Sauerbraten Fork

SauerFork is a new project to fork Sauerbraten. 15 developers and artists attend to the team. The goal is to stay as sauer-like as possible while adding new features and renewing everything which blocks future progress and creativity.

The official Blog and the activity log:

http://sauerfork.tk/
http://sauerfork.tk/activity

Interview of the SauerWorld team with the SauerFork team:

http://www.sauerworld.org/sauerfork-interview/

Source code and the wiki:

https://github.com/sauerbraten-fork/sauerbraten-fork

Videos by me (Particle System):

In this stage the videos shows mostly the technical implementation… The art comes later 🙂











Videos by others of the team:



Message-Broker entkoppeln, routen und verbinden

Immer mehr Software kommuniziert mit anderer Software. Doch diese Kommunikation muss organisiert werden. HTTP(S) ist eine Möglichkeit und nutzt ein klassisches Client-Server-Modell. Mit REST ist es in den letzten Jahren sogar salonfĂ€hig geworden und bietet sich an, um Daten zwischen den vielen im Web verfĂŒgbaren Diensten auszutauschen. Ob Facebook, Twitter oder zahlreiche Content-Management-Systeme: sie bieten alle REST-Schnittstellen an und befördern das Web katapultartig voran. Jedoch sind HTTP- und REST auf Client-Server-Anwendungen beschrĂ€nkt, sofern man keine weiteren Abstraktionsschichten einfĂŒhrt.

Die Motivation um sogenannte Message-Broker einzusetzen ist die UniversalitÀt dieser Broker. Am leichtesten zu verstehen ist ein Message-Broker, indem man sich einen in Software geschriebenen Router vorstellt, der Nachrichten empfÀngt und weiterverteilt. Doch dieser Router, bzw. Broker, vermittelt keine rohen Netzwerkpakete, sondern Nachrichten mit Inhalt.

Vermittlung von Nachrichten bedeutet: Auf der einen Seite sendet eine Anwendung, der sogenannte Producer, eine Nachricht an den Broker und dieser empfĂ€ngt die Nachricht auf einem Eingangsport, in der Messenging-Terminologie heißt dieser Exchange. Ein Exchange hat einen bestimmten Typ, der die Weiterleitung der Nachrichten in eine oder mehrere Warteschlangen, sogenannte Queues, bestimmt. Auf der anderen Seite lauscht eine (andere) Anwendung, der sogenannte Consumer, ob Nachrichten in der Queue vorhanden sind.

Eine Queue kann mehrere Eigenschaften haben. Sie kann beispielsweise einem Consumer exklusiv zugewiesen werden, so dass nur dieser eine Consumer die Nachrichten, die in die Warteschlange einsortiert werden, zugestellt bekommt. Eine weitere Eigenschaft ist, dass eine Queue nach Beendigung der Verbindung automatisch gelöscht wird (autoDelete). Auch ist es möglich, eine Queue so zu konfigurieren, dass in der Warteschlange befindliche Nachrichten einen Neustart des Message-Brokers ĂŒberleben. Eine Queue kann einen Namen haben oder anonym sein. Anonyme Queues werden beispielsweise fĂŒr den RĂŒckweg verwendet.

Das Routing findet zwischen Exchanges und Queues statt und nennt sich Binding und ist abhÀngig vom Typ des Exchange.

Ein Fanout-Exchange leitet eine Nachricht an alle an den Exchange gebundenen Queues weiter, ohne ein aktives Einsortieren. Das bedeutet ein Consumer legt eine (anonyme) Queue an und ebenfalls ein Binding zwischen dem Fanout-Exchange und der angelegten Queue. Wenn ein weiterer Consumer dasgleiche macht, leitet der Fanout-Exchange eine eingehende Nachricht an beide Queues weiter und somit empfangen beide Consumer die Nachricht (Publish-Subscribe-Pattern).

Direct-Exchanges sind ebenfalls mit einer oder mehreren Queues verbunden. Jedoch enthĂ€lt ein Binding einen sogenannten Routing-Key. Kommt nun eine Nachricht an einem Direct-Exchange an, wird der Routing-Key in der Nachricht untersucht und die Nachricht nur an diejenigen Queues weitergeleitet, bei denen ein Binding mit dem entsprechenden Routing-Key besteht (Routing-Pattern). Beispielsweise gibt es eine Queue, die mit dem Routing-Key “wichtig” gebindet wurde, und eine Queue namens “Spam”, die mit dem Routing-Key “unwichtig” gebindet wurde. Kommt eine wichtige Nachricht an, wird sie in die wichtige Queue einsortigt und unwichtige Nachrichten landen in der Spam-Queue. Es ist möglich, dass mehrere Queues mit dem gleichen Routing-Key mit einem Direct-Exchange verbunden sind. Beispielsweise werden zwei Bindings mit dem Routing-Key “möglicherweise wichtig” vom Direct-Exchange erstellt, die zu beiden Queues fĂŒhren. Eine möglicherweise wichtige Nachricht landet dann in beiden Queues.

