一种用于渲染的GPU虚拟化方法与流程

本发明涉及游戏虚拟渲染领域，尤其涉及一种用于渲染的gpu虚拟化方法。

背景技术：

1、一些计算机被配置成提供虚拟化执行环境，超虚拟化执行环境允许客软件共享单个计算机系统的硬件设备。通过虚拟设备和系统管理程序的软件接口分区提供对物理设备的访问，尤其是，在虚拟化执行环境中提供对一个或多个物理图形处理单元(“gpu”)的虚拟化访问，实现gpu虚拟化，提高资源利用效率，被广泛应用在云端渲染领域、云端桌面领域。

2、例如，中国专利申请公开号：cn109712060a，公开了一种基于gpu容器技术的云桌面显卡共享方法及系统，用于解决现有基于显卡虚拟化技术实现多个云桌面的显卡共享的方法导致的显存容量固定不变、使用成本高、兼容性差的技术问题；本发明将物理显卡抽象为gpu容器并绑定至云主机，使得该云主机下的多个云桌面可共享该云主机绑定的gpu容器，以实现多个云桌面的虚拟化显卡、普通图形显卡或游戏显卡的共享，且可根据每个云桌面的自身负载动态地为每个云桌面分配显存资源；该发明可避免出现显卡资源闲置的情况，提高了显卡资源利用率，降低了使用成本。

3、但是，现有技术中还存在以下问题，

4、现有技术中采用gpu虚拟化对网络虚拟游戏中的场景进行渲染时，未考虑网络虚拟游戏场景内渲染目标的实时切换，未适应性配置渲染资源，容易导致画面卡顿，例如，在网络虚拟游戏中常在特定时间点进行游戏活动，导致玩家控制的虚拟人物短时间内在特定的场景或区域中大量聚集，导致显示画面卡顿。

技术实现思路

1、为此，本发明提供一种用于渲染的gpu虚拟化方法，用以克服现有技术中采用虚拟gpu对网络虚拟游戏进行渲染时，由于网络虚拟游戏常在特定时间点进行游戏活动，导致玩家控制的虚拟人物短时间内在特定的场景或区域中大量聚集，导致显示渲染资源过载，容易造成画面卡顿的问题。

2、为实现上述目的，本发明提供一种用于渲染的gpu虚拟化方法，其包括：

3、步骤s1，采集当前时间段内若干用户端的移动操作指令，根据所述移动操作指令结合所控制虚拟人物的移动速度预测虚拟人物到达目标场景的时间，以确定未来时间段内各虚拟场景的虚拟人物数量以及虚拟人物汇集速度，所述移动操作指令包括用户端控制虚拟人物移动至目标场景对应的操作指令；

4、步骤s2，基于未来时间段内的虚拟场景的虚拟人物数量以及虚拟人物汇集速度计算汇集参数，以识别特征虚拟场景；

5、步骤s3，响应于预设条件，根据虚拟人物的分布对特征虚拟场景进行划分分类，所述预设条件为用户端控制虚拟人物在特征虚拟场景中移动或静止时；

6、步骤s4，根据用户端所控制虚拟人物所处子场景的类别选定对用户端所配置虚拟gpu的调整方式，包括，

7、调整所述用户端所配置虚拟gpu节点的数量，

8、或，调整所述用户端所配置虚拟gpu节点的渲染方式，包括，对子场景进行二次划分得到二级子场景，并根据二级子场景中模型的移动向量以及模型的色度变化量计算局部变化参数，识别特征二级子场景，以调用虚拟gpu节点仅对特征二级子场景实时渲染，将所得若干特征局部渲染画面与非特征二级子场景对应的非特征局部渲染画面组合后得到若干完整渲染画面。

9、进一步地，步骤s2中，根据公式（1）计算各虚拟场景对应的汇集参数，

10、；

11、公式（1）中，k表示汇集参数，n表示虚拟场景在未来时间段内所汇集虚拟人物的数量，n0表示预设的汇集数量标准值，v表示虚拟场景在未来时间段内虚拟人物的汇集速度，v0表示预设的汇集速度标准值，α表示数量权重系数，β表示速度权重系数。

