<div dir="auto"><div>Ping? Any further comments/feedback/reviews?<br><div class="gmail_extra"><br><div class="gmail_quote">On Dec 5, 2016 11:22 AM, "Ilia Mirkin" <<a href="mailto:imirkin@alum.mit.edu">imirkin@alum.mit.edu</a>> wrote:<br type="attribution"><blockquote class="quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div class="elided-text">On Mon, Dec 5, 2016 at 11:11 AM, Robert Bragg <<a href="mailto:robert@sixbynine.org">robert@sixbynine.org</a>> wrote:<br>
><br>
><br>
> On Sun, Nov 27, 2016 at 7:23 PM, Ilia Mirkin <<a href="mailto:imirkin@alum.mit.edu">imirkin@alum.mit.edu</a>> wrote:<br>
>><br>
>> The strategy is to just keep n anv_query_pool_slot entries per query<br>
>> instead of one. The available bit is only valid in the last one.<br>
>><br>
>> Signed-off-by: Ilia Mirkin <<a href="mailto:imirkin@alum.mit.edu">imirkin@alum.mit.edu</a>><br>
>> ---<br>
>><br>
>> I think this is in a pretty good state now. I've tested both the direct<br>
>> and<br>
>> buffer paths with a hacked up cube application, and I'm seeing<br>
>> non-ridiculous<br>
>> values for the various counters, although I haven't 100% verified them for<br>
>> accuracy.<br>
>><br>
>> This also implements the hsw/bdw workaround for dividing frag invocations<br>
>> by 4,<br>
>> copied from hsw_queryobj. I tested this on SKL and it seem to divide the<br>
>> values<br>
>> as expected.<br>
>><br>
>> The cube patch I've been testing with is at<br>
>> <a href="http://paste.debian.net/899374/" rel="noreferrer" target="_blank">http://paste.debian.net/<wbr>899374/</a><br>
>> You can flip between copying to a buffer and explicit retrieval by<br>
>> commenting<br>
>> out the relevant function calls.<br>
>><br>
>>  src/intel/vulkan/anv_device.c      |   2 +-<br>
>>  src/intel/vulkan/anv_private.h     |   4 +<br>
>>  src/intel/vulkan/anv_query.c       |  99 ++++++++++----<br>
>>  src/intel/vulkan/genX_cmd_<wbr>buffer.c | 260<br>
>> ++++++++++++++++++++++++++++++<wbr>++-----<br>
>>  4 files changed, 308 insertions(+), 57 deletions(-)<br>
>><br>
>><br>
>> diff --git a/src/intel/vulkan/anv_device.<wbr>c b/src/intel/vulkan/anv_device.<wbr>c<br>
>> index 99eb73c..7ad1970 100644<br>
>> --- a/src/intel/vulkan/anv_device.<wbr>c<br>
>> +++ b/src/intel/vulkan/anv_device.<wbr>c<br>
>> @@ -427,7 +427,7 @@ void anv_GetPhysicalDeviceFeatures(<br>
>>        .textureCompressionASTC_LDR               = pdevice->info.gen >= 9,<br>
>> /* FINISHME CHV */<br>
>>        .textureCompressionBC                     = true,<br>
>>        .occlusionQueryPrecise                    = true,<br>
>> -      .pipelineStatisticsQuery                  = false,<br>
>> +      .pipelineStatisticsQuery                  = true,<br>
>>        .fragmentStoresAndAtomics                 = true,<br>
>>        .<wbr>shaderTessellationAndGeometryP<wbr>ointSize   = true,<br>
>>        .shaderImageGatherExtended                = false,<br>
>> diff --git a/src/intel/vulkan/anv_<wbr>private.h<br>
>> b/src/intel/vulkan/anv_<wbr>private.h<br>
>> index 2fc543d..7271609 100644<br>
>> --- a/src/intel/vulkan/anv_<wbr>private.h<br>
>> +++ b/src/intel/vulkan/anv_<wbr>private.h<br>
>> @@ -1763,6 +1763,8 @@ struct anv_render_pass {<br>
>>     struct anv_subpass                           subpasses[0];<br>
>>  };<br>
>><br>
>> +#define ANV_PIPELINE_STATISTICS_COUNT 11<br>
>> +<br>
>>  struct anv_query_pool_slot {<br>
>>     uint64_t begin;<br>
>>     uint64_t end;<br>
>> @@ -1772,6 +1774,8 @@ struct anv_query_pool_slot {<br>
>>  struct anv_query_pool {<br>
>>     VkQueryType                                  type;<br>
>>     uint32_t                                     slots;<br>
>> +   uint32_t                                     pipeline_statistics;<br>
>> +   uint32_t                                     slot_stride;<br>
>>     struct anv_bo                                bo;<br>
>>  };<br>
>><br>
