trackteroid

Trackteroid

---

用於ftrack查詢的聲明性，面向對象的包裝器。強大的功能風格的相互作用與產生的集合。

Trackteroid取決於Ftrack及其Python API，專門為媒體和娛樂行業設計的項目管理和生產跟踪軟件。它通常用於電影，電視，動畫，視覺效果和遊戲領域。

安裝

使用PIP安裝和更新：

pip install trackteroid

動機

我們已決定圍繞Ftrack Python API構建包裝API，以應對直接與Python API交互時出現的幾個局限性和挑戰。雖然Ftrack Python API具有很大的靈活性，但某些方面可以使開發和維護更加笨拙，直觀。通過創建包裝API，我們旨在克服這些挑戰，並提供更簡化和更加友好的經驗。這是此決定的關鍵原因：

• 簡化查詢

  • Ftrack Python API的主要挑戰之一是要求使用自定義查詢語言將查詢作為SQL樣字符串編寫。這種方法通常會導致複雜的字符串格式，並且很難讀取，理解和調試。該項目旨在簡化查詢邏輯，並提供更具表現力和直觀的查詢接口。這使開發人員可以使用更自然和可讀的語法構建查詢，從而提高了生產率和降低的錯誤。

• 優化查詢性能

  • 與Ftrack Python API合作時，開發人員需要確保他們編寫有效的查詢，以最大程度地減少不必要的數據庫調用並優化性能。這需要仔細考慮數據檢索邏輯，並了解不同查詢構造的性能含義。相比之下，我們的API通過嘗試優化自動性能的查詢來增加額外的英里。通過利用各種優化技術，我們旨在減少數據庫查詢的數量，優化數據檢索並改善整體系統性能。這減輕了開發人員的負擔，以手動優化其查詢，從而使他們更多地專注於建築物和功能。

• 抽像數據庫架構複雜性

  • 使用Ftrack Python API構建查詢需要對基礎數據庫架構和關係有很好的了解。對於不熟悉FTRACK數據模型的複雜性的開發人員來說，這可能是一個障礙。我們旨在抽像數據庫架構的複雜性，並提供更高級別的接口，使開發人員免受細節的影響。這簡化了開發過程，並使開發人員可以專注於他們想要構建的功能，而不是迷失在數據庫結構的複雜性中。

• 增強結果收藏

  • 執行查詢後，Ftrack Python API返回的收集可能並不總是足夠方便的，無法直接與之互動。他們可能缺乏某些可以使數據操縱和處理更有效的方法或屬性。我們可以通過針對應用程序的特定需求量身定制的其他功能和實用方法來豐富所得的收集。通過提供更方便，直觀的方式來使用檢索到的數據，最終提高了生產率和代碼可維護性，從而改善了開發人員的體驗。

• 改進的現場可訪問性

  • Ftrack Python API並不總是直接呈現實體上的可用字段，要求開發人員參考文檔或檢查模式以確定可用屬性。我們確實採取步驟在某種程度上提高現場可訪問性。我們旨在為開發人員直接通過API暴露於實體領域，為開發人員訪問實體字段提供一種更直觀和可發現的方式。這是通過消除不斷參考文檔或基礎模式檢查的需求來節省開發人員的時間和精力。它通過使實體字段在開發工作流程中更容易訪問和發現來提高生產率和代碼可維護性。

總而言之，Trackeroid試圖通過提供一種更直觀，更有效的方式來與FTRACK平台進行交互，最終加速開發，提高代碼質量並增強整體用戶體驗，以增強開發人員的能力。

比較

帶有曲目...

 # 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
    )
)

...與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

有關使用詳細信息，請參見最新文檔。