12、进一步地，步骤s2中，识别特征虚拟场景的过程包括，

13、将虚拟场景对应的汇集参数与预设的汇集参数阈值进行对比，

14、若所述汇集参数大于预设的汇集参数阈值，则判定所述虚拟场景为特征虚拟场景。

15、进一步地，所述步骤s3中，对特征虚拟场景进行划分分类的过程包括，

16、将特征虚拟场景划分为若干子场景，确定子场景内虚拟人物的分布密集度，若所述分布密集度大于或等于预定的密集度阈值，则判定所述子场景为密集类别，

17、若所述分布密集度小于预定的密集度阈值，则判定所述子场景为非密集类别。

18、进一步地，所述步骤s4中，根据用户端所控制虚拟人物所处子场景的类别选定对用户端所配置虚拟gpu的调整方式的过程包括，

19、若所述子场景为密集类别，则选定调整所述用户端所配置虚拟gpu节点的数量；

20、若所述子场景为非密集类别，则选定调整所述用户端所配置虚拟gpu节点的渲染方式。

21、进一步地，所述步骤s4中，调整所述用户端所配置虚拟gpu节点的数量的过程包括，

22、调整所述用户端所配置虚拟gpu节点的数量与所述子场景中虚拟人物的分布密集度呈正相关。

23、进一步地，所述步骤s4中，确定二级子场景中的模型，以模型中心为基准，根据模型移动方向以及位移速度构建模型的移动向量。

24、进一步地，根据模型的移动向量以及模型在预定时间内的色度变化量按照公式（2）计算局部变化参数，

25、；

26、公式（2）中，e表示局部变化参数，pi表示第i模型的移动向量，li表示第i模型的色度变化量，p0表示预设的移动向量标准值，l0表示预设的色度变化量阈值，n表示二级子场景中模型的数量，i为大于0的整数。

27、进一步地，所述步骤s4中，识别特征二级子场景的过程包括，

28、将二级子场景对应的局部变化参数与预定的局部变化参数阈值进行对比，

29、若所述二级子场景对应的局部变化参数大于预定的局部变化参数阈值，则判定所述二级子场景为特征二级子场景。

30、进一步地，所述步骤s4中，局部渲染画面组合的过程包括，仅对非特征二级子场景进行单次渲染，得到单个非特征局部渲染画面，将所述非特征局部渲染画面复制预定数量后分别与对特征二级子场景实时渲染所得的特征局部渲染画面组合。

31、与现有技术相比，本发明通过采集若干用户端的移动操作指令，预测未来时间段内各虚拟场景的虚拟人物数量以及虚拟人物汇集速度，进而识别特征虚拟场景，并且，在用户端控制虚拟人物处于虚拟场景中时，对用户端所配置虚拟gpu的渲染方式以及虚拟gpu节点数量进行调整，本发明通过预测网络虚拟游戏中虚拟人物在特定时间段大量聚集的现象，并适应性的选择调整虚拟gpu节点数量，或采用局部渲染将局部渲染画面组的方式，进而减少渲染算力过载或画面卡顿的情况。

32、尤其，本发明通过采集当前时间段内若干用户端的移动操作指令以计算汇集参数，识别特征虚拟场景，网络虚拟游戏常在特定时间段内进行游戏活动，导致玩家控制的虚拟人物在短时间内在特定的场景或区域中大量聚集，在实际情况中，尤其是活动开始前，部分玩家会控制虚拟人物由其他虚拟场景向举行活动的虚拟场景移动，进而会导致对应虚拟场景中短时间内大量虚拟人物聚集，导致未来短时间内的所需渲染资源会急剧增加，若届时再对gpu节点进行调整则仍然会导致渲染画面卡顿，本发明通过识别特征虚拟场景，表征容易出现上述现象的虚拟场景，进而为提前适应性调整虚拟gpu提供数据支持。

33、尤其，本发明对特征虚拟场景进行划分分类，在实际情况中，网络虚拟游戏的虚拟场景中玩家所控制的虚拟人物常常大量聚集于部分区域中，例如部分区域中存在大量可交互npc，而部分区域由于可交互内容较少，则所聚集的虚拟人物较少，因此，本发明预先根据虚拟人物的分布对特征虚拟场景进行划分，为后续选定对用户端所配置虚拟gpu的调整方式提供数据支持。

34、尤其，本发明对密集类别的子场景调整用户端所配置虚拟gpu节点的数量，对于密集类别的子场景虚拟人物聚集较多，内部模型复杂，仅调整渲染方式已不能满足算力需求，因此，提前适应性的调整虚拟gpu节点的数量，对于非密集类别的子场景，进一步划分二级子场景，并根据局部变化参数识别特征二级子场景，特征二级子场景表征了场景内的模型变化程度大，对视觉的影响较大，因此，对于该特征二级子场景需要实时渲染，保证渲染画面的观感，而非特征二级子场景表征了场景内的模型变化程度小，对视觉的影响较小，因此，对该区域仅进行单次渲染，得到非特征局部渲染画面，作为基准复制后与实时渲染所得的特征局部渲染画面组合，得到完整渲染画面，进而在保证画面观感的前提下减少渲染资源，进而减少渲染算力过载或画面卡顿的情况。