>> diff --git a/src/intel/vulkan/anv_query.c b/src/intel/vulkan/anv_query.c<br>
>> index 293257b..dc00859 100644<br>
>> --- a/src/intel/vulkan/anv_query.c<br>
>> +++ b/src/intel/vulkan/anv_query.c<br>
>> @@ -38,8 +38,10 @@ VkResult anv_CreateQueryPool(<br>
>>     ANV_FROM_HANDLE(anv_device, device, _device);<br>
>>     struct anv_query_pool *pool;<br>
>>     VkResult result;<br>
>> -   uint32_t slot_size;<br>
>> -   uint64_t size;<br>
>> +   uint32_t slot_size = sizeof(struct anv_query_pool_slot);<br>
>> +   uint32_t slot_stride = 1;<br>
>> +   uint64_t size = pCreateInfo->queryCount * slot_size;<br>
>> +   uint32_t pipeline_statistics = 0;<br>
>><br>
>>     assert(pCreateInfo->sType ==<br>
>> VK_STRUCTURE_TYPE_QUERY_POOL_<wbr>CREATE_INFO);<br>
>><br>
>> @@ -48,12 +50,16 @@ VkResult anv_CreateQueryPool(<br>
>>     case VK_QUERY_TYPE_TIMESTAMP:<br>
>>        break;<br>
>>     case VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS:<br>
>> -      return VK_ERROR_INCOMPATIBLE_DRIVER;<br>
>> +      pipeline_statistics = pCreateInfo-><wbr>pipelineStatistics &<br>
>> +         ((1 << ANV_PIPELINE_STATISTICS_COUNT) - 1);<br>
>> +      slot_stride = _mesa_bitcount(pipeline_<wbr>statistics);<br>
>> +      size *= slot_stride;<br>
>> +      break;<br>
>>     default:<br>
>>        assert(!"Invalid query type");<br>
>> +      return VK_ERROR_INCOMPATIBLE_DRIVER;<br>
>>     }<br>
>><br>
>> -   slot_size = sizeof(struct anv_query_pool_slot);<br>
>>     pool = vk_alloc2(&device->alloc, pAllocator, sizeof(*pool), 8,<br>
>>                       VK_SYSTEM_ALLOCATION_SCOPE_<wbr>OBJECT);<br>
>>     if (pool == NULL)<br>
>> @@ -61,8 +67,9 @@ VkResult anv_CreateQueryPool(<br>
>><br>
>>     pool->type = pCreateInfo->queryType;<br>
>>     pool->slots = pCreateInfo->queryCount;<br>
>> +   pool->pipeline_statistics = pipeline_statistics;<br>
>> +   pool->slot_stride = slot_stride;<br>
>><br>
>> -   size = pCreateInfo->queryCount * slot_size;<br>
>>     result = anv_bo_init_new(&pool->bo, device, size);<br>
>>     if (result != VK_SUCCESS)<br>
>>        goto fail;<br>
>> @@ -95,6 +102,27 @@ void anv_DestroyQueryPool(<br>
>>     vk_free2(&device->alloc, pAllocator, pool);<br>
>>  }<br>
>><br>
>> +static void *<br>
>> +store_query_result(void *pData, VkQueryResultFlags flags,<br>
>> +                   uint64_t result, uint64_t available)<br>
>> +{<br>
>> +   if (flags & VK_QUERY_RESULT_64_BIT) {<br>
>> +      uint64_t *dst = pData;<br>
>> +      *dst++ = result;<br>
>> +      if (flags & VK_QUERY_RESULT_WITH_<wbr>AVAILABILITY_BIT)<br>
>> +         *dst++ = available;<br>
>> +      return dst;<br>
>> +   } else {<br>
>> +      uint32_t *dst = pData;<br>
>> +      if (result > UINT32_MAX)<br>
>> +         result = UINT32_MAX;<br>
>> +      *dst++ = result;<br>
>> +      if (flags & VK_QUERY_RESULT_WITH_<wbr>AVAILABILITY_BIT)<br>
>> +         *dst++ = available;<br>
>> +      return dst;<br>
>> +   }<br>
>> +}<br>
>> +<br>
>>  VkResult anv_GetQueryPoolResults(<br>
>>      VkDevice                                    _device,<br>
>>      VkQueryPool                                 queryPool,<br>
>> @@ -112,6 +140,7 @@ VkResult anv_GetQueryPoolResults(<br>
>>     int ret;<br>
>><br>
>>     assert(pool->type == VK_QUERY_TYPE_OCCLUSION ||<br>
>> +          pool->type == VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS ||<br>
>>            pool->type == VK_QUERY_TYPE_TIMESTAMP);<br>
>><br>
>>     if (pData == NULL)<br>
>> @@ -129,14 +158,42 @@ VkResult anv_GetQueryPoolResults(<br>
>>     void *data_end = pData + dataSize;<br>
>>     struct anv_query_pool_slot *slot = pool->bo.map;<br>
>><br>
>> -   for (uint32_t i = 0; i < queryCount; i++) {<br>
>> +   for (uint32_t i = 0; i < queryCount && pData < data_end;<br>
>> +        i++, pData += stride) {<br>
>> +      if (pool->type == VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS) {<br>
