سيدونا

`أتش تي أم أل

تقدم هذه الوثيقة نظرة عامة على Apache Sedona وMitsuba 3، وهما مشروعان متميزان يركزان على الحوسبة المكانية والعرض على التوالي. يعد Apache Sedona محركًا قويًا للحوسبة المكانية لتحليل البيانات على نطاق واسع، في حين أن Mitsuba 3 هو نظام عرض موجه نحو الأبحاث يوفر أداءً عاليًا وقابلية للتمييز. يقدم كلا المشروعين توثيقًا شاملاً ودعمًا مجتمعيًا.

انضم إلى المجتمع

تابع Sedona على Twitter للحصول على أخبار جديدة: Sedona@Twitter

انضم إلى مجتمع Sedona Discord:

انضم إلى ساعة مكتب مجتمع Sedona الشهرية: تقويم Google، أيام الثلاثاء من الساعة 8 صباحًا حتى 9 صباحًا بتوقيت المحيط الهادئ، كل 4 أسابيع

Sedona JIRA: الأخطاء وطلبات السحب ومشكلات أخرى مماثلة

قوائم Sedona البريدية: [email protected]: تطوير المشروع أو الأسئلة العامة أو البرامج التعليمية.

ما هو أباتشي سيدونا؟

Apache Sedona™ هو محرك حوسبة مكانية يمكّن المطورين من معالجة البيانات المكانية بسهولة على أي نطاق ضمن أنظمة الحوسبة العنقودية الحديثة مثل Apache Spark وApache Flink.

يمكن لمطوري Sedona التعبير عن مهام معالجة البيانات المكانية الخاصة بهم في Spatial SQL أو Spatial Python أو Spatial R. داخليًا، توفر Sedona تحميل البيانات المكانية وفهرستها وتقسيمها ووظيفة معالجة/تحسين الاستعلام التي تمكن المستخدمين من تحليل البيانات المكانية بكفاءة على أي نطاق.

سمات

تتضمن بعض الميزات الرئيسية لـ Apache Sedona ما يلي:

هذه بعض الميزات الرئيسية لـ Apache Sedona، ولكنها قد توفر إمكانات إضافية اعتمادًا على الإصدار والتكوين المحددين.

انقر وقم بتشغيل دفتر Sedona Python Jupyter التفاعلي على الفور!

متى يستخدم سيدونا؟

حالات الاستخدام:

يعد Apache Sedona إطارًا مستخدمًا على نطاق واسع للعمل مع البيانات المكانية، وله العديد من حالات الاستخدام والتطبيقات المختلفة. تتضمن بعض حالات الاستخدام الرئيسية لـ Apache Sedona ما يلي:

مثال الكود:

يقوم هذا المثال بتحميل سجلات رحلات سيارات الأجرة في مدينة نيويورك ومعلومات منطقة سيارات الأجرة المخزنة كملفات بتنسيق CSV على AWS S3 في إطارات بيانات Sedona المكانية. ثم يقوم بإجراء استعلام SQL مكاني على مجموعات بيانات رحلة سيارة الأجرة لتصفية جميع السجلات باستثناء تلك الموجودة في منطقة مانهاتن في نيويورك. يوضح المثال أيضًا عملية ربط مكانية تطابق سجلات رحلة سيارة الأجرة إلى المناطق بناءً على ما إذا كانت رحلة سيارة الأجرة تقع ضمن النطاقات الجغرافية للمنطقة. وأخيرًا، يدمج مقتطف الكود الأخير مخرجات Sedona مع GeoPandas ويرسم التوزيع المكاني لمجموعتي البيانات.

