 3.0 x16的平台上：
| 传输方式 | 延迟（微秒） | 带宽（GB/s） | CPU占用率 | 适用场景 |
|---|---|---|---|---|
| CPU直接拷贝 | ~500 | ~2 | 95% | 小数据量、临时调试 |
| DMA传输 | ~100 | ~10 | 5% | 大块数据、帧缓冲更新 |
| mmap零拷贝 | ~1 | ~30+ | 0% | 高频更新、实时渲染 |
看到差距了吧？mmap的延迟只有DMA的1%，带宽是DMA的3倍以上。CPU占用率更是天壤之别。
避坑指南：我曾经在项目中用mmap映射了整块显存，结果发现CPU访问映射区域时，会触发缺页中断（page fault），导致性能反而下降。后来才明白——mmap映射的物理内存页必须提前锁定（mlock），否则操作系统可能会换出到磁盘，那就全完了。
4.6 知识体系总览
下面这张图把CPU与GPU协同的数据流梳理清楚了。你可以看到，从CPU到GPU有三条路径，每条路径的延迟、带宽和CPU占用都不一样。
4.7 实际项目中的选择策略
好了，三种方式都讲完了。那在实际项目中，到底该怎么选？我个人的经验是：
- 小数据量（< 1MB）：用CPU直接拷贝。DMA的配置开销可能比传输本身还大，不划算。
- 大数据量（1MB ~ 100MB）：用DMA传输。这是最均衡的方案，CPU几乎零占用，带宽也够用。
- 高频更新（每帧都变）：用mmap零拷贝。比如实时渲染的帧缓冲、视频播放的YUV数据，mmap能省掉每次的拷贝开销。
- 硬件不支持mmap：那就只能用DMA了。别硬上mmap，否则缺页中断会让你怀疑人生。
个人习惯：我一般在项目初期先用DMA传输，保证功能稳定。等性能调优阶段，再针对热点路径换成mmap。这样既能快速出活，又能保证最终性能。