>> +         VkQueryResultFlags f = flags &<br>
>> ~VK_QUERY_RESULT_WITH_<wbr>AVAILABILITY_BIT;<br>
>> +         void *pos = pData;<br>
>> +         uint32_t pipeline_statistics = pool->pipeline_statistics;<br>
>> +         struct anv_query_pool_slot *base =<br>
>> +            &slot[(firstQuery + i) * pool->slot_stride];<br>
>> +<br>
>> +         while (pipeline_statistics) {<br>
>> +            uint32_t stat = u_bit_scan(&pipeline_<wbr>statistics);<br>
>> +            uint64_t result = base->end - base->begin;<br>
>> +<br>
>> +            /* WaDividePSInvocationCountBy4:<wbr>HSW,BDW */<br>
>> +            if ((device->info.gen == 8 || device->info.is_haswell) &&<br>
>> +                (1 << stat) ==<br>
>> VK_QUERY_PIPELINE_STATISTIC_<wbr>FRAGMENT_SHADER_INVOCATIONS_<wbr>BIT)<br>
>> +               result >>= 2;<br>
>> +<br>
>> +            pos = store_query_result(pos, f, result, 0);<br>
>> +            base++;<br>
>> +         }<br>
>> +         if (flags & VK_QUERY_RESULT_WITH_<wbr>AVAILABILITY_BIT) {<br>
>> +            base--;<br>
>> +            if (flags & VK_QUERY_RESULT_64_BIT)<br>
>> +               *(uint64_t *)pos = base->available;<br>
>> +            else<br>
>> +               *(uint32_t *)pos = base->available;<br>
>> +         }<br>
>> +         continue;<br>
>> +      }<br>
>> +<br>
>>        switch (pool->type) {<br>
>>        case VK_QUERY_TYPE_OCCLUSION: {<br>
>>           result = slot[firstQuery + i].end - slot[firstQuery + i].begin;<br>
>>           break;<br>
>>        }<br>
>> -      case VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS:<br>
>> -         unreachable("pipeline stats not supported");<br>
>>        case VK_QUERY_TYPE_TIMESTAMP: {<br>
>>           result = slot[firstQuery + i].begin;<br>
>>           break;<br>
>> @@ -145,23 +202,7 @@ VkResult anv_GetQueryPoolResults(<br>
>>           unreachable("invalid pool type");<br>
>>        }<br>
>><br>
>> -      if (flags & VK_QUERY_RESULT_64_BIT) {<br>
>> -         uint64_t *dst = pData;<br>
>> -         dst[0] = result;<br>
>> -         if (flags & VK_QUERY_RESULT_WITH_<wbr>AVAILABILITY_BIT)<br>
>> -            dst[1] = slot[firstQuery + i].available;<br>
>> -      } else {<br>
>> -         uint32_t *dst = pData;<br>
>> -         if (result > UINT32_MAX)<br>
>> -            result = UINT32_MAX;<br>
>> -         dst[0] = result;<br>
>> -         if (flags & VK_QUERY_RESULT_WITH_<wbr>AVAILABILITY_BIT)<br>
>> -            dst[1] = slot[firstQuery + i].available;<br>
>> -      }<br>
>> -<br>
>> -      pData += stride;<br>
>> -      if (pData >= data_end)<br>
>> -         break;<br>
>> +      store_query_result(pData, flags, result, slot[firstQuery +<br>
>> i].available);<br>
>>     }<br>
>><br>
>>     return VK_SUCCESS;<br>
>> @@ -183,6 +224,14 @@ void anv_CmdResetQueryPool(<br>
>>           slot[firstQuery + i].available = 0;<br>
>>           break;<br>
>>        }<br>
>> +      case VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS: {<br>
>> +         struct anv_query_pool_slot *slot = pool->bo.map;<br>
>> +<br>
>> +         slot = &slot[(firstQuery + i) * pool->slot_stride];<br>
>> +         for (uint32_t j = 0; j < pool->slot_stride; j++)<br>
>> +            slot[j].available = 0;<br>
>> +         break;<br>
>> +      }<br>
>>        default:<br>
>>           assert(!"Invalid query type");<br>
>>        }<br>
>> diff --git a/src/intel/vulkan/genX_cmd_<wbr>buffer.c<br>
>> b/src/intel/vulkan/genX_cmd_<wbr>buffer.c<br>
>> index a965cd6..1369ac2 100644<br>
>> --- a/src/intel/vulkan/genX_cmd_<wbr>buffer.c<br>
>> +++ b/src/intel/vulkan/genX_cmd_<wbr>buffer.c<br>
>> @@ -2272,6 +2272,50 @@ emit_query_availability(struct anv_cmd_buffer<br>
>> *cmd_buffer,<br>
>>     }<br>
>>  }<br>
>><br>
>> +#define IA_VERTICES_COUNT               0x2310<br>
>> +#define IA_PRIMITIVES_COUNT             0x2318<br>
