一些概念和简写搜集

Abbreviation

SELinux(Security-Enhanced Linux) 安全增强型 Linux ( SELinux ) 是一个Linux 内核安全模块，它提供了一种支持访问控制安全策略的机制，包括强制访问控制(MAC)。
- The key concepts underlying SELinux can be traced to several earlier projects by the United States National Security Agency (NSA).
- SELinux 背后的关键概念可以追溯到美国国家安全局 (NSA) 的几个早期项目
- 即使是root用户也要受到SELinux限制
RHI (Rendering Hardware Interface): 将引擎的渲染命令转换为具体图形API的调用(如DirectX、Vulkan、OpenGL等)
AOS(Array of Structures) 每个粒子的所有属性都连续存储
SOA(Struct of Arrays) 同类型的属性连续存储

SIMD (Single Instruction Multiple Data) 单指令多数据

内存对齐以优化访问效率
SIMD指令进行向量化运算,很类似GPU的工作方式

txt

  CPU SIMD (Single Instruction Multiple Data):
  [数据1][数据2][数据3][数据4] -> 单条指令同时处理4个数据
  |_______________________________|
      一个SIMD寄存器(如SSE/AVX)

  GPU SIMT (Single Instruction Multiple Threads):
  [线程1][线程2][线程3][线程4]....[线程32] -> 一个波前(Wavefront)
  |_______________________________________|
      一个Warp/Wavefront

Details

source

函数

众所周知，SIMD 的学习和实现非常棘手，花时间理解 Intrinsic 可能会让人望而却步；撰写关于 SIMD 实现的摘要可能和本文档的长度一样，所以我们就不展开讨论了。

Unreal 通过 FMath 封装了许多 SSE Intrinsic，例如 Math::RoundToInt(float) 内部调用了 UE4::SSE::RoundToInt() (如果可用，则调用 SSE4)，而后者本身又使用了 _mm_cvt_ss2si()。

据我所知，在 Unreal 的实现中，Intrinsic 从来都不是直接使用的，它们总是通过像 FMath 这样的包装器，以便检查平台可用性。如果你想了解更多，我建议你使用 IDE 在源代码文件中搜索 "SSE" 和 "AVX"；同时也可以看看 sse_mathfun.h 和 Align() 函数。

MSVC 提供了一个 optimize pragma 可以在函数定义之前放置。由于默认工具链使用的标志，或者可能使用了默认已启用的优化，它可能根本不起作用，或者可能已经开启了默认优化。我对此没有做深入研究。

库

向量指令的“默认”方法是通过 Intrinsics；它最底层且最抽象。Intel Intrinsics 可用于 Intel 和 AMD 的 CPU，因为它们的底层架构相似，但是 ARM（移动）平台则使用 Neon Intrinsics 代替。

主流编译器具有向量化 pragma 和函数的扩展：

MSVC 中的 OpenMP。/openmp 编译器选项在 Unreal 中可能默认被禁用，需要从源代码重新编译。
GCC 中的 std::simd。

也存在一些第三方库，用来抽象 Intrinsics 的一些复杂性：

Intel ISPC for Unreal：在引擎的源代码中使用。更多信息请看这里, 这里和这里。
OpenCL for Unreal: 一种具有广泛 SIMD 功能的独立语言。
Light SIMD 和 Pure SIMD：SIMD 功能的包装器。

在所有情况下，请确保你想要做的事情不是已经可以通过 Unreal 提供的与平台无关的类来实现的。

AOT (Ahead Of Time): 一种编译技术，指的是"提前编译"
JIT（Just In Time): 即时编译
SPH (Smoothed Particle Hydrodynamics): 光滑粒子流体动力学,一种用于流体模拟的数值计算方法
TBB （Threading Building Blocks）：Intel的TBB 是一个 C++ 模板库用于简化并行程序的开发
UMA (Universal Memory Architecture): 统一内存架构

Concept

L1 距离，也叫曼哈顿距离（Manhattan Distance）
- 曼哈顿距离的命名原因是从规划为方型建筑区块的城市（如曼哈顿）间，最短的行车路径而来
- 也叫方格线距离， $d (x, y) = | x_{1} - x_{2} | + | y_{1} - y_{2} | .$
L2 距离，也叫欧几里得距离（Euclidean Distance），是计算两点之间最直线距离的一种方法，在数学和计算机科学中非常常用，尤其是在机器学习、图像处理和数据分析领域。
Hamming distance : 汉明距离，指的是两个字符串之间的不同位数
- 汉明距离也等于n维超正方体两个顶点之间的曼哈顿距离
- 比如顶点 (0, 0, 1) 和 (1, 1, 0) 的曼哈顿距离：|0-1| + |0-1| + |1-0| = 1 + 1 + 1 = 3
Octree: 八叉树搜索算法。它是一种三维空间划分的数据结构和搜索算法，主要3D场景管理,碰撞检测,点云数据处理

Abbreviation ​

函数 ​

库 ​

Concept ​

Abbreviation

函数

库

Concept