noisette

Ce document fournit des informations sur deux projets distincts : Hazelcast, une plateforme de données en temps réel, et Mitsuba 3, un système de rendu orienté recherche. Hazelcast détaille ses capacités, ses cas d'utilisation et ses directives de contribution, tandis que Mitsuba 3 se concentre sur ses fonctionnalités, ses exemples d'installation et d'utilisation. Les deux offrent une documentation complète et des ressources d’assistance aux utilisateurs.

Noisettecast

Qu'est-ce qu'Hazelcast

Les plus grandes entreprises mondiales font confiance à Hazelcast pour moderniser leurs applications et agir instantanément sur les données en mouvement afin de créer de nouvelles sources de revenus, d'atténuer les risques et de fonctionner plus efficacement. Les entreprises utilisent la plateforme de données unifiée en temps réel de Hazelcast pour traiter les données en streaming, les enrichir avec un contexte historique et prendre des mesures instantanées grâce à une automatisation standard ou basée sur le ML/IA - avant qu'elles ne soient stockées dans une base de données ou un lac de données.

Hazelcast est nommée dans le Gartner Market Guide to Event Stream Processing et leader dans le rapport GigaOm Radar pour les plateformes de streaming de données. Pour rejoindre notre communauté de CXO, d'architectes et de développeurs de marques telles que Lowe's, HSBC, JPMorgan Chase, Volvo, New York Life et autres, visitez hazelcast.com.

Quand utiliser Hazelcast

Hazelcast fournit une plate-forme capable de gérer plusieurs types de charges de travail pour

créer des applications en temps réel.

Principales fonctionnalités

Traitement des données avec état

Hazelcast dispose d'un moteur de traitement de données intégré appelé

Jet, qui peut être utilisé pour créer à la fois du streaming et du temps réel

et des pipelines de données par lots/statiques qui sont élastiques. Il a été prouvé qu'un seul nœud de Hazelcast regroupe 10 millions

événements par seconde avec

latence inférieure à 10 millisecondes. Un cluster de nœuds Hazelcast peut traiter des milliards

événements par

deuxième.

Commencer

Suivez le guide de démarrage

Guide

pour installer et commencer à utiliser Hazelcast.

Documentation

Lire la documentation pour

des détails détaillés sur la façon d’installer Hazelcast et un aperçu des fonctionnalités.

Obtenir de l'aide

Vous pouvez utiliser Slack pour obtenir de l'aide avec Hazelcast.

Comment contribuer

Merci de votre intérêt à contribuer ! Le moyen le plus simple est simplement d'envoyer un pull

demande.

Construire à partir de la source

Construire Hazelcast nécessite au minimum JDK 17. Extrayez la dernière source du

référentiel et utilisez l'installation (ou le package) Maven pour créer :

Il est recommandé d'utiliser le script wrapper Maven inclus.

Il est également possible d'utiliser la distribution Maven locale avec le même

version utilisée dans le script wrapper Maven.

De plus, il existe une construction rapide activée en configurant le système -Dquick

propriété qui ignore les tâches de validation pour des builds locaux plus rapides (par exemple, tests, checkstyle

validation, javadoc, plugins sources, etc.) et ne construit pas d'extensions ni de distribution

modules.

Essai

Tenez compte du fait que la version par défaut exécute des milliers de tests qui peuvent

prendre un temps considérable. Hazelcast dispose de 3 profils de test :

pour exécuter des tests rapides/d'intégration (ceux-ci peuvent être exécutés

en parallèle sans utiliser le réseau en utilisant le profil -P parallelTest).

pour exécuter des tests qui sont soit lents

ou ne peut pas être exécuté en parallèle.

pour exécuter tous les tests en série en utilisant

réseau.

Certains tests nécessitent l'exécution de Docker. Définissez la propriété système -Dhazelcast.disable.docker.tests pour les ignorer.

Lors du développement d'un PR, il suffit d'exécuter vos nouveaux tests et certains

sous-ensemble de tests associé au niveau local. Notre créateur de relations publiques se chargera de faire fonctionner

la suite de tests complète.

Licence

Le code source de ce référentiel est couvert par l'une des deux licences suivantes :

La licence par défaut dans tout le référentiel est Apache License 2.0, sauf si le

l'en-tête spécifie une autre licence.

Remerciements

Nous devons (les bons côtés de) l'expérience utilisateur de notre outil CLI à

picocli.

Droit d'auteur

Copyright (c) 2008-2024, Hazelcast, Inc. Tous droits réservés.

Visitez www.hazelcast.com pour plus d’informations.

exemple:

Moteur de rendu Mitsuba 3

Documentation	Vidéos tutorielles	Linux	Mac OS	Fenêtres	PyPI

️

Avertissement

️

Il existe actuellement un grand nombre de travaux non documentés et instables en cours dans

la branche master . Nous vous recommandons fortement d'utiliser notre

dernière version

jusqu'à nouvel ordre.

Si vous souhaitez déjà tester les modifications à venir, veuillez consulter

ce guide de portage.