>> +#define VS_INVOCATION_COUNT             0x2320<br>
>> +#define HS_INVOCATION_COUNT             0x2300<br>
>> +#define DS_INVOCATION_COUNT             0x2308<br>
>> +#define GS_INVOCATION_COUNT             0x2328<br>
>> +#define GS_PRIMITIVES_COUNT             0x2330<br>
>> +#define CL_INVOCATION_COUNT             0x2338<br>
>> +#define CL_PRIMITIVES_COUNT             0x2340<br>
>> +#define PS_INVOCATION_COUNT             0x2348<br>
>> +#define CS_INVOCATION_COUNT             0x2290<br>
>> +<br>
>> +static const uint32_t PIPELINE_STAT_TO_REG[] = {<br>
>> +   IA_VERTICES_COUNT,<br>
>> +   IA_PRIMITIVES_COUNT,<br>
>> +   VS_INVOCATION_COUNT,<br>
>> +   GS_INVOCATION_COUNT,<br>
>> +   GS_PRIMITIVES_COUNT,<br>
>> +   CL_INVOCATION_COUNT,<br>
>> +   CL_PRIMITIVES_COUNT,<br>
>> +   PS_INVOCATION_COUNT,<br>
>> +   HS_INVOCATION_COUNT,<br>
>> +   DS_INVOCATION_COUNT,<br>
>> +   CS_INVOCATION_COUNT<br>
>> +};<br>
>> +<br>
>> +static void<br>
>> +emit_pipeline_stat(struct anv_cmd_buffer *cmd_buffer, uint32_t stat,<br>
>> +                   struct anv_bo *bo, uint32_t offset) {<br>
>> +   STATIC_ASSERT(ARRAY_SIZE(<wbr>PIPELINE_STAT_TO_REG) ==<br>
>> +                 ANV_PIPELINE_STATISTICS_COUNT)<wbr>;<br>
>> +<br>
>> +   uint32_t reg = PIPELINE_STAT_TO_REG[stat];<br>
>> +<br>
>> +   anv_batch_emit(&cmd_buffer-><wbr>batch, GENX(MI_STORE_REGISTER_MEM), lrm) {<br>
>> +      lrm.RegisterAddress  = reg,<br>
>> +      lrm.MemoryAddress    = (struct anv_address) { bo, offset };<br>
>> +   }<br>
>> +   anv_batch_emit(&cmd_buffer-><wbr>batch, GENX(MI_STORE_REGISTER_MEM), lrm) {<br>
>> +      lrm.RegisterAddress  = reg + 4,<br>
>> +      lrm.MemoryAddress    = (struct anv_address) { bo, offset + 4 };<br>
>> +   }<br>
>> +}<br>
>> +<br>
>>  void genX(CmdBeginQuery)(<br>
>>      VkCommandBuffer                             commandBuffer,<br>
>>      VkQueryPool                                 queryPool,<br>
>> @@ -2301,7 +2345,25 @@ void genX(CmdBeginQuery)(<br>
>>                            query * sizeof(struct anv_query_pool_slot));<br>
>>        break;<br>
>><br>
>> -   case VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS:<br>
>> +   case VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS: {<br>
>> +      uint32_t pipeline_statistics = pool->pipeline_statistics;<br>
>> +      uint32_t slot_offset = query * pool->slot_stride *<br>
>> +         sizeof(struct anv_query_pool_slot);<br>
>> +<br>
>> +      /* TODO: This might only be necessary for certain stats */<br>
>> +      anv_batch_emit(&cmd_buffer-><wbr>batch, GENX(PIPE_CONTROL), pc) {<br>
>> +         pc.CommandStreamerStallEnable = true;<br>
>> +         pc.StallAtPixelScoreboard = true;<br>
>> +      }<br>
><br>
><br>
> I couldn't find a reference for needing this for workarounds, though I saw<br>
> the workaround Ben implemented for Gen9 + GT4 using a CS stall when querying<br>
> timestamps, which is handled separately.<br>
<br>
</div>Well, experimentally, I need it for the clipper and frag shader<br>
invocation counts to show up - otherwise they're always 0. This is on<br>
SKL GT2 with the vk-loader cube patched up as described. Perhaps the<br>
timing works out s.t. the counters all update outside of the begin/end<br>
"critical section" otherwise, so even though they're moving, the<br>
difference remains 0.<br>
<div class="quoted-text"><br>
><br>
> Depending on how strictly we consider that the queries should only measure<br>
> the commands they bracket then I think some stalling will be necessary to<br>
> serialize the work associated with a query and defer reading the end state<br>
> until after the relevant stages have completed their work.<br>
><br>
> We aren't very precise about this in GL currently, but in Begin maybe we<br>
> should stall until everything >= the statistic-stage is idle and in End<br>
