Bug 1883287 - Don't wait for the hidden window to be created on Linux to load the...
[gecko.git] / gfx / docs / RenderingOverview.rst
blob1b2e30b6f63b0e5c72ecc9d4f3cd473351df604f
1 Rendering Overview
2 ==================
4 This document is an overview of the steps to render a webpage, and how HTML
5 gets transformed and broken down, step by step, into commands that can execute
6 on the GPU.
8 If you're coming into the graphics team with not a lot of background
9 in browsers, start here :)
11 .. contents::
13 High level overview
14 -------------------
16 .. image:: RenderingOverviewSimple.png
17    :width: 100%
19 Layout
20 ~~~~~~
21 Starting at the left in the above image, we have a document
22 represented by a DOM - a Document Object Model.  A Javascript engine
23 will execute JS code, either to make changes to the DOM, or to respond to
24 events generated by the DOM (or do both).
26 The DOM is a high level description and we don't know what to draw or
27 where until it is combined with a Cascading Style Sheet (CSS).
28 Combining these two and figuring out what, where and how to draw
29 things is the responsibility of the Layout team.  The
30 DOM is converted into a hierarchical Frame Tree, which nests visual
31 elements (boxes).  Each element points to some node in a Style Tree
32 that describes what it should look like -- color, transparency, etc.
33 The result is that now we know exactly what to render where, what goes
34 on top of what (layering and blending) and at what pixel coordinate.
35 This is the Display List.
37 The Display List is a light-weight data structure because it's shallow
38 -- it mostly points back to the Frame Tree.  There are two problems
39 with this.  First, we want to cross process boundaries at this point.
40 Everything up until now happens in a Content Process (of which there are
41 several).  Actual GPU rendering happens in a GPU Process (on some
42 platforms).  Second, everything up until now was written in C++; but
43 WebRender is written in Rust.  Thus the shallow Display List needs to
44 be serialized in a completely self-contained binary blob that will
45 survive Interprocess Communication (IPC) and a language switch (C++ to
46 Rust).  The result is the WebRender Display List.
48 WebRender
49 ~~~~~~~~~
51 The GPU process receives the WebRender Display List blob and
52 de-serializes it into a Scene.  This Scene contains more than the
53 strictly visible elements; for example, to anticipate scrolling, we
54 might have several paragraphs of text extending past the visible page.
56 For a given viewport, the Scene gets culled and stripped down to a
57 Frame.  This is also where we start preparing data structures for GPU
58 rendering, for example getting some font glyphs into an atlas for
59 rasterizing text.
61 The final step takes the Frame and submits commands to the GPU to
62 actually render it.  The GPU will execute the commands and composite
63 the final page.
65 Software
66 ~~~~~~~~
68 The above is the new WebRender-enabled way to do things.  But in the
69 schematic you'll note a second branch towards the bottom: this is the
70 legacy code path which does not use WebRender (nor Rust).  In this
71 case, the Display List is converted into a Layer Tree. The purpose of
72 this Tree is to try and avoid having to re-render absolutely
73 everything when the page needs to be refreshed. For example, when
74 scrolling we should be able to redraw the page by mostly shifting
75 things around. However that requires those 'things' to still be around
76 from last time we drew the page.  In other words, visual elements that
77 are likely to be static and reusable need to be drawn into their own
78 private "page" (a cache).  Then we can recombine (composite) all of
79 these when redrawing the actual page.
81 Figuring out which elements would be good candidates for this, and
82 striking a balance between good performance versus excessive memory
83 use, is the purpose of the Layer Tree.  Each 'layer' is a cached image
84 of some element(s).  This logic also takes occlusion into account, eg.
85 don't allocate and render a layer for elements that are known to be
86 completely obscured by something in front of them.
88 Redrawing the page by combining the Layer Tree with any newly
89 rasterized elements is the job of the Compositor.
92 Even when a layer cannot be reused in its entirety, it is likely
93 that only a small part of it was invalidated.  Thus there is an
94 elaborate system for tracking dirty rectangles, starting an update by
95 copying the area that can be salvaged, and then redrawing only what
96 cannot.