Il devrait couvrir la plupart des nouvelles fonctionnalités et des modifications majeures à venir.

Introduction

Mitsuba 3 est un système de rendu orienté recherche pour la lumière directe et inverse

simulation de transport développée à l'EPFL en Suisse.

Il se compose d'une bibliothèque principale et d'un ensemble de plugins qui implémentent des fonctionnalités

allant des matériaux et sources de lumière aux algorithmes de rendu complets.

Mitsuba 3 est reciblable : cela signifie que les implémentations sous-jacentes et

les structures de données peuvent se transformer pour accomplir diverses tâches différentes. Pour

Par exemple, le même code peut simuler à la fois le transport RVB scalaire (classique un rayon à la fois)

ou transport spectral différentiel sur le GPU. Tout cela s'appuie sur

Dr.Jit, un compilateur spécialisé juste à temps (JIT) développé spécifiquement pour ce projet.

Principales caractéristiques

• Multiplateforme : Mitsuba 3 a été testé sur Linux ( x86_64 ), macOS

  ( aarch64 , x8664 ) et Windows ( x8664 ).

• Hautes performances : le compilateur Dr.Jit sous-jacent fusionne le code de rendu

  en noyaux qui atteignent des performances de pointe en utilisant

  un backend LLVM ciblant le CPU et un backend CUDA/OptiX

  ciblant les GPU NVIDIA avec l’accélération matérielle du lancer de rayons.

• Python d'abord : Mitsuba 3 est profondément intégré à Python. Matériels,

  des textures, et même des algorithmes de rendu complets peuvent être développés en Python,

  que le système compile JIT (et éventuellement différencie) à la volée.

  Cela permet l'expérimentation nécessaire à la recherche en infographie et

  d'autres disciplines.

• Différenciation : Mitsuba 3 est un moteur de rendu différenciable, ce qui signifie qu'il

  peut calculer les dérivées de l'ensemble de la simulation par rapport à l'entrée

  des paramètres tels que la pose de la caméra, la géométrie, les BSDF, les textures et les volumes. Il

  implémente des algorithmes de rendu différenciables récents développés à l'EPFL.

• Spectral & Polarisation : Mitsuba 3 peut être utilisé comme monochromatique

  rendu, un rendu basé sur RVB ou un rendu spectral. Chaque variante peut

  éventuellement tenir compte des effets de polarisation si vous le souhaitez.

Vidéos tutorielles, documentation

Nous avons enregistré plusieurs vidéos YouTube qui fournissent une introduction douce

Mitsuba 3 et Dr Jit. Au-delà de cela, vous pouvez trouver des cahiers Juypter complets

couvrant une variété d'applications, de guides pratiques et de documentation de référence

sur readthedocs.

Installation

Nous fournissons des roues binaires précompilées via PyPI. Installer Mitsuba de cette façon est aussi simple que d'exécuter

 pip installer mitsuba

sur la ligne de commande. Le package Python comprend treize variantes par défaut :

• scalar_rgb

• scalar_spectral

• scalarspectralpolarized

• llvmadrgb

• llvmadmono

• llvmadmono_polarized

• llvmadspectral

• llvmadspectral_polarized

• cudaadrgb

• cudaadmono

• cudaadmono_polarized

• cudaadspectral

• cudaadspectral_polarized

Les deux premiers effectuent une simulation classique d'un rayon à la fois en utilisant soit un RVB

ou représentation spectrale des couleurs, tandis que les deux derniers peuvent être utilisés pour l'inverse

rendu sur le CPU ou le GPU. Pour accéder à des variantes supplémentaires, vous devrez

compilez une version personnalisée de Dr.Jit à l'aide de CMake. Veuillez consulter le

documentation

pour plus de détails à ce sujet.

Exigences

• Python >= 3.8

• (facultatif) Pour le calcul sur le GPU : Nvidia driver >= 495.89

• (facultatif) Pour le calcul vectorisé/parallèle sur le CPU : LLVM >= 11.1

Usage

Voici un exemple simple de « Hello World » qui montre à quel point il est simple de restituer un

scène utilisant Mitsuba 3 de Python :

 # Importez la bibliothèque en utilisant l'alias "mi" import mitsuba as mi# Définir la variante du renderermi.setvariant('scalarrgb')# Charger une scènecene = mi.loaddict(mi.cornellbox())# Rendre la scèneimg = mi. render(scene)# Écrit l'image rendue dans un fichier EXR mi.Bitmap(img).write('cbox.exr')

Des didacticiels et des exemples de cahiers couvrant une variété d'applications peuvent être trouvés

dans la documentation.

À propos

Ce projet a été créé par Wenzel Jakob.

Des fonctionnalités et/ou améliorations importantes du code ont été apportées par

Sébastien Speierer,

Nicolas Roussel,

Merlin Nimier-David,

Délio Vicini,

Tizian Zeltner,

Baptiste Nicolet,

Miguel Crespo,

Vincent Leroy, et

Ziyi Zhang.

Lorsque vous utilisez Mitsuba 3 dans des projets académiques, veuillez citer :

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