> stall until everything <= the statistic-stage is idle before reading (where<br>
> 'statistic-stage' here is the pipeline stage associated with the pipeline<br>
> statistic being queried (or respectively the min/max stage for a set)).<br>
><br>
> For reference in my implementation of INTEL_performance_query facing this<br>
> same question, I'm currently just stalling before and after queries:<br>
><br>
> <a href="https://github.com/rib/mesa/blob/wip/rib/oa-next/src/mesa/drivers/dri/i965/brw_performance_query.c#L994" rel="noreferrer" target="_blank">https://github.com/rib/mesa/<wbr>blob/wip/rib/oa-next/src/mesa/<wbr>drivers/dri/i965/brw_<wbr>performance_query.c#L994</a><br>
> <a href="https://github.com/rib/mesa/blob/wip/rib/oa-next/src/mesa/drivers/dri/i965/brw_performance_query.c#L1136" rel="noreferrer" target="_blank">https://github.com/rib/mesa/<wbr>blob/wip/rib/oa-next/src/mesa/<wbr>drivers/dri/i965/brw_<wbr>performance_query.c#L1136</a><br>
<br>
</div>So that's essentially what I'm doing here, I think. (And what the GL<br>
driver does.) brw_emit_mi_flush actually emits a lot more flushes than<br>
this, but I poked around and the main thing is to have a command<br>
streamer stall, which on earlier gens requires at least one other bit<br>
set.<br>
<br>
[Please note that I have no real familiarity with the hardware - I'm<br>
mostly just looking at what the GL driver does and copying it here<br>
with minor adjustments.]<br>
<div class="elided-text"><br>
><br>
>> +<br>
>> +      while (pipeline_statistics) {<br>
>> +         uint32_t stat = u_bit_scan(&pipeline_<wbr>statistics);<br>
>> +<br>
>> +         emit_pipeline_stat(cmd_buffer, stat, &pool->bo, slot_offset);<br>
>> +         slot_offset += sizeof(struct anv_query_pool_slot);<br>
>> +      }<br>
>> +      break;<br>
>> +   }<br>
>>     default:<br>
>>        unreachable("");<br>
>>     }<br>
>> @@ -2314,17 +2376,35 @@ void genX(CmdEndQuery)(<br>
>>  {<br>
>>     ANV_FROM_HANDLE(anv_cmd_<wbr>buffer, cmd_buffer, commandBuffer);<br>
>>     ANV_FROM_HANDLE(anv_query_<wbr>pool, pool, queryPool);<br>
>> +   uint32_t slot_offset = query * pool->slot_stride *<br>
>> +      sizeof(struct anv_query_pool_slot);<br>
>><br>
>>     switch (pool->type) {<br>
>>     case VK_QUERY_TYPE_OCCLUSION:<br>
>> -      emit_ps_depth_count(cmd_<wbr>buffer, &pool->bo,<br>
>> -                          query * sizeof(struct anv_query_pool_slot) +<br>
>> 8);<br>
>> +      emit_ps_depth_count(cmd_<wbr>buffer, &pool->bo, slot_offset + 8);<br>
>> +      emit_query_availability(cmd_<wbr>buffer, &pool->bo, slot_offset + 16);<br>
>> +      break;<br>
>> +<br>
>> +   case VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS: {<br>
>> +      uint32_t pipeline_statistics = pool->pipeline_statistics;<br>
>> +      /* TODO: This might only be necessary for certain stats */<br>
>> +      anv_batch_emit(&cmd_buffer-><wbr>batch, GENX(PIPE_CONTROL), pc) {<br>
>> +         pc.CommandStreamerStallEnable = true;<br>
>> +         pc.StallAtPixelScoreboard = true;<br>
>> +      }<br>
>> +<br>
>> +      while (pipeline_statistics) {<br>
>> +         uint32_t stat = u_bit_scan(&pipeline_<wbr>statistics);<br>
>><br>
>> -      emit_query_availability(cmd_<wbr>buffer, &pool->bo,<br>
>> -                              query * sizeof(struct anv_query_pool_slot)<br>
>> + 16);<br>
>> +         emit_pipeline_stat(cmd_buffer, stat, &pool->bo, slot_offset +<br>
>> 8);<br>
>> +         slot_offset += sizeof(struct anv_query_pool_slot);<br>
>> +      }<br>
>> +<br>
>> +      slot_offset -= sizeof(struct anv_query_pool_slot);<br>
>> +      emit_query_availability(cmd_<wbr>buffer, &pool->bo, slot_offset + 16);<br>
>>        break;<br>
>> +   }<br>
>><br>
>> -   case VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS:<br>
>>     default:<br>
>>        unreachable("");<br>
>>     }<br>
>> @@ -2421,6 +2501,31 @@ emit_load_alu_reg_u64(struct anv_batch *batch,<br>
