trackteroid

Trackteroid

---

Pembungkus deklaratif, berorientasi objek untuk kueri ftrack. Interaksi gaya fungsional yang kuat dengan koleksi yang dihasilkan.

Trackteroid tergantung pada FTRACK dan Python API -nya, A Management dan Perangkat Lunak Pelacakan Produksi yang dirancang khusus untuk industri media dan hiburan. Ini umumnya digunakan di bidang film, televisi, animasi, efek visual, dan game.

Instalasi

Instal dan Perbarui Menggunakan PIP:

pip install trackteroid

Motivasi

Kami telah memutuskan untuk membangun API pembungkus di sekitar API Python FTRACK untuk mengatasi beberapa batasan dan tantangan yang muncul ketika berinteraksi secara langsung dengan API Python. Sementara FTRACK Python API menawarkan banyak fleksibilitas, ada aspek -aspek tertentu yang dapat membuat pengembangan dan pemeliharaan lebih rumit dan kurang intuitif. Dengan membuat API pembungkus, kami bertujuan untuk mengatasi tantangan ini dan memberikan pengalaman yang lebih ramping dan ramah pengembang. Berikut adalah alasan utama keputusan ini:

• Menyederhanakan kueri

  • Salah satu tantangan utama dengan FTRACK Python API adalah persyaratan untuk menulis kueri sebagai string seperti SQL menggunakan bahasa kueri khusus. Pendekatan ini sering mengarah pada pemformatan string yang kompleks dan bisa sulit dibaca, dipahami, dan debug. Proyek ini bertujuan untuk menyederhanakan logika kueri dan menyediakan antarmuka permintaan yang lebih ekspresif dan intuitif. Ini memungkinkan pengembang untuk membangun kueri menggunakan sintaks yang lebih alami dan dapat dibaca, menghasilkan peningkatan produktivitas dan mengurangi kesalahan.

• Mengoptimalkan kinerja kueri

  • Saat bekerja dengan FTRACK Python API, pengembang perlu memastikan mereka menulis kueri yang efisien untuk meminimalkan panggilan database yang tidak perlu dan mengoptimalkan kinerja. Ini membutuhkan pertimbangan yang cermat dari logika pengambilan data dan memahami implikasi kinerja dari berbagai konstruksi kueri. Sebaliknya, API kami bekerja lebih keras dengan mencoba mengoptimalkan pertanyaan untuk kinerja secara otomatis. Dengan memanfaatkan berbagai teknik optimasi, kami bertujuan untuk mengurangi jumlah kueri basis data, mengoptimalkan pengambilan data, dan meningkatkan kinerja sistem secara keseluruhan. Ini mengurangi beban pada pengembang untuk mengoptimalkan pertanyaan mereka secara manual, memungkinkan mereka untuk lebih fokus pada pembangunan fitur dan fungsionalitas.

• Abstrak Kompleksitas Skema Database

  • Membangun pertanyaan dengan FTRACK Python API membutuhkan pemahaman yang baik tentang skema dan hubungan database yang mendasarinya. Ini bisa menjadi penghalang bagi pengembang yang tidak terbiasa dengan seluk -beluk model data FTRACK. Kami bertujuan untuk mengabstraksi kompleksitas skema basis data dan menyediakan antarmuka tingkat lebih tinggi yang melindungi pengembang dari detail. Ini menyederhanakan proses pengembangan dan memungkinkan pengembang untuk fokus pada fungsionalitas yang ingin mereka bangun, daripada tersesat dalam seluk -beluk struktur basis data.

• Meningkatkan koleksi yang dihasilkan

  • Koleksi yang dikembalikan oleh FTRACK Python API setelah menjalankan pertanyaan mungkin tidak selalu cukup nyaman untuk berinteraksi secara langsung. Mereka mungkin kekurangan metode atau sifat tertentu yang akan membuat manipulasi data dan pemrosesan lebih efisien. Kami dapat memperkaya koleksi yang dihasilkan dengan fungsi tambahan dan metode utilitas yang disesuaikan dengan kebutuhan spesifik aplikasi kami. Ini meningkatkan pengalaman pengembang dengan memberikan cara yang lebih nyaman dan intuitif untuk bekerja dengan data yang diambil, pada akhirnya meningkatkan produktivitas dan pemeliharaan kode.

• Aksesibilitas lapangan yang ditingkatkan

  • FTRACK Python API tidak selalu menyajikan bidang yang tersedia pada entitas secara langsung, mengharuskan pengembang untuk merujuk pada dokumentasi atau memeriksa skema untuk menentukan properti yang tersedia. Kami mengambil langkah -langkah untuk meningkatkan aksesibilitas lapangan sampai batas tertentu. Kami bertujuan untuk memberikan cara yang lebih intuitif dan dapat ditemukan bagi pengembang untuk mengakses bidang entitas dengan mengeksposnya langsung melalui API. Ini menghemat waktu dan upaya pengembang dengan menghilangkan kebutuhan akan referensi konstan dokumentasi atau inspeksi skema yang mendasarinya. Ini meningkatkan produktivitas dan pemeliharaan kode dengan membuat bidang entitas lebih mudah diakses dan ditemukan dalam alur kerja pengembangan.

