官方文档：Introduction to TOPs

总览

通过构建TOP节点的网络，你可以指定要完成什么工作，以及怎样操纵这些工作的结果。TOP节点会生成 工作项(work item) ，它们将会完成特定任务和（或）在属性(attributes)中存储信息。

有多种TOP节点，但是主要的两种类型是：

• 处理器(processor) 型节点将生成新的work item。
• 分割(partition) 型节点将创建work item之间的依赖关系，所以它们将会等待直到partition中所有work item都完成。

一个TOP节点网络可看做是一个菜谱，其中包含：

• 生成work item
• 在processor中高效运行它们（在单个机器中或者渲染农场中）
• 指出依赖关系，以便可以尽可能地并行。

这个菜谱 就是所谓的PDG(Procedural Dependency Graph，程序化依赖网络)。它描述了需要完成的work item以及它们之间的依赖关系。

例如，现在要制作一个城市，这其中包含了多个work item，它们之间也有依赖关系。通过建立它们依赖网络，TOPs可以：

• 找到更高效的方式来cook出它的最终结果。
• 当有变化时，它可以找到最少的 必要的工作。因为你已告诉了它依赖关系，它可以判断出哪一部分依赖于变化的东西。

作为Houdini的一部分，TOPs致力于高效地完成任务，例如：仿真模拟、渲染、合成。
然而，它通用于任何可以划分为独立项目并有依赖关系的任务。

使用TOPs工作

TOP节点UI

关于界面的更多信息，可见PDG node network interface

Processors（处理器）

Processors可以生成新的work item。
基于传入的work item ，Processors可以生成多个work item。（一生多又称为“fan-out”）

一个Processor节点——

• 既可以根据节点参数从零创建work item。
• 也可以基于输入节点传来的work item来生成新的。

许多节点同时以这两种方式工作。
一个Wedge节点如果没有输入，则会根据参数中指定的Wedge的数目来生成work item；如果有输入，则创建的work item的数目将是Wedge的数目乘以输入节点传来的work item数目。

扫描二维码关注公众号，回复： 13130759 查看本文章

当Processor创建work item是基于一个“父项”来创建一个“子项”时，它将会传递“父项”的属性。因此work item可以将结果顺流而下传递。

Mappers

Mappers为网络中原本不相关的work item之间建立依赖关系。在正常情况下，它们通常是不必要的。
使用的情况例如：

• 你在两条不同的节点链中创建任务，但你想要告诉系统：其中的一条链上的任务实际上依赖于另一条链上的任务完成。

partitions（分割）

partition节点将基于多个不同的标准把输入的work item们组合在一起。PDG以这样的方式将任务中的多个“碎片”组合为一个“整体”以供后续处理。（多生一又称为“fan-in”）

不同partition节点将以不同的方式组合上游的work item。

partition有两个效果：

• 它在分组的work item之间创建依赖关系，因此该partition直到组中的所有work item都完成后才能继续处理。
• 它（可选地）将分组的work item的属性进行合并。例如，所有从partition创建的work item都将接收这一组的合并的输出文件路径，作为他们的输入属性。

最常用的partition节点是 Wait for All 。它将所有输入的work item都组合为一个partition，导致必须等待所有上游的work item都完成之后，才能继续前进。

你可以基于不同的标准来做partitions，例如：

• 基于属性。比如将同一帧的所有任务都组合为一组。
• 基于自定义的函数。
• 基于空间。比如当你在地形上散布树木的时候，你可以将地形划分为网格，然后将一个小块上的所有项目都组合到一起。

就其本身而言，partition节点中的项目不会做任何工作，它们仅仅是保存着一组work item的合并信息，使得后续的操作可以操作合并的信息。

Schedulers（调度器）

Scheduler节点是实质上负责运行work item中可执行内容的。

• 不同的Scheduler类型代表了运行可执行内容的不同方法。例如：Local Scheduler 使用本地机器的线程池，而 HQueue Scheduler 将可执行内容放在了HQueue渲染农场中。
• 你可以在一个TOP网络中有多个Scheduler节点，从而可以根据情况将网络设置为以不同的方式进行Cook（例如，测试时使用本地机器，夜间时使用农场）

TOP网络默认的Scheduler将在参数中指定：

简单的TOP网络例子

下面简单的图示描绘了一个基本的网络，它的目标是以不同的质量级别来渲染出动画的五帧，并将每一帧的不同质量的图拼接合并，以此来创建对比图，使我们可以更方便观察出不同质量的区别。

1. 使用 Wedge节点 生成四个work item，其中不包含实际任务，只包含变种信息（比如，Mantra渲染器不同的像素采样参数）。
2. 加入ROP Mantra Render 节点，设置帧的范围为从1到5。这将为每个“父项”生成5个新的work item，而变种的属性也将传递到新的work item中。
3. Partition by Frame 节点 将相同帧序号的work item分组为一个partition。这将使一帧中所有的变种都完成之后才能继续下一步。
4. ImageMagick 节点 生成新的work item将每一帧的五个变种图像拼接合并到一起，做成一个“对比图”。（当然，我们还可以使用 ROP Composite Output 节点来为对比图中的每个子图像添加一些文字，用以说明所用的设置）
5. Wait for All 节点在末尾，用以等待所有work item的完成。你可以在之后继续添加新的work item，用以运行那些必须在“主要”工作完成之后才能开始的任务，例如：工作完成之后的后渲染脚本，或者给用户发提示等等。