>> uint32_t reg,<br>
>>  }<br>
>><br>
>>  static void<br>
>> +emit_load_alu_reg_imm32(<wbr>struct anv_batch *batch, uint32_t reg, uint32_t<br>
>> imm)<br>
>> +{<br>
>> +   anv_batch_emit(batch, GENX(MI_LOAD_REGISTER_IMM), lri) {<br>
>> +      lri.RegisterOffset   = reg;<br>
>> +      lri.DataDWord        = imm;<br>
>> +   }<br>
>> +}<br>
>> +<br>
>> +static void<br>
>> +emit_load_alu_reg_imm64(<wbr>struct anv_batch *batch, uint32_t reg, uint64_t<br>
>> imm)<br>
>> +{<br>
>> +   emit_load_alu_reg_imm32(batch, reg, (uint32_t)imm);<br>
>> +   emit_load_alu_reg_imm32(batch, reg + 4, (uint32_t)(imm >> 32));<br>
>> +}<br>
>> +<br>
>> +static void<br>
>> +emit_load_alu_reg_reg32(<wbr>struct anv_batch *batch, uint32_t src, uint32_t<br>
>> dst)<br>
>> +{<br>
>> +   anv_batch_emit(batch, GENX(MI_LOAD_REGISTER_REG), lrr) {<br>
>> +      lrr.SourceRegisterAddress      = src;<br>
>> +      lrr.DestinationRegisterAddress = dst;<br>
>> +   }<br>
>> +}<br>
>> +<br>
>> +static uint32_t<br>
>>  store_query_result(struct anv_batch *batch, uint32_t reg,<br>
>>                     struct anv_bo *bo, uint32_t offset, VkQueryResultFlags<br>
>> flags)<br>
>>  {<br>
>> @@ -2434,9 +2539,88 @@ store_query_result(struct anv_batch *batch,<br>
>> uint32_t reg,<br>
>>           srm.RegisterAddress  = reg + 4;<br>
>>           srm.MemoryAddress    = (struct anv_address) { bo, offset + 4 };<br>
>>        }<br>
>> +<br>
>> +      return offset + 8;<br>
>> +   }<br>
>> +<br>
>> +   return offset + 4;<br>
>> +}<br>
>> +<br>
>> +/*<br>
>> + * GPR0 = GPR0 & ((1ull << n) - 1);<br>
>> + */<br>
>> +static void<br>
>> +keep_gpr0_lower_n_bits(struct anv_batch *batch, uint32_t n)<br>
>> +{<br>
>> +   assert(n < 64);<br>
>> +   emit_load_alu_reg_imm64(batch, CS_GPR(1), (1ull << n) - 1);<br>
>> +<br>
>> +   uint32_t *dw = anv_batch_emitn(batch, 5, GENX(MI_MATH));<br>
>> +   dw[1] = alu(OPCODE_LOAD, OPERAND_SRCA, OPERAND_R0);<br>
>> +   dw[2] = alu(OPCODE_LOAD, OPERAND_SRCB, OPERAND_R1);<br>
>> +   dw[3] = alu(OPCODE_AND, 0, 0);<br>
>> +   dw[4] = alu(OPCODE_STORE, OPERAND_R0, OPERAND_ACCU);<br>
>> +}<br>
>> +<br>
>> +/*<br>
>> + * GPR0 = GPR0 << 30;<br>
>> + */<br>
>> +static void<br>
>> +shl_gpr0_by_30_bits(struct anv_batch *batch)<br>
>> +{<br>
>> +   /* First we mask 34 bits of GPR0 to prevent overflow */<br>
>> +   keep_gpr0_lower_n_bits(batch, 34);<br>
>> +<br>
>> +   const uint32_t outer_count = 5;<br>
>> +   const uint32_t inner_count = 6;<br>
>> +   STATIC_ASSERT(outer_count * inner_count == 30);<br>
>> +   const uint32_t cmd_len = 1 + inner_count * 4;<br>
>> +<br>
>> +   /* We'll emit 5 commands, each shifting GPR0 left by 6 bits, for a<br>
>> total of<br>
>> +    * 30 left shifts.<br>
>> +    */<br>
>> +   for (int o = 0; o < outer_count; o++) {<br>
>> +      /* Submit one MI_MATH to shift left by 6 bits */<br>
>> +      uint32_t *dw = anv_batch_emitn(batch, cmd_len, GENX(MI_MATH));<br>
>> +      dw++;<br>
>> +      for (int i = 0; i < inner_count; i++, dw += 4) {<br>
>> +         dw[0] = alu(OPCODE_LOAD, OPERAND_SRCA, OPERAND_R0);<br>
>> +         dw[1] = alu(OPCODE_LOAD, OPERAND_SRCB, OPERAND_R0);<br>
>> +         dw[2] = alu(OPCODE_ADD, 0, 0);<br>
>> +         dw[3] = alu(OPCODE_STORE, OPERAND_R0, OPERAND_ACCU);<br>
>> +      }<br>
>>     }<br>
>>  }<br>
>><br>
>> +/*<br>
>> + * GPR0 = GPR0 >> 2;<br>
>> + *<br>
>> + * Note that the upper 30 bits of GPR are lost!<br>
>> + */<br>
>> +static void<br>
>> +shr_gpr0_by_2_bits(struct anv_batch *batch)<br>
>> +{<br>
>> +   shl_gpr0_by_30_bits(batch);<br>
>> +   emit_load_alu_reg_reg32(batch, CS_GPR(0) + 4, CS_GPR(0));<br>
>> +   emit_load_alu_reg_imm32(batch, CS_GPR(0) + 4, 0);<br>
>> +}<br>
>> +<br>
>> +static void<br>
>> +compute_query_result(struct anv_batch *batch, struct anv_bo *bo,<br>
>> +                     uint32_t dst_reg, uint32_t offset)<br>
>> +{<br>
