GRPC-Feder

Dieses Dokument bietet einen Überblick über zwei unterschiedliche Projekte: gRPC/Spring, ein Spring Boot-Starter für gRPC, und Mitsuba 3, ein forschungsorientiertes Rendering-System. Im Abschnitt zu gRPC/Spring werden die Funktionen, Gebrauchsanweisungen und Kompatibilitätsinformationen detailliert beschrieben. Der Abschnitt „Mitsuba 3“ behandelt Installation, Verwendung, Funktionen und Mitwirkende. Beide Abschnitte enthalten Codebeispiele und Links zu weiterer Dokumentation.

Umfrage – gRPC/Spring

Liebe gRPC/Spring-Benutzer, um die Benutzererfahrung von zu verbessern

grpc-ecosystem/grpc-spring, wir haben diese Umfrage als Mittel entwickelt

Aufbau einer direkten Kommunikationslinie. Ihr Feedback wird sehr geschätzt.

gRPC Spring Boot Starter

README: Englisch | 中文

Dokumentation: Englisch | 中文

Merkmale

Konfiguriert und führt den gRPC-Server automatisch mit Ihren @GrpcService-Implementierungen aus

Erstellt und verwaltet Ihre GRPC-Kanäle und Stubs automatisch mit @GrpcClient

Unterstützt andere grpc-Java-Varianten (z. B

Reaktives gRPC (RxJava),

grpc-kotlin, ...)

Unterstützt Spring-Security

Unterstützt Spring Cloud

Unterstützt Spring Sleuth als verteilte Tracing-Lösung

(Wenn brave-instrumentation-grpc vorhanden ist)

Unterstützt globale und benutzerdefinierte gRPC-Server/Client-Interceptors

Automatische metrische Unterstützung (Mikrometer-/Aktuator-basiert)

Funktioniert auch mit (nicht schattiertem) grpc-netty

Versionen

Die neueste Version ist 3.1.0.RELEASE. Sie wurde mit Spring-Boot 3.2.4 und Spring-Cloud 2023.0.0 kompiliert

Es ist aber auch mit einer Vielzahl anderer Versionen kompatibel.

Eine Übersicht aller Versionen und ihrer jeweiligen Bibliotheksversionen finden Sie in unserer Dokumentation.

Hinweis: Dieses Projekt kann auch ohne Spring-Boot verwendet werden, hierfür ist jedoch eine manuelle Bean-Konfiguration erforderlich.

Verwendung

gRPC-Server + Client

Um eine Abhängigkeit mit Maven hinzuzufügen, verwenden Sie Folgendes:

So fügen Sie eine Abhängigkeit mit Gradle hinzu:

gRPC-Server

Um eine Abhängigkeit mit Maven hinzuzufügen, verwenden Sie Folgendes:

So fügen Sie eine Abhängigkeit mit Gradle hinzu:

Kommentieren Sie Ihre Serverschnittstellenimplementierung(en) mit @GrpcService

Standardmäßig überwacht der GRPC-Server Port 9090. Diese und andere

Einstellungen

kann über den Eigenschaftsmechanismus von Spring geändert werden. Der Server verwendet den grpc.server. Präfix.

Weitere Einzelheiten finden Sie in unserer Dokumentation.

gRPC-Client

Um eine Abhängigkeit mit Maven hinzuzufügen, verwenden Sie Folgendes:

So fügen Sie eine Abhängigkeit mit Gradle hinzu:

Kommentieren Sie ein Feld Ihres grpc-Client-Stubs mit @GrpcClient(serverName)

Nicht in Verbindung mit @Autowired oder @Inject verwenden

Hinweis: Sie können denselben GRPC-Servernamen für mehrere Kanäle und auch verschiedene Stubs (auch mit unterschiedlichen) verwenden

Abfangjäger).

Dann können Sie Anfragen wie folgt an Ihren Server senden:

Es besteht die Möglichkeit, die Zieladresse für jeden Client individuell zu konfigurieren.

In manchen Fällen können Sie sich jedoch einfach auf die Standardkonfiguration verlassen.