قم بتحميل بيانات رحلات سيارات الأجرة ومناطق سيارات الأجرة في مدينة نيويورك من ملفات CSV المخزنة على AWS S3

استعلام SQL المكاني لإرجاع رحلات سيارات الأجرة في مانهاتن فقط

الانضمام المكاني بين Taxi Dataframe وZone Dataframe للعثور على سيارات الأجرة في كل منطقة

عرض خريطة لإطارات البيانات المكانية المحملة باستخدام GeoPandas

صورة عامل الميناء

نحن نقدم صورة Docker لـ Apache Sedona مع Python JupyterLab ومجموعة أحادية العقدة. الصور متاحة على DockerHub

بناء سيدونا

لتثبيت حزمة بايثون:

لتجميع كود المصدر، يرجى الرجوع إلى موقع Sedona

الوحدات في الكود المصدري

التوثيق

يرجى زيارة موقع Apache Sedona للحصول على معلومات مفصلة

مدعوم من

مثال:

ميتسوبا ريندر 3

التوثيق	أشرطة الفيديو التعليمية	لينكس	ماك	ويندوز	بايبي

️

تحذير

️

يوجد حاليًا قدر كبير من العمل غير الموثق وغير المستقر الجاري

الفرع master . نحن نوصي بشدة باستخدام موقعنا

أحدث إصدار

حتى إشعار آخر.

إذا كنت ترغب بالفعل في تجربة التغييرات القادمة، فيرجى إلقاء نظرة عليها

دليل النقل هذا.

وينبغي أن يغطي معظم الميزات الجديدة والتغييرات العاجلة القادمة.

مقدمة

Mitsuba 3 هو نظام عرض موجه نحو البحث للضوء الأمامي والعكسي

تم تطوير محاكاة النقل في EPFL في سويسرا.

وهو يتألف من مكتبة أساسية ومجموعة من المكونات الإضافية التي تنفذ الوظائف

تتراوح من المواد ومصادر الضوء إلى خوارزميات العرض الكاملة.

Mitsuba 3 قابل لإعادة الاستهداف : وهذا يعني أن التطبيقات الأساسية و

يمكن أن تتحول هياكل البيانات لإنجاز مهام مختلفة مختلفة. ل

على سبيل المثال، يمكن لنفس الكود محاكاة نقل RGB العددي (التقليدي لشعاع واحد في كل مرة)

أو النقل الطيفي التفاضلي على GPU. كل هذا مبني على

Dr.Jit، مترجم متخصص في الوقت المناسب (JIT) تم تطويره خصيصًا لهذا المشروع.

الميزات الرئيسية

• عبر الأنظمة الأساسية : تم اختبار Mitsuba 3 على Linux ( x86_64 )، وmacOS

  ( aarch64 و x8664 ) و Windows ( x8664 ).

• الأداء العالي : يقوم برنامج التحويل البرمجي Dr.Jit الأساسي بدمج كود العرض

  إلى حبات تحقق أداءً متطورًا باستخدام

  واجهة LLVM الخلفية تستهدف وحدة المعالجة المركزية وواجهة CUDA/OptiX الخلفية

  استهداف وحدات معالجة الرسومات NVIDIA مع تسريع أجهزة تتبع الأشعة.

• Python أولاً : تم دمج Mitsuba 3 بعمق مع Python. مواد،

  يمكن تطوير القوام، وحتى خوارزميات العرض الكاملة في بايثون،

  الذي يجمعه نظام JIT (ويفرقه اختياريًا) بسرعة.

  وهذا يتيح إجراء التجارب اللازمة للبحث في رسومات الحاسوب و

  التخصصات الأخرى.

• التمايز : ميتسوبا 3 هو عارض قابل للتمييز، مما يعني أنه

  يمكن حساب مشتقات المحاكاة بأكملها فيما يتعلق بالمدخلات

  المعلمات مثل وضعية الكاميرا، والهندسة، وBSDF، والأنسجة، والأحجام. هو - هي

  ينفذ خوارزميات العرض التفاضلية الحديثة التي تم تطويرها في EPFL.

