本文是论文‘Mitsuba 2: A Retargetable Forward and Inverse Renderer’的读后感（review）。
之前我们介绍了CPU，Cache，主要在原理上理解如何充分调用CPU的性能（Why），接着又学习了SIMD技术，算是在编程层面上发挥CPU的并行计算能力（How）。今天，我们来一个不那么复杂的，谈一下如何使用性能分析工具，发现程序的Hotspot（Where），毕竟，工欲善其事必先利其器。
The power wall 目前，运算速度提升30%，则需要两倍的电压和发热，并且这种设计思路无法满足移动设备，也不可能长久
真空中光速为299,792,458米/秒，目前，Intel的i7频率可以达到4GHz，简单换算一下，可以得出结论：光（电流）在一个Cycle内移动的距离约为0.075米。显然，目前的内存条的芯片（反正两面。约为3.75cm）大大超过了这个长度，换句话说，理论上，在一个Cycle内内存条上总有一个位置是我们无法触摸。
严格讲我不是CS专业，不清楚CS本科是否需要学习CPU架构。或者说，在这个软件高度集成的时代，软件工程师有必要掌握这些细节吗？我的答案是：学以致用的角度，不需要；如果你专注于性能优化，则有借鉴意义。
Rendering Equation如上图，我们对比一下同一个场景中，有无participating media的区别，右侧没有时，采样空间是场景的整个表面O(N^2)，而在左侧，采样空间是场景中任意一点O(N^3)，这反应了VRE的计算量。积分求解该公式告诉我们，L是直射光，1次反弹，2次反弹，N次反弹等所有光路的累加，路径越短，贡献通常越大，也告...
刚刚看了‘Path Tracing in Production’，里面提到了Weta digital的Manuka材质系统，在这里总结一下，算是对之前Material小结的一个补充。
材质就是用来描述光线和物质之间的相互作用。如果一个物体材质是纯镜面的，或者是纯粗糙的，我们可以用镜面反射和漫反射，但如果介于两者之间（glossy），如下图，左边为diffuse和specular，而右边为glossy的效果。就需要更复杂的模型来模拟光和物体的作用。
每周极术社区行业技术热点，市场趋势等分享。
订阅极术社区线上线下活动，包括技术沙龙，赠书活动，开发板申请等
含极术社区WebinarPPT下载及回放，线下活动技术干货PPT，欢迎关注
Arm相关的技术博客，提供最新Arm技术干货，欢迎关注
