trackteroid

트레일 테로이드

---

ftrack 쿼리를위한 선언적이고 객체 지향 래퍼. 결과 컬렉션과의 강력한 기능 스타일 상호 작용.

Trackteroid는 미디어 및 엔터테인먼트 산업을 위해 특별히 설계된 프로젝트 관리 및 생산 추적 소프트웨어 인 Ftrack 및 Python API에 의존합니다. 일반적으로 영화, 텔레비전, 애니메이션, 시각 효과 및 게임 분야에서 일반적으로 사용됩니다.

설치

PIP를 사용하여 설치 및 업데이트 :

pip install trackteroid

동기 부여

Python API와 직접 상호 작용할 때 발생하는 몇 가지 제한 사항과 과제를 해결하기 위해 Ftrack Python API 주위에 포장 API를 구축하기로 결정했습니다. Ftrack Python API는 많은 유연성을 제공하지만 개발 및 유지 보수를보다 번거롭고 직관적이지 않은 특정 측면이 있습니다. 우리는 포장 API를 만들어 이러한 과제를 극복하고보다 간소화되고 개발자 친화적 인 경험을 제공하는 것을 목표로합니다. 이 결정의 주요 이유는 다음과 같습니다.

• 단순화 쿼리

  • Ftrack Python API의 주요 과제 중 하나는 사용자 정의 쿼리 언어를 사용하여 쿼리를 SQL 유사 문자열로 작성해야합니다. 이 접근법은 종종 복잡한 문자열 서식으로 이어지고 읽고 이해하고 디버그하기가 어려울 수 있습니다. 이 프로젝트는 쿼리 로직을 단순화하는 것을 목표로하며보다 표현적이고 직관적 인 쿼리 인터페이스를 제공합니다. 이를 통해 개발자는보다 자연스럽고 읽기 쉬운 구문을 사용하여 쿼리를 구성하여 생산성이 향상되고 오류가 줄어 듭니다.

• 쿼리 성능을 최적화합니다

  • Ftrack Python API와 함께 작업 할 때 개발자는 효율적인 쿼리를 작성하여 불필요한 데이터베이스 호출을 최소화하고 성능을 최적화해야합니다. 이를 위해서는 데이터 검색 로직을 신중하게 고려하고 다양한 쿼리 구성의 성능 영향을 이해해야합니다. 대조적으로, API는 성능 쿼리를 자동으로 최적화하여 추가 마일을 사용합니다. 다양한 최적화 기술을 활용하여 데이터베이스 쿼리 수를 줄이고 데이터 검색을 최적화하며 전반적인 시스템 성능을 향상시키는 것을 목표로합니다. 이로 인해 개발자의 부담이 완화되어 쿼리를 수동으로 최적화하여 기능과 기능을 구축하는 데 더 집중할 수 있습니다.

• 데이터베이스 스키마 복잡성 추상화

  • Ftrack Python API를 사용하여 쿼리를 구성하려면 기본 데이터베이스 스키마 및 관계를 잘 이해해야합니다. 이는 Ftrack 데이터 모델의 복잡성에 익숙하지 않은 개발자에게는 장벽이 될 수 있습니다. 우리는 데이터베이스 스키마의 복잡성을 추상화하고 개발자를 세부 사항에서 보호하는 더 높은 수준의 인터페이스를 제공하는 것을 목표로합니다. 이를 통해 개발 프로세스를 단순화하고 개발자가 데이터베이스 구조의 복잡성에서 길을 잃지 않고 구축하려는 기능에 집중할 수 있습니다.

• 결과 컬렉션 향상

  • 쿼리를 실행 한 후 Ftrack Python API가 반환 한 컬렉션이 직접 상호 작용할 수있을 정도로 편리하지는 않습니다. 데이터 조작 및 처리를보다 효율적으로 만드는 특정 방법이나 속성이 부족할 수 있습니다. 우리는 응용 프로그램의 특정 요구에 맞는 추가 기능 및 유틸리티 방법으로 결과 컬렉션을 풍부하게 할 수 있습니다. 이를 통해 검색된 데이터로 작업하는보다 편리하고 직관적 인 방법을 제공하여 궁극적으로 생산성 및 코드 유지 관리 가능성을 향상시켜 개발자 경험을 향상시킵니다.

• 현장 접근성 향상

  • Ftrack Python API가 항상 사용 가능한 필드를 엔티티에 직접 제시하지는 않으므로 개발자는 문서를 참조하거나 스키마를 검사하여 사용 가능한 속성을 결정해야합니다. 우리는 어느 정도 현장 접근성을 향상시키기위한 조치를 취합니다. 우리는 개발자가 API를 통해 직접 노출하여 엔터티 필드에 액세스 할 수있는보다 직관적이고 발견 가능한 방법을 제공하는 것을 목표로합니다. 이를 통해 문서를 지속적으로 참조하거나 기본 스키마 검사를 할 필요가 없음을 제거하여 개발자의 시간과 노력을 절약 할 수 있습니다. 개발 워크 플로에서 엔터티 필드에보다 액세스 가능하고 발견 할 수 있도록 생산성과 코드 유지 가능성을 향상시킵니다.

요약에서 Trackeroid는 Ftrack 플랫폼과 상호 작용하는보다 직관적이고 효율적인 방법을 제공하고 궁극적으로 개발을 가속화하고 코드 품질을 개선하며 전반적인 사용자 경험을 향상시켜 개발자에게 권한을 부여하려고합니다.

비교

트레일 테로이드 와 ...

 # 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
    )
)

... Ftrack Python API 와 대조적으로.

 # 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 ]
    )
)

용법

사용법 세부 정보는 최신 문서를 참조하십시오.