98 In fact, this idea can be extended to delta-tracking of display lists
99 themselves. Traversing the layout tree and building a display list is
100 also not cheap, so the code tries to partially invalidate and rebuild
101 the display list incrementally when possible.
102 This optimization is used both for non-WebRender and WebRender in
103 fact.
106 Asynchronous Panning And Zooming
107 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
108 Earlier we mentioned that a Scene might contain more elements than are
109 strictly necessary for rendering what's visible (the Frame).  The
110 reason for that is Asynchronous Panning and Zooming, or APZ for short.
111 The browser will feel much more responsive if scrolling & zooming can
112 short-circuit all of these data transformations and IPC boundaries,
113 and instead directly update an offset of some layer and recomposite.
114 (Think of late-latching in a VR context)
116 This simple idea introduces a lot of complexity: how much extra do you
117 rasterize, and in which direction?  How much memory can we afford?
118 What about Javascript that responds to scroll events and perhaps does
119 something 'interesting' with the page in return?  What about nested
120 frames or nested scrollbars?  What if we scroll so much that we go
121 past the boundaries of the Scene that we know about?
123 See AsyncPanZoom.rst for all that and more.
125 A Few More Details
126 ~~~~~~~~~~~~~~~~~~
128 Here's another schematic which basically repeats the previous one, but
129 showing a little bit more detail.  Note that the direction is reversed
130 -- the data flow starts at the right.  Sorry about that :)
132 .. image:: RenderingOverviewDetail.png
133    :width: 100%
135 Some things to note:
137 - there are multiple content processes, currently 4 of them.  This is
138   for security reasons (sandboxing), stability (isolate crashes) and
139   performance (multi-core machines);
140 - ideally each "webpage" would run in its own process for security;
141   this is being developed under the term 'fission';
142 - there is only a single GPU process, if there is one at all;
143   some platforms have it as part of the Parent;
144 - not shown here is the Extension process that isolates WebExtensions;
145 - for non-WebRender, rasterization happens in the Content Process, and
146   we send entire Layers to the GPU/Compositor process (via shared
147   memory, only using actual IPC for its metadata like width & height);
148 - if the GPU process crashes (a bug or a driver issue) we can simply
149   restart it, resend the display list, and the browser itself doesn't crash;
150 - the browser UI is just another set of DOM+JS, albeit one that runs
151   with elevated privileges. That is, its JS can do things that
152   normal JS cannot.  It lives in the Parent Process, which then uses
153   IPC to get it rendered, same as regular Content. (the IPC arrow also
154   goes to WebRender Display List but is omitted to reduce clutter);
155 - UI events get routed to APZ first, to minimize latency. By running
156   inside the GPU process, we may have access to data such
157   as rasterized clipping masks that enables finer grained hit testing;
158 - the GPU process talks back to the content process; in particular,
159   when APZ scrolls out of bounds, it asks Content to enlarge/shift the
160   Scene with a new "display port";
161 - we still use the GPU when we can for compositing even in the
162   non-WebRender case;
165 WebRender In Detail
166 -------------------
168 Converting a display list into GPU commands is broken down into a
169 number of steps and intermediate data structures.
172 .. image:: RenderingOverviewTrees.png
173    :width: 75%
174    :align: center
178     *Each element in the picture tree points to exactly one node in the spatial
179     tree. Only a few of these links are shown for clarity (the dashed lines).*
181 The Picture Tree
182 ~~~~~~~~~~~~~~~~
184 The incoming display list uses "stacking contexts".  For example, to
185 render some text with a drop shadow, a display list will contain three
186 items:
188 - "enable shadow" with some parameters such as shadow color, blur size, and offset;
189 - the text item;
190 - "pop all shadows" to deactivate shadows;
192 WebRender will break this down into two distinct elements, or
193 "pictures".  The first represents the shadow, so it contains a copy of the
194 text item, but modified to use the shadow's color, and to shift the
195 text by the shadow's offset.  The second picture contains the original text
196 to draw on top of the shadow.
198 The fact that the first picture, the shadow, needs to be blurred, is a
199 "compositing" property of the picture which we'll deal with later.
201 Thus, the stack-based display list gets converted into a list of pictures
202 -- or more generally, a hierarchy of pictures, since items are nested
203 as per the original HTML.