Sie können die Standard-URL-Zuordnung über NameResolver.Factory-Beans anpassen. Wenn Sie diese Bean nicht konfigurieren,

Dann wird die Standard-URI mithilfe des Standardschemas und des Namens (z. B. dns:/) erraten.

):

Diese und andere

Einstellungen

kann über den Eigenschaftsmechanismus von Spring geändert werden. Die Clients verwenden grpc.client.(serverName). Präfix.

Weitere Einzelheiten finden Sie in unserer Dokumentation.

Läuft mit (nicht schattiertem) grpc-netty

Diese Bibliothek unterstützt sowohl grpc-netty als auch grpc-netty-shaded.

Letzteres könnte Konflikte mit inkompatiblen GRPC-Versionen oder Konflikte zwischen Bibliotheken verhindern, die unterschiedliche Versionen von Netty erfordern.

Hinweis: Wenn das schattierte Netty im Klassenpfad vorhanden ist, bevorzugt diese Bibliothek es immer gegenüber dem nicht schattierten grpc-netty.

Sie können es mit Maven wie folgt verwenden:

und so bei der Verwendung von Gradle:

Beispielprojekte

Lesen Sie hier mehr über unsere Beispielprojekte.

Fehlerbehebung

Weitere Informationen finden Sie in unserer Dokumentation.

Mitwirken

Beiträge sind immer willkommen! Detaillierte Richtlinien finden Sie unter CONTRIBUTING.md.

Beispiel:

Mitsuba Renderer 3

Dokumentation

Tutorial-Videos

Linux

MacOS

Windows

PyPI

Warnung

Derzeit gibt es hier eine große Menge undokumentierter und instabiler Arbeiten

der Hauptzweig. Wir empfehlen Ihnen dringend, unsere zu verwenden

neueste Version

bis auf Weiteres.

Wenn Sie die bevorstehenden Änderungen bereits ausprobieren möchten, schauen Sie sich bitte um

dieser Portierungsanleitung.

Es sollte die meisten kommenden neuen Funktionen und Breaking Changes abdecken.

Einführung

Mitsuba 3 ist ein forschungsorientiertes Rendering-System für Vorwärts- und Rückwärtslicht

Transportsimulation, entwickelt an der EPFL in der Schweiz.

Es besteht aus einer Kernbibliothek und einer Reihe von Plugins, die Funktionen implementieren

von Materialien und Lichtquellen bis hin zu kompletten Rendering-Algorithmen.

Mitsuba 3 ist retargetierbar: Das bedeutet, dass die zugrunde liegenden Implementierungen und

Datenstrukturen können sich verändern, um verschiedene Aufgaben zu erfüllen. Für

Beispielsweise kann derselbe Code beide skalaren (klassischen, jeweils einen Strahl gleichzeitig ausführenden) RGB-Transporte simulieren

oder differenzieller spektraler Transport auf der GPU. Darauf baut alles auf

Dr.Jit, ein spezialisierter Just-in-Time(JIT)-Compiler, der speziell für dieses Projekt entwickelt wurde.

Hauptmerkmale

Plattformübergreifend: Mitsuba 3 wurde unter Linux (x86_64) und macOS getestet

(aarch64, x8664) und Windows (x8664).

Hohe Leistung: Der zugrunde liegende Dr.Jit-Compiler verschmilzt Rendering-Code

in Kernel, die modernste Leistung erzielen

ein LLVM-Backend, das auf die CPU abzielt, und ein CUDA/OptiX-Backend

zielt auf NVIDIA-GPUs mit Raytracing-Hardwarebeschleunigung ab.

Python zuerst: Mitsuba 3 ist tief in Python integriert. Materialien,

Texturen und sogar vollständige Rendering-Algorithmen können in Python entwickelt werden,

die das System im laufenden Betrieb JIT-kompiliert (und optional differenziert).

Dies ermöglicht die Experimente, die für die Forschung in der Computergrafik erforderlich sind

andere Disziplinen.