>> +   emit_load_alu_reg_u64(batch, CS_GPR(0), bo, offset);<br>
>> +   emit_load_alu_reg_u64(batch, CS_GPR(1), bo, offset + 8);<br>
>> +<br>
>> +   /* FIXME: We need to clamp the result for 32 bit. */<br>
>> +<br>
>> +   uint32_t *dw = anv_batch_emitn(batch, 5, GENX(MI_MATH));<br>
>> +   dw[1] = alu(OPCODE_LOAD, OPERAND_SRCA, OPERAND_R1);<br>
>> +   dw[2] = alu(OPCODE_LOAD, OPERAND_SRCB, OPERAND_R0);<br>
>> +   dw[3] = alu(OPCODE_SUB, 0, 0);<br>
>> +   dw[4] = alu(OPCODE_STORE, dst_reg, OPERAND_ACCU);<br>
>> +}<br>
>> +<br>
>>  void genX(CmdCopyQueryPoolResults)(<br>
>>      VkCommandBuffer                             commandBuffer,<br>
>>      VkQueryPool                                 queryPool,<br>
>> @@ -2459,50 +2643,64 @@ void genX(CmdCopyQueryPoolResults)(<br>
>>        }<br>
>>     }<br>
>><br>
>> -   dst_offset = buffer->offset + destOffset;<br>
>>     for (uint32_t i = 0; i < queryCount; i++) {<br>
>> -<br>
>> +      dst_offset = buffer->offset + destOffset + destStride * i;<br>
>>        slot_offset = (firstQuery + i) * sizeof(struct<br>
>> anv_query_pool_slot);<br>
>>        switch (pool->type) {<br>
>>        case VK_QUERY_TYPE_OCCLUSION:<br>
>> -         emit_load_alu_reg_u64(&cmd_<wbr>buffer->batch,<br>
>> -                               CS_GPR(0), &pool->bo, slot_offset);<br>
>> -         emit_load_alu_reg_u64(&cmd_<wbr>buffer->batch,<br>
>> -                               CS_GPR(1), &pool->bo, slot_offset + 8);<br>
>> -<br>
>> -         /* FIXME: We need to clamp the result for 32 bit. */<br>
>> -<br>
>> -         uint32_t *dw = anv_batch_emitn(&cmd_buffer-><wbr>batch, 5,<br>
>> GENX(MI_MATH));<br>
>> -         dw[1] = alu(OPCODE_LOAD, OPERAND_SRCA, OPERAND_R1);<br>
>> -         dw[2] = alu(OPCODE_LOAD, OPERAND_SRCB, OPERAND_R0);<br>
>> -         dw[3] = alu(OPCODE_SUB, 0, 0);<br>
>> -         dw[4] = alu(OPCODE_STORE, OPERAND_R2, OPERAND_ACCU);<br>
>> +         compute_query_result(&cmd_<wbr>buffer->batch, &pool->bo, OPERAND_R2,<br>
>> +                              slot_offset);<br>
>> +         dst_offset = store_query_result(<br>
>> +               &cmd_buffer->batch,<br>
>> +               CS_GPR(2), buffer->bo, dst_offset, flags);<br>
>>           break;<br>
>><br>
>>        case VK_QUERY_TYPE_TIMESTAMP:<br>
>>           emit_load_alu_reg_u64(&cmd_<wbr>buffer->batch,<br>
>>                                 CS_GPR(2), &pool->bo, slot_offset);<br>
>> +         dst_offset = store_query_result(<br>
>> +               &cmd_buffer->batch,<br>
>> +               CS_GPR(2), buffer->bo, dst_offset, flags);<br>
>>           break;<br>
>><br>
>> +      case VK_QUERY_TYPE_PIPELINE_<wbr>STATISTICS: {<br>
>> +         uint32_t pipeline_statistics = pool->pipeline_statistics;<br>
>> +<br>
>> +         slot_offset *= pool->slot_stride;<br>
>> +         while (pipeline_statistics) {<br>
>> +            uint32_t stat = u_bit_scan(&pipeline_<wbr>statistics);<br>
>> +<br>
>> +            compute_query_result(&cmd_<wbr>buffer->batch, &pool->bo,<br>
>> OPERAND_R0,<br>
>> +                                 slot_offset);<br>
>> +<br>
>> +            /* WaDividePSInvocationCountBy4:<wbr>HSW,BDW */<br>
>> +            if ((cmd_buffer->device->info.gen == 8 ||<br>
>> +                 cmd_buffer->device->info.is_<wbr>haswell) &&<br>
>> +                (1 << stat) ==<br>
>> VK_QUERY_PIPELINE_STATISTIC_<wbr>FRAGMENT_SHADER_INVOCATIONS_<wbr>BIT) {<br>
>> +               shr_gpr0_by_2_bits(&cmd_<wbr>buffer->batch);<br>
>> +            }<br>
>> +            dst_offset = store_query_result(<br>
>> +                  &cmd_buffer->batch,<br>
>> +                  CS_GPR(0), buffer->bo, dst_offset, flags);<br>
>> +            slot_offset += sizeof(struct anv_query_pool_slot);<br>
>> +         }<br>
>> +<br>
>> +         /* Get the slot offset to where it's supposed to be for the<br>
>> +          * availability bit.<br>