205 Example visual elements are a TextRun, a LineDecoration, or an Image
206 (like a .png file).
208 Compared to 3D rendering, the picture tree is similar to a scenegraph: it's a
209 parent/child hierarchy of all the drawable elements that make up the "scene", in
210 this case the webpage.  One important difference is that the transformations are
211 stored in a separate tree, the spatial tree.
213 The Spatial Tree
214 ~~~~~~~~~~~~~~~~
216 The nodes in the spatial tree represent coordinate transforms.  Every time the
217 DOM hierarchy needs child elements to be transformed relative to their parent,
218 we add a new Spatial Node to the tree. All those child elements will then point
219 to this node as their "local space" reference (aka coordinate frame).  In
220 traditional 3D terms, it's a scenegraph but only containing transform nodes.
222 The nodes are called frames, as in "coordinate frame":
224 - a Reference Frame corresponds to a ``<div>``;
225 - a Scrolling Frame corresponds to a scrollable part of the page;
226 - a Sticky Frame corresponds to some fixed position CSS style.
228 Each element in the picture tree then points to a spatial node inside this tree,
229 so by walking up and down the tree we can find the absolute position of where
230 each element should render (traversing down) and how large each element needs to
231 be (traversing up).  Originally the transform information was part of the
232 picture tree, as in a traditional scenegraph, but visual elements and their
233 transforms were split apart for technical reasons.
235 Some of these nodes are dynamic.  A scroll-frame can obviously scroll, but a
236 Reference Frame might also use a property binding to enable a live link with
237 JavaScript, for dynamic updates of (currently) the transform and opacity.
239 Axis-aligned transformations (scales and translations) are considered "simple",
240 and are conceptually combined into a single "CoordinateSystem".  When we
241 encounter a non-axis-aligned transform, we start a new CoordinateSystem.  We
242 start in CoordinateSystem 0 at the root, and would bump this to CoordinateSystem
243 1 when we encounter a Reference Frame with a rotation or 3D transform, for
244 example.  This would then be the CoordinateSystem index for all its children,
245 until we run into another (nested) non-simple transform, and so on.  Roughly
246 speaking, as long as we're in the same CoordinateSystem, the transform stack is
247 simple enough that we have a reasonable chance of being able to flatten it. That
248 lets us directly rasterize text at its final scale for example, optimizing
249 away some of the intermediate pictures (offscreen textures).
251 The layout code positions elements relative to their parent.  Thus to position
252 the element on the actual page, we need to walk the Spatial Tree all the way to
253 the root and apply each transform; the result is a ``LayoutToWorldTransform``.
255 One final step transforms from World to Device coordinates, which deals with
256 DPI scaling and such.
258 .. csv-table::
259     :header: "WebRender term", "Rough analogy"
261       Spatial Tree, Scenegraph -- transforms only
262       Picture Tree, Scenegraph -- drawables only (grouping)
263       Spatial Tree Rootnode, World Space
264       Layout space, Local/Object Space
265       Picture, RenderTarget (sort of; see RenderTask below)
266       Layout-To-World transform, Local-To-World transform
267       World-To-Device transform, World-To-Clipspace transform
270 The Clip Tree
271 ~~~~~~~~~~~~~
273 Finally, we also have a Clip Tree, which contains Clip Shapes. For
274 example, a rounded corner div will produce a clip shape, and since
275 divs can be nested, you end up with another tree.  By pointing at a Clip Shape,
276 visual elements will be clipped against this shape plus all parent shapes above it
277 in the Clip Tree.
279 As with CoordinateSystems, a chain of simple 2D clip shapes can be collapsed
280 into something that can be handled in the vertex shader, at very little extra
281 cost.  More complex clips must be rasterized into a mask first, which we then
282 sample from to ``discard`` in the pixel shader as needed.
284 In summary, at the end of scene building the display list turned into
285 a picture tree, plus a spatial tree that tells us what goes where
286 relative to what, plus a clip tree.