Differenzierung: Mitsuba 3 ist ein differenzierbarer Renderer, d. h. er

kann Ableitungen der gesamten Simulation in Bezug auf die Eingabe berechnen

Parameter wie Kameraposition, Geometrie, BSDFs, Texturen und Volumina. Es

implementiert aktuelle differenzierbare Rendering-Algorithmen, die an der EPFL entwickelt wurden.

Spektral & Polarisation: Mitsuba 3 kann monochromatisch verwendet werden

Renderer, RGB-basierter Renderer oder Spektralrenderer. Jede Variante kann

Berücksichtigen Sie optional die Auswirkungen der Polarisation, falls gewünscht.

Tutorial-Videos, Dokumentation

Wir haben mehrere YouTube-Videos aufgenommen, die eine sanfte Einführung bieten

Mitsuba 3 und Dr.Jit. Darüber hinaus finden Sie komplette Juypter-Notizbücher

Es umfasst eine Vielzahl von Anwendungen, Anleitungen und Referenzdokumentationen

auf readthedocs.

Installation

Wir stellen vorkompilierte Binärräder über PyPI bereit. Mitsuba auf diese Weise zu installieren ist so einfach wie das Ausführen

pip install mitsuba

auf der Kommandozeile. Das Python-Paket enthält standardmäßig dreizehn Varianten:

scalar_rgb

Skalar_Spektral

skalarspektralpolarisiert

llvmadrgb

llvmadmono

llvmadmono_polarized

llvmadspectral

llvmadspectral_polarized

cudaadrgb

cudaadmono

cudaadmono_polarized

cudaadspectral

cudaadspectral_polarized

Die ersten beiden führen eine klassische Einzelstrahl-Simulation mit entweder einem RGB durch

oder spektrale Farbdarstellung, wobei die beiden letzteren für die Umkehrung verwendet werden können

Rendern auf der CPU oder GPU. Um auf zusätzliche Varianten zugreifen zu können, müssen Sie Folgendes tun

Kompilieren Sie eine benutzerdefinierte Version von Dr.Jit mit CMake. Bitte beachten Sie die

Dokumentation

Einzelheiten hierzu finden Sie hier.

Anforderungen

Python >= 3.8

(optional) Für Berechnung auf der GPU: Nvidia-Treiber >= 495,89

(optional) Für vektorisierte / parallele Berechnung auf der CPU: LLVM >= 11.1

Verwendung

Hier ist ein einfaches „Hello World“-Beispiel, das zeigt, wie einfach es ist, ein zu rendern

Szene mit Mitsuba 3 aus Python:

# Importieren Sie die Bibliothek mit dem Alias ​​„mi“import mitsuba as mi# Legen Sie die Variante des Renderers festmi.setvariant('scalarrgb')# Laden Sie eine Szenescene = mi.loaddict(mi.cornellbox())# Rendern Sie die Szeneimg = mi. render(scene)# Schreiben Sie das gerenderte Bild in eine EXR-Dateimi.Bitmap(img).write('cbox.exr')

Es stehen Tutorials und Beispiel-Notebooks für eine Vielzahl von Anwendungen zur Verfügung

in der Dokumentation.

Um

Dieses Projekt wurde von Wenzel Jakob erstellt.

Wesentliche Funktionen und/oder Verbesserungen am Code wurden von beigesteuert

Sébastien Speierer,

Nicolas Roussel,

Merlin Nimier-David,

Delio Vicini,

Tizian Zeltner,

Baptiste Nicolet,

Miguel Crespo,

Vincent Leroy und

Ziyi Zhang.

Wenn Sie Mitsuba 3 in akademischen Projekten verwenden, geben Sie bitte Folgendes an:

@software{Mitsuba3,title = {Mitsuba 3 renderer},author = {Wenzel Jakob und Sébastien Speierer und Nicolas Roussel und Merlin Nimier-David und Delio Vicini und Tizian Zeltner und Baptiste Nicolet und Miguel Crespo und Vincent Leroy und Ziyi Zhang},Anmerkung = {https://mitsuba-renderer.org},Version = {3.1.1},Jahr = 2022}