>> +          */<br>
>> +         slot_offset -= sizeof(struct anv_query_pool_slot);<br>
>> +         break;<br>
>> +      }<br>
>>        default:<br>
>>           unreachable("unhandled query type");<br>
>>        }<br>
>><br>
>> -      store_query_result(&cmd_<wbr>buffer->batch,<br>
>> -                         CS_GPR(2), buffer->bo, dst_offset, flags);<br>
>> -<br>
>>        if (flags & VK_QUERY_RESULT_WITH_<wbr>AVAILABILITY_BIT) {<br>
>>           emit_load_alu_reg_u64(&cmd_<wbr>buffer->batch, CS_GPR(0),<br>
>>                                 &pool->bo, slot_offset + 16);<br>
>> -         if (flags & VK_QUERY_RESULT_64_BIT)<br>
>> -            store_query_result(&cmd_<wbr>buffer->batch,<br>
>> -                               CS_GPR(0), buffer->bo, dst_offset + 8,<br>
>> flags);<br>
>> -         else<br>
>> -            store_query_result(&cmd_<wbr>buffer->batch,<br>
>> -                               CS_GPR(0), buffer->bo, dst_offset + 4,<br>
>> flags);<br>
>> +         store_query_result(&cmd_<wbr>buffer->batch,<br>
>> +                            CS_GPR(0), buffer->bo, dst_offset, flags);<br>
>>        }<br>
>> -<br>
>> -      dst_offset += destStride;<br>
>>     }<br>
>>  }<br>
><br>
><br>
> I was a bit surprised to see us needing to go the same route as GL query<br>
> objects with using the command streamer's very limited ALU for fixing up<br>
> metrics on the gpu instead of doing that on the CPU if possible.<br>
><br>
> My understanding had been that multiple HW vendors pushed back on the design<br>
> of these query apis to ensure they could deal with counter scaling and<br>
> normalization on the CPU without needing to support direct feedback into the<br>
> gpu. Reading the spec though it does unfortunately look like<br>
> vkCmdCopyQueryPoolResults implies scaling on the gpu :-/<br>
<br>
</div>Yeah, that looks identical to ARB_query_buffer_object functionality,<br>
with very minor differences.<br>
<div class="quoted-text"><br>
><br>
> One thorny problem we have today at least with GL is that we don't scale<br>
> Skylake timestamps properly when using the ALU considering the extra<br>
> annoyance of scaling by a floating point factor of 83.3333. In the future<br>
> this scale factor might ideally not even be a constant if we can take<br>
> advantage of training done in the kernel to determine a more accurate<br>
> frequency (ref:<br>
> <a href="https://lists.freedesktop.org/archives/intel-gfx/2016-June/097272.html" rel="noreferrer" target="_blank">https://lists.freedesktop.org/<wbr>archives/intel-gfx/2016-June/<wbr>097272.html</a>) Also<br>
> for reference here, there's this patch that looks at fixing the timestamp<br>
> scaling done on the cpu for SKL:<br>
> <a href="https://patchwork.freedesktop.org/patch/118855/" rel="noreferrer" target="_blank">https://patchwork.freedesktop.<wbr>org/patch/118855/</a> I understand you aren't<br>
> dealing with timestamp scaling here, but it seems like an a example of where<br>
> it's getting a bit out-of-hand using the ALU for this type of purpose.<br>
<br>
</div>I haven't checked, but I hope that the timestamp units can be in<br>
whatever you want. So you can hopefully get away without scaling.<br>
<div class="quoted-text"><br>
><br>
> Can we maybe at least consider the complexity trade-off from using a shader<br>
> instead of ALU - or consider if there's a legitimate way we're missing of<br>
> using the cpu here (though I suppose not).<br>
<br>
</div>Go ahead :) I was just copying the GL approach. Happy to rip out the<br>
MI_MATH stuff and make the feature IVB + SKL+ only for now if you all<br>
agree that the MI_MATH stuff is bad. IMHO the complexity of the<br>
MI_MATH logic is quite small for the / 4 case, but I don't feel like<br>
I'm particularly part of the decision committee.<br>
<br>
Cheers,<br>
<br>
  -ilia<br>
</blockquote></div><br></div></div></div>