dx11底层
D3D runtime把shader传输到UMD之前，会做一些验证工作，比如shader代码语法是否正确，设置的sampler数目是否超过最大限制等等。
在UMD中，shader代码最终会被编译成硬件相关的代码，传输到video memory中，shader参数会被传输到video memory中的const buffer中。
现在不论AMD还是NV，都是一套驱动支持不同代的显卡，所以shader代码通常先被编译成IR(中间代码),然后再编译成具体硬件相关的shader汇编语言。
一般是通过UMD中硬件抽象层转化为硬件相关的packet，packet类型主要包括硬件寄存器设置packet，drawcall packet等等，然后把packet写入command buffer(或称作DMA buffer),这些buffer先被拷贝到remote buffer，最终会被传送到gpu端的indirect ring buffer。
根据顶点缓冲和索引缓冲创建时候的格式，顶点缓冲和索引缓冲会被UMD直接放入video memory（设置格式为直接创建在video memory中,类似opengl中的vbo）或者延迟载入(创建在system memory中)，在gpu实际读取时候，才传入video memory。
我们知道，纹理图像通常是线性格式，而在gpu中我们通常使用z tile格式，在UMD中我们并不会进行纹理的地址转化，而是根据传入的参数把特定tile mode传入gpu，gpu会根据tile mode进行纹理的swizzle操作。z order 相关知识可以看wiki页http://en.wikipedia.org/wiki/Z-order_curve
纹理swizzle的知识请参考：http://www.cnblogs.com/mikewolf2002/archive/2012/03/11/2390097.html
现在gpu上常用的video memory是GDDR5，和主机上常用的内存ddr3比起来，它具有带宽高，时延长的特点。下面是core i7 2600和GTX480中内存和显存的比较。
| … |
Core i7 2600 |
GTX 480 |
|
带宽 |
19GB/s |
180GB/s |
|
时延 |
140 clocks |
400-800 clocks |
DRAM芯片通常被组织成2维grid的形式，每个交叉点都是由一个晶体管和电容组成，每个交叉点表示memory一个地址位。比如1G GDDR5显存，它被组织32个GDDR5 块：
每个32M的block，包括4个bank 分组，每个bank分组包括16个(或者32)bank。
每个bank由一个2维grid的DRAM芯片组成：
行地址是A0-A11,共4k,列地址A0-A5,共64，所以一个bank内space是256k
通常DRAM是按照行读写的，所以我们要得到好的读写效率，最好一次把一行数据读完。GDDR5的Pagesize通常是2k。
下面我们看下memory 如何与GPU和 host连接，了解video memory的工作flow：
GPU中一些快速的client，比如Depth block，color block，texture block等都是直接和MC连接，而一些数据量不是很大的block，比如command processor(CP)要经过hub，然后再到传到相应的MC(Memory controller)。
在hub中，也许有VM L2, 会进行一些page table的查找，之后请求被路由到相应的MC，MC中主要包括client interface, VM L1, arb等模块。Client infterface会和不同的client打交道，然后把它们传递到VM L1,进行page table的查找，最后进过ARB仲裁，进入到相应的GDDR中。GPU的MC通常都是32bit的，而DDR3的MC通常是64位，我们可以通过下面公式计算得到gpu的memory带宽：mclk * datarate* channelwidth*channel number/8/1000, 简化即为：mclk*4*32*channel number/8/1000, 假设显卡有12 个mc channel，则memory带宽为：1375*4*12*32/8/1000=264GB/s
其它的一些PCIE设备和主机，都是通过PCIE总线，然后进入MMU(内存管理单元)，再进入hub，这儿MMU是一个总称，在不同实现中，可能MMU包括很多block。
GPU和主机以及其它设备的交互都是通过PCIE总线进行的，GPU和主机之间通常使用PCIE2.0 16 lane(最新的显卡使用PCIE3.0), 上行、下行都达到了8GB/s,其它慢速设备，比如display可能只需要4lane就够了。
