Android 開發教學筆記 - Renderscript Parallel Computing 之 Define a structure for your data

雖然網路上有許多 Renderscript 處理繪圖運算的範例，但它不只可以作繪圖加速還可以作平行運算，在 PandaBoard ES Rev B 板子上，發現雙核心 CPU 的架構下，似乎是沒問題的。然而，網路上場看得範例都是處理圖檔，讀檔的資料結構很簡單，就是最基本的 Bitmap 而已，於是花了不少功夫推敲，才找到如何定義自己的資料結構進行平行運算！

作法很簡單，先把你想要的資料結構定義在 Renderscript (myscript.rs) 檔案內，如 C 語言的 structure：

#pragma version(1)
#pragma rs java_package_name(com.example.android.rs.MyParallelCompute)

#include "rs_graphics.rsh"

struct MyDataIn {
        int a;
        int b;
};

//struct MyDataOut {
//         int sum;
//};
//void root(const struct MyDataIn *in, struct MyDataOut* out) {

void root(const struct MyDataIn *in, int* out) {
        //out->sum = (int)a+b;
        *out = in->a + in->b;
        rsDebug("myscript a=", (int) in->a);
        rsDebug("myscript b=", (int) in->b);
}

如此一來，編譯後自動產生 ScriptField_MyDataIn.java (gen/com.example.android.rs.MyParallelCompute裡)，之後在 Java 端撰寫程式時，使用這個 class 來包裝你的資料：

private void createScript() {
        mRS = RenderScript.create(this);

        int myDataCount = 5;

        ScriptField_MyDataIn in = new ScriptField_MyDataIn(mRS,myDataCount);
        //ScriptField_MyDataOut out = new ScriptField_MyDataOut(mRS,myDataCount,myDataCount);

        // initial data
        for( int i=0 ; i<myDataCount ; ++i) {
                in.set_a(i, i, false);
                in.set_b(i, i*2, false);
        }
        in.copyAll();

        //Allocation dataOut = Allocation.createTyped(mRS, out.getType());
        Allocation dataOut = Allocation.createSized(mRS, Element.I32(mRS), myDataCount);

        // call renderscript
        mScript = new ScriptC_myscript(mRS, getResources(), R.raw.myscript);
        mScript.forEach_root(in.getAllocation(),dataOut);

        //byte []x = new byte[ ScriptField_MyDataOut.Item.sizeof * myDataCount ];
        //dataOut.copyTo(x);

        int[] x = new int[myDataCount];
        dataOut.copyTo(x);

        // result data
        for( int i=0 ; i<myDataCount ; ++i) {
                //Log.e("MyParalle","(a,b,sum)=("+in.get_a(i)+"+"+in.get_b(i)+"="+out.get_sum(i)+")");
                Log.e("MyParalle","(a,b,sum)=("+in.get_a(i)+"+"+in.get_b(i)+"="+x[i]+")");
        }
}

此例很簡單，使用平行運算把輸入的資料(struct MyDataIn)進行相加後輸出(int)。紅色是把資料轉成 RS 的輸入，綠色則是用來儲存運算結果，而藍色則是把綠色取得的資料，轉成在 Java 常用的結構。

幾個小筆記：

• 用 forEach_root 進行平行運算，輸入的資料個數要跟輸出個數一樣才能使用，在此資料個數就是 myDataCount，而從 Java 傳遞給 forEach_root 的參數輸入跟輸出必須是 Allocation 型態


• 想要自訂結構，請在 *.rs 先定義(如 struct MyDataIn)，接著編譯後，則可以再 Java 中使用(如 ScriptField_MyDataIn)


• 在 Java 中使用 ScriptField_* 進行資料初始化後，想要把它變成有效的 Allocation 時，記得先做 copyAll()，不然則是每次設值時，最後一個 copyNow 參數設定成 true，詳情起看 ScriptField_*.java 查閱實作


• 運算後的資料也是 Allocation，必須把它轉成自己的資料結構，由於 Allocation 目前只支援輸出(copyTo)成 int [], short [], float [], byte[] 和 Bitmap 等，所以建議先以這些結構來設計，不然輸出還要花心力去做轉換，希望之後的架構可以支援直接輸出成自訂結構


• Allocation 初始化有不少 Element.XXX 函式可以使用，例如 rs 用 void root( uchar4 *in ) 的話，那就用 Element.U8_4(mRS) 來對應