Singkatnya Trackeroid mencoba memberdayakan pengembang dengan memberikan cara yang lebih intuitif dan efisien untuk berinteraksi dengan platform FTRACK, pada akhirnya mempercepat pengembangan, meningkatkan kualitas kode, dan meningkatkan pengalaman pengguna secara keseluruhan.

Perbandingan

Dengan trackteroid ...

 # Calculate and display the total time duration logged for 
# AssetBuild types within specified Shots and Folders.
#
# output:
# Found 9 assetbuilds.
# Found 1 assetbuilds with timelogs.
# {16.0: ['Drone Craft'],
#  'No time tracked yet.': ['Drawer Cabinet 01',
#                           'Gothic Commode 01',
#                           'Shelf 01',
#                           'Side Table 01',
#                           'Small Wooden Table 01',
#                           'Vintage Wooden Drawer 01',
#                           'Wooden Table 01',
#                           'Wooden Table 02']}
  
from pprint import pprint

from trackteroid import (
    Query ,
    AssetBuild ,
    Folder ,
    Task ,
    Project
)

assetbuild_collection = Query ( AssetBuild ).
    by_name ( Project , "sync" , "showroom" ).
    by_name ( Folder , "Asset%" , "Delivery 3" ).
    get_all (
        projections = [
            Task . Timelog ,
            Task . Timelog . duration
        ]
    )

print (
    f"Found { len ( assetbuild_collection ) } assets. n "
    f"Found { assetbuild_collection . count ( lambda ac : ac . Task . Timelog ) } assetbuilds with timelogs."
)

pprint (
    assetbuild_collection . group_and_map (
        lambda abc : abc . Task . Timelog . fold (
            0 ,
            lambda current , tc : current + tc . duration [ 0 ] / 3600
        ) or "No time tracked yet." ,
        lambda abc : abc . sort (
            lambda abc : abc . name
        ). name
    )
)

... Berbeda dengan FTRACK Python API .

 # Calculate and display the total time duration logged for 
# AssetBuild types within specified Shots and Folders.
#
# output:
# Found 9 assetbuilds.
# Found 1 assetbuilds with timelogs.
# {16.0: ['Drone Craft'],
#  'No time tracked yet.': ['Drawer Cabinet 01',
#                           'Gothic Commode 01',
#                           'Shelf 01',
#                           'Side Table 01',
#                           'Small Wooden Table 01',
#                           'Vintage Wooden Drawer 01',
#                           'Wooden Table 01',
#                           'Wooden Table 02']}

from pprint import pprint

import ftrack_api

session = ftrack_api . Session ( auto_connect_event_hub = False , auto_populate = False )
project_names = ( "sync" , "showroom" )
folder_specific = "Delivery 3"
folder_unspecific = "Asset%"

query = (
    f"select id, name, assets.name, parent.name, project.name, "
    f"assets.versions.task.timelogs, assets.versions.task.timelogs.duration "
    f"from AssetBuild where project has (name in { project_names } ) "
    f"and parent[Folder] has (name is ' { folder_specific } ' or name like ' { folder_unspecific } ')"
)

assetbuilds_no_duration = [ "No time tracked yet." , []]
assetbuilds_timelog_duration = [ 0 , []]

assetbuilds = session . query ( query ). all ()

for assetbuild in assetbuilds :
    has_duration = False
    for asset in assetbuild [ "assets" ]:
        for version in asset [ "versions" ]:
            durations = [ _ [ "duration" ] for _ in version [ "task" ][ "timelogs" ]]
            if any ( durations ):
                for duration in durations :
                    assetbuilds_timelog_duration [ 0 ] += duration / 3600
                if not has_duration :
                    has_duration = True

    if has_duration :
        assetbuilds_timelog_duration [ 1 ]. append ( assetbuild [ "name" ])
    else :
        assetbuilds_no_duration [ 1 ]. append ( assetbuild [ "name" ])

print (
    f"Found { len ( assetbuilds ) } assetbuilds. n "
    f"Found { len ( assetbuilds_timelog_duration [ 1 ]) } assetbuilds with timelogs."
)

assetbuilds_no_duration [ 1 ]. sort ()
assetbuilds_timelog_duration [ 1 ]. sort ()

pprint (
    dict (
        [ assetbuilds_no_duration , assetbuilds_timelog_duration ]
    )
)

Penggunaan

Lihat dokumentasi terbaru untuk detail penggunaan.