trackteroid

Trackteroid

---

用于ftrack查询的声明性，面向对象的包装器。强大的功能风格的相互作用与产生的集合。

Trackteroid取决于Ftrack及其Python API，专门为媒体和娱乐行业设计的项目管理和生产跟踪软件。它通常用于电影，电视，动画，视觉效果和游戏领域。

安装

使用PIP安装和更新：

pip install trackteroid

动机

我们已决定围绕Ftrack Python API构建包装API，以应对直接与Python API交互时出现的几个局限性和挑战。虽然Ftrack Python API具有很大的灵活性，但某些方面可以使开发和维护更加笨拙，直观。通过创建包装API，我们旨在克服这些挑战，并提供更简化和更加友好的经验。这是此决定的关键原因：

• 简化查询

  • Ftrack Python API的主要挑战之一是要求使用自定义查询语言将查询作为SQL样字符串编写。这种方法通常会导致复杂的字符串格式，并且很难读取，理解和调试。该项目旨在简化查询逻辑，并提供更具表现力和直观的查询接口。这使开发人员可以使用更自然和可读的语法构建查询，从而提高了生产率和降低的错误。

• 优化查询性能

  • 与Ftrack Python API合作时，开发人员需要确保他们编写有效的查询，以最大程度地减少不必要的数据库调用并优化性能。这需要仔细考虑数据检索逻辑，并了解不同查询构造的性能含义。相比之下，我们的API通过尝试优化自动性能的查询来增加额外的英里。通过利用各种优化技术，我们旨在减少数据库查询的数量，优化数据检索并改善整体系统性能。这减轻了开发人员的负担，以手动优化其查询，从而使他们更多地专注于建筑物和功能。

• 抽象数据库架构复杂性

  • 使用Ftrack Python API构建查询需要对基础数据库架构和关系有很好的了解。对于不熟悉FTRACK数据模型的复杂性的开发人员来说，这可能是一个障碍。我们旨在抽象数据库架构的复杂性，并提供更高级别的接口，使开发人员免受细节的影响。这简化了开发过程，并使开发人员可以专注于他们想要构建的功能，而不是迷失在数据库结构的复杂性中。

• 增强结果收藏

  • 执行查询后，Ftrack Python API返回的收集可能并不总是足够方便的，无法直接与之互动。他们可能缺乏某些可以使数据操纵和处理更有效的方法或属性。我们可以通过针对应用程序的特定需求量身定制的其他功能和实用方法来丰富所得的收集。通过提供更方便，直观的方式来使用检索到的数据，最终提高了生产率和代码可维护性，从而改善了开发人员的体验。

• 改进的现场可访问性

  • Ftrack Python API并不总是直接呈现实体上的可用字段，要求开发人员参考文档或检查模式以确定可用属性。我们确实采取步骤在某种程度上提高现场可访问性。我们旨在为开发人员直接通过API暴露于实体领域，为开发人员访问实体字段提供一种更直观和可发现的方式。这是通过消除不断参考文档或基础模式检查的需求来节省开发人员的时间和精力。它通过使实体字段在开发工作流程中更容易访问和发现来提高生产率和代码可维护性。

总而言之，Trackeroid试图通过提供一种更直观，更有效的方式来与FTRACK平台进行交互，最终加速开发，提高代码质量并增强整体用户体验，以增强开发人员的能力。

比较

带有曲目...

 # 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
    )
)

...与Ftrack Python API相反。

 # 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 ]
    )
)

用法

有关使用详细信息，请参见最新文档。