参阅常用TOP节点来获取更多信息。

Work items

TOP网络中的每个Processor节点都会生成一定数量的work item。 一个节点所创建的work item可以从界面中节点的内部看到（有关更多信息，请参见PDG node network interface）。

许多work item代表着某种“作业(Job)”，即在单台计算机或渲染农场中的进程中运行的脚本或可执行文件。 但是，也有些work item的存在只是为了保存属性而存在，实际上并不需要完成工作。

例如：

• HDA Processor 节点创建的work item代表着一项工作：他们对输入的一个HDA文件进行Cook。
• 而 File Pattern 节点创建的work item只是保存一个匹配的文件路径，是下游的处理器需要根据这些文件名进行一些操作。

Attributes（属性）

work item包含着属性，它们就是信息，类似于Houdini几何图形上的属性（比如一个点上的属性）。 与work item关联的脚本或可执行文件可以读取属性，以此来控制其执行的工作。 属性将从“父项”传递下来，因此你可以使用属性使work item的结果影响其“子项”、对子项进行分组的partition、并通过网络向下传递信息。

虽然，可以写自定义的节点来读取属性并控制work item的生成。
然而，属性最常见的用法还是——在“TOP网络中”或“TOP引用的外部Houdini网络中”的节点的参数中，引用属性。例如：

• 你想使用不同的渲染质量。可以使用 Wedge节点 来创建名为pixelsamples的属性为不同值的work item。 然后，在ROP Mantra Render 节点中，就可以写 @pixelsamples 这样的字符串来引用先前的属性，并将其值设置到 Pixel samples 参数中。
• 你还可以在TOP网络调用的外部资产/网络中引用work item的属性。 例如，HDA Processor为每个work item进行Cook。 你可以在HDA的参数中使用 @attribute 来引用从work item中提取的值。

你可以使用 @attribute.component 来引用向量的一个分量，其中 component 是从0开始的数字，或者x、y、z（分别等于0、1、2）。 例如 @pos.x 或 @pdg_output.0 。 你还可以使用pdgattribvals将属性数组的所有组件引用为以空格分隔的字符串。

节点，以及自定义的节点可以加任意的属性。
而work item还有一些内建的属性，可以在任何情况下访问。

详见 Using attributes

静态 与 动态

静态：
有一些work item在TOP网络开始运行之前，就已经基于节点的参数计算出需要的数目了，这些被称为静态的 work item。

例如，对于一个没有输入的ROP Mantra 节点，它会为每一帧创建一个用于渲染的work item。渲染的帧数将在参数中设定。所以work item的数目可以在提前就知道。

如果节点会为每一个传入的work item创建一个新的work item，则这些work item也被视为是静态的。

电影的工作流往往是基于“帧”的，由于提前知道帧数，所以往往生成静态的work item。

动态：
有时，work item只有在运行时才会被生成，他们被称为动态的 work item。

游戏和特效的工作流通常更具动态性。 例如，基于人群代理的辅助模拟可能会根据每个图块中有多少代理，将人群划分为图块，而这只有在运行时生成人群模拟并读取文件后才能完成。

• 一般经验——静态胜于动态：因为work item的数量是可见的，所以你可以了解要完成的工作量，而Houdini可以给出更准确的完成百分比估算。
• 然而，根据工作流程，动态的 work item 是不可避免的，实际上，几乎整个网络都可能是动态的。例如，在一个游戏工作流程中，你从曲线生成一个关卡，你不知道需要多少的运算量，因为你的曲线可能会与其他曲线相交，曲线可能会与图块相交等等。
• 在某些情况下，Houdini无法分辨工作是否是静态的，于是为你提供动态还是静态的选择。在这种情况下，标记为动态始终是安全的，因为TOP网络始终可以在运行时确定需要哪些work item。但是，如果已知work item是静态的，则将节点标记为静态的可以获得作为静态项的优势。
• Wait for All 节点 可以将动态数目的work item转变为静态的数目（1个），其他的partition节点也可以将动态数目转变为静态数目。这些情况都应该被自动设置，而非手动设置。
• 某些processor 节点具有“ Work item generation”菜单，可让您选择“静态”，“动态”或“自动”（“自动”表示“如果此节点能够静态生成，或者没有输入，则生成静态”）。 如果processor只能动态工作或只能静态工作，则它们将缺少此选项。
• 一些partition节点具有一个称为“Use dynamic partitioning”的参数。 当partitions取决于动态生成的信息时，将其打开。 如果partitions仅取决于最接近的上游静态work item中“已知”的信息，则将其关闭，在这种情况下，就可以静态计算partition。（如果节点的工作方式只能动态或只能静态，则节点可能不提供此选项。）

提示：
如果你的TOP网络中没有缓存结果（节点内没有work item），则可以在网络编辑器中选择“ TOP”▸“ Generate Static Work Items”以生成所有静态已知项。 这通常可以帮助你了解网络中涉及多少工作，而不用实际进行Cook。

Managing jobs

官方文档缺失，todo。

PDG scheduling

In-process vs. out-of-process