• الطيفي والاستقطاب : يمكن استخدام ميتسوبا 3 كجهاز أحادي اللون

  العارض أو العارض المستند إلى RGB أو العارض الطيفي. يمكن لكل متغير

  حساب اختياريا لآثار الاستقطاب إذا رغبت في ذلك.

أشرطة الفيديو التعليمية والوثائق

لقد سجلنا العديد من مقاطع الفيديو على YouTube التي تقدم مقدمة لطيفة

ميتسوبا 3 ودكتور جيت. علاوة على ذلك، يمكنك العثور على دفاتر ملاحظات Juypter كاملة

تغطي مجموعة متنوعة من التطبيقات والأدلة الإرشادية والوثائق المرجعية

على readthedocs.

تثبيت

نحن نقدم عجلات ثنائية مجمعة مسبقًا عبر PyPI. يعد تثبيت Mitsuba بهذه الطريقة أمرًا بسيطًا مثل التشغيل

 نقطة تثبيت ميتسوبا

على سطر الأوامر. تتضمن حزمة Python ثلاثة عشر متغيرًا افتراضيًا:

• scalar_rgb

• scalar_spectral

• scalarspectralpolarized

• llvmadrgb

• llvmadmono

• llvmadmono_polarized

• llvmadspectral

• llvmadspectral_polarized

• cudaadrgb

• cudaadmono

• cudaadmono_polarized

• cudaadspectral

• cudaadspectral_polarized

يقوم الأولان بإجراء محاكاة كلاسيكية لشعاع واحد في كل مرة باستخدام إما RGB

أو تمثيل الألوان الطيفية، بينما يمكن استخدام الأخيرين للعكس

العرض على وحدة المعالجة المركزية أو وحدة معالجة الرسومات. للوصول إلى متغيرات إضافية، سوف تحتاج إلى

تجميع نسخة مخصصة من Dr.Jit باستخدام CMake. يرجى الاطلاع على

الوثائق

للحصول على تفاصيل حول هذا.

متطلبات

• Python >= 3.8

• (اختياري) للحساب على وحدة معالجة الرسومات: Nvidia driver >= 495.89

• (اختياري) للحسابات الموجهة/المتوازية على وحدة المعالجة المركزية: LLVM >= 11.1

الاستخدام

فيما يلي مثال بسيط لـ "Hello World" يوضح مدى سهولة تقديم ملف

المشهد باستخدام ميتسوبا 3 من بايثون:

 # استيراد المكتبة باستخدام الاسم المستعار "mi"import mitsuba as mi# تعيين متغير renderermi.setvariant('scalarrgb')# تحميل مشهد = mi.loaddict(mi.cornellbox())# Render the sceneimg = mi. render(scene)# اكتب الصورة المقدمة إلى ملف EXRmi.Bitmap(img).write('cbox.exr')

يمكن العثور على البرامج التعليمية ودفاتر الملاحظات النموذجية التي تغطي مجموعة متنوعة من التطبيقات

في الوثائق.

عن

تم إنشاء هذا المشروع بواسطة وينزل جاكوب.

تمت المساهمة في ميزات و/أو تحسينات مهمة على الكود بواسطة

سيباستيان سبيرر,

نيكولا روسيل،

ميرلين نمير ديفيد,

ديليو فيتشيني،

تيزيان زيلتنر،

بابتيست نيكوليه،

ميغيل كريسبو,

فنسنت ليروي، و

زيي تشانغ.

عند استخدام ميتسوبا 3 في المشاريع الأكاديمية، يرجى ذكر ما يلي:

 @software{Mitsuba3,title = {Mitsuba 3 renderer},author = {Wenzel Jakob وSébastien Speierer وNicola Roussel وMerlin Nimier-David وDelio Vicini وTizian Zeltner وBaptiste Nicolet وMiguel Crespo وVincent Leroy وZiyi Zhang}، ملاحظة = {https://mitsuba-renderer.org},الإصدار = {3.1.1}، السنة = 2022}

`