288 RenderTask Tree
289 ~~~~~~~~~~~~~~~
291 Now in a perfect world we could simply traverse the picture tree and start
292 drawing things: one drawcall per picture to render its contents, plus one
293 drawcall to draw the picture into its parent.  However, recall that the first
294 picture in our example is a "text shadow" that needs to be blurred.  We can't
295 just rasterize blurry text directly, so we need a number of steps or "render
296 passes" to get the intended effect:
298 .. image:: RenderingOverviewBlurTask.png
299    :align: right
300    :height: 400px
302 - rasterize the text into an offscreen rendertarget;
303 - apply one or more downscaling passes until the blur radius is reasonable;
304 - apply a horizontal Gaussian blur;
305 - apply a vertical Gaussian blur;
306 - use the result as an input for whatever comes next, or blit it to
307   its final position on the page (or more generally, on the containing
308   parent surface/picture).
310 In the general case, which passes we need and how many of them depends
311 on how the picture is supposed to be composited (CSS filters, SVG
312 filters, effects) and its parameters (very large vs. small blur
313 radius, say).
315 Thus, we walk the picture tree and build a render task tree: each high
316 level abstraction like "blur me" gets broken down into the necessary
317 render passes to get the effect.  The result is again a tree because a
318 render pass can have multiple input dependencies (eg. blending).
320 (Cfr. games, this has echoes of the Frostbite Framegraph in that it
321 dynamically builds up a renderpass DAG and dynamically allocates storage
322 for the outputs).
324 If there are complicated clip shapes that need to be rasterized first,
325 so their output can be sampled as a texture for clip/discard
326 operations, that would also end up in this tree as a dependency... (I think?).
328 Once we have the entire tree of dependencies, we analyze it to see
329 which tasks can be combined into a single pass for efficiency.  We
330 ping-pong rendertargets when we can, but sometimes the dependencies
331 cut across more than one level of the rendertask tree, and some
332 copying is necessary.
334 Once we've figured out the passes and allocated storage for anything
335 we wish to persist in the texture cache, we finally start rendering.
337 When rasterizing the elements into the Picture's offscreen texture, we'd
338 position them by walking the transform hierarchy as far up as the picture's
339 transform node, resulting in a ``Layout To Picture`` transform.  The picture
340 would then go onto the page using a ``Picture To World`` coordinate transform.
342 Caching
343 ```````
345 Just as with layers in the software rasterizer, it is not always necessary to
346 redraw absolutely everything when parts of a document change.  The webrender
347 equivalent of layers is Slices -- a grouping of pictures that are expected to
348 render and update together.  Slices are automatically created based on
349 heuristics and layout hints/flags.
351 Implementation wise, slices reuse a lot of the existing machinery for Pictures;
352 in fact they're implemented as a "Virtual picture" of sorts.  The similarities
353 make sense: both need to allocate offscreen textures in a cache, both will
354 position and render all their children into it, and both then draw themselves
355 into their parent as part of the parent's draw.
357 If a slice isn't expected to change much, we give it a TileCacheInstance. It is
358 itself made up of Tiles, where each tile will track what's in it, what's
359 changing, and if it needs to be invalidated and redrawn or not as a result.
360 Thus the "damage" from changes can be localized to single tiles, while we
361 salvage the rest of the cache.  If tiles keep seeing a lot of invalidations,
362 they will recursively divide themselves in a quad-tree like structure to try and
363 localize the invalidations.  (And conversely, they'll recombine children if
364 nothing is invalidating them "for a while").
366 Interning
367 `````````
369 To spot invalidated tiles, we need a fast way to compare its contents from the
370 previous frame with the current frame.  To speed this up, we use interning;
371 similar to string-interning, this means that each ``TextRun``, ``Decoration``,
372 ``Image`` and so on is registered in a repository (a ``DataStore``) and
373 consequently referred to by its unique ID. Cache contents can then be encoded as a
374 list of IDs (one such list per internable element type).  Diffing is then just a
375 fast list comparison.
378 Callbacks
379 `````````
380 GPU text rendering assumes that the individual font-glyphs are already
381 available in a texture atlas.  Likewise SVG is not being rendered on
382 the GPU.  Both inputs are prepared during scene building; glyph
383 rasterization via a thread pool from within Rust itself, and SVG via
384 opaque callbacks (back to C++) that produce blobs.