前提：
1. GPU的架构为SIMD（单指令多数据流架构），即在GPU上面执行N个数据和1个数据的效率是一样的，指令相同的情况下。所以并行的计算尽量都放到GPU上。
2. GPU的设计基础为向量计算。（即向量乘法和单个float 的乘法效率一样。【CPU需要执行多次】）
性能可优化点：
1. 合并单个计算为向量运算。
float x; float y;
x = x *a; y = y * b;
将上面的写法修改为下面的效率会更高。
float2 v = float2(x,y); v = v * float2(a,b);
修改后的写法只需要执行一次。
2. 不要使用条件判断， FOR 语句。（性能不高，会涉及到同步）。
float4 a ;
if( b > 1){
a.a = 1;
} else {
a.a = 0.5;
}
上面的条件判断可以使用 内置函数 step 进行替换。
flaot4 a; float t = step(b, 1.0); a = tmp * 0.5 + (1.0 - tmp);
替换的根本原因在于动态分支。
3. 尽可能使用内置函数。（内置函数大部分都使用了GPU的特殊特性）。
高级函数，如非必要，尽量不要使用，如 sin，cos, sinh, cosh等。（ Asin, Acos, Atan非常高。）
4. swizzle 的效率高于单步赋值。
float4 a = float4(1.0, 1.0, 1.0, 1.0); a.w = 2.0; a.z = 2.0;
上面的代码修改为下面的效率更高。
float4 a = float4(1.0, 1.0, 1.0, 1.0); a.wz= float2(2.0, 2.0);
5. 如果非必要，尽量不使用高精度。（高精度32位，中等精度为16位，低精度为12位。）
附：降低精度在某些情况下不能起到提升性能的作用。
6. 只计算需要的东西。运算尽量放在VS或者脚本中进行。
原因：只计算需要的东西， 可以减少传输的数据量，避免过多的顶点计算，如：过多的光照，或者光照太复杂。
通常情况下，需要渲染的像素比顶点数多，而顶点数又比物体数多很多。所以如果可以，尽量将运算从 FS 移到 VS，或直接通过 script 来设置某些固定值；
并不是所有的计算都适合放到脚本中进行，（CPU的计算结果传递给GPU里面也有性能消耗）
7. 其他
alpha test， clip ， Color Mask 慎用。不同平台上消耗不一样，部分机型可能性能会非常差。
=========================以下内容为转载=============================
定位渲染通道瓶颈的方法
转自：http://blog.csdn.net/rabbit729/article/details/6398343
一般来说， 定位渲染通道瓶颈的方法就是改变渲染通道每个步骤的工作量, 如果吞吐量也改变了, 那个步骤就是瓶颈.。找到了瓶颈就要想办法消除瓶颈, 可以减少该步骤的工作量, 增加其他步骤的工作量。
一般在光栅化之前的瓶颈称作”transform bound”, 三角形设置处理后的瓶颈称作”fill bound”
定位瓶颈的办法:
1. 改变帧缓冲或者渲染目标(Render Target)的颜色深度(16 到 32 位), 如果帧速改变了, 那么瓶颈应该在帧缓冲(RenderTarget)的填充率上。
2. 否则试试改变贴图大小和贴图过滤设置, 如果帧速变了,那么瓶颈应该是在贴图这里。
3. 否则改变分辨率.如果帧速改变了, 那么改变一下pixel shader的指令数量, 如果帧速变了, 那么瓶颈应该就是pixel shader. 否则瓶颈就在光栅化过程中。
4. 否则, 改变顶点格式的大小, 如果帧速改变了, 那么瓶颈应该在显卡带宽上。
5. 如果以上都不是, 那么瓶颈就在CPU这一边。