Der dritte Typ heißt Topic-Exchange und setzt das Topic-Pattern um. Der Topic-Exchange wird wiederum mittels Bindings mit Queues verbunden. Doch der Routing-Key der Bindings enthĂ€lt nun eine Liste von Wörtern, die mit einem Punkt getrennt werden. Diese Liste von Wörtern ist hierarchisch aufgebaut. Beispiel: Queue 1 ist per Binding mit dem Routing-Key “schaeffernet.andreas.raspberry” und Queue 2 mit dem Routing-Key “schaeffernet.*.laptop” verbunden. Die Verarbeitung der Topics Ă€hnelt etwas einer sehr einfachen Regular Expression. So mĂŒssen die Topics im Routing-Key der eingehenden Nachricht mit den Topics im Routing-Key des Bindings ĂŒbereinstimmen. Wie zu sehen ist, sind Platzhalter erlaubt. WĂ€hrend das Binding zu Queue 1 exakt stimmen muss, erlaubt das Binding zu Queue 2 alle Vornamen im zweiten Topic. Interpretieren könnte man den ersten Routing-Key mit “ich möchte die Nachricht an den Raspberry Pi von Andreas Schaeffer zustellen”. Der zweite Routing-Key wĂŒrde “ich möchte die Nachricht an alle Laptops der Familie Schaeffer zustellen” bedeuten.

Mit diesem relativ einfachen, aber flexiblen System lassen sich nun verschiedenste AnwendungsfÀlle umsetzen:

1. Ein Producer sendet an eine benamte, exklusive Queue. Die Nachrichten werden von exakt einem Consumer empfangen.

2. Ein Producer sendet an eine benamte, nicht-exklusive Queue. Die Nachrichten werden von einem oder mehreren Consumer empfangen (Worker-Pattern).

3. Ein Producer sendet an einen Fanout-Exchange. Mehrere Consumer legen anonyme Queues an, die sie mit dem Exchange verbinden (Publish-Subscribe-Pattern).

4. Ein Producer sendet an einen Direct-Exchange. Die Nachricht enthÀlt einen Routing-Key. Mehrere Consumer legen anonyme Queues an, die sie mit dem Exchange unter Nutzung eines Routing-Keys verbinden (Routing-Pattern). Eine Queue kann mit mehreren Bindings und unterschiedlichen Routing-Keys verbunden werden (Multiple-Bindings).

5. Ein Producer sendet an einen Topic-Exchange. Die Nachricht enthÀlt einen Routing-Key, der die Topics-Expression beinhaltet. Mehrere Consumer legen anonyme Queues an, die sie mit dem Exchange unter Nutzung eines Routing-Keys, die die Topics-Expression beinhalten, verbinden (Topic-Pattern). Eine Queue kann mit mehreren Bindings und unterschiedlichen Topic-Expressions verbunden werden (Multiple-Bindings).

6. Ein Producer sendet an eine benamte, exklusive Queue. Die Nachricht enthĂ€lt eine Reply-To-Adresse sowie eine Id, von wem die Nachricht stammt. Exakt ein Consumer empfĂ€ngt die Nachricht, fĂŒhrt eine Remote-Procedure aus und sendet eine Nachricht mit dem Ergebnis der AusfĂŒhrung an eine zweite, anonyme, exklusive Queue (RPC-Pattern).

Diese AnwendungsfĂ€lle zeigen bereits, wie flexibel ein Message-Broker eingesetzt werden kann. Da wir nun wissen wie ein Message-Broker funktioniert, wird an dieser Stelle noch ausgefĂŒhrt, welche weiteren Vorteile der Einsatz eines Message-Brokers zu erwarten sind.

Zum Ersten erfolgt die Kommunikation ĂŒber ein standardisiertes Protokoll namens AMQP. Dieses Protokoll wird von einer ganzen Reihe von Message-Broker-Implementierungen wie beispielsweise RabbitMQ oder ZeroMQ unterstĂŒtzt. Damit ist man nicht abhĂ€ngig von einem bestimmten Message-Broker. Die meisten Message-Broker sind darĂŒber hinaus Open-Source und plattformunabhĂ€ngig.

Weiterhin gibt es fĂŒr zahlreiche Programmiersprachen Client-Bibliotheken. Das bedeutet, dass die Anwendungen, die miteinander kommunizieren, nicht zwingend in der gleichen Programmiersprache geschrieben sein mĂŒssen. Dies ist ein Vorteil gegenĂŒber RMI oder JMS. Der Transportweg kann zudem mit OpenSSL verschlĂŒsselt werden.

Message-Broker sind fĂŒr einen hohen Durchsatz ausgelegt. Es gibt AnwendungsfĂ€lle, in den mehrere Millionen Nachrichten pro Tag verarbeitet werden. Zudem erlauben manche Message-Broker wie beispielsweise RabbitMQ das Clustering von Message-Brokern.

Der grĂ¶ĂŸte Vorteil ist jedoch die Entkoppelung. Software kann in kleinere Einheiten aufgespalten werden, die möglicherweise auf unterschiedlichen Rechnern ausgefĂŒhrt werden und nur an den notwendigen Stellen miteinander kommunizieren. Dabei ist eine heterogene Landschaft kein Problem: in C# programmierte Desktop-Clients auf Windows können mit in Java programmierten Management-Anwendungen auf leistungsstarken Linux-Servern kommunizieren. Oder eine Farm von tausenden von Rechenknechten organisieren dezentral untereinander, welche Aufgaben welche Instanz als nĂ€chstes berechnen soll (P2PoB). Oder die Zentralisierung von Logging. Oder die Automatisierung von Rechenzentren…

Graphendatenbanken: Neo4j, Spring und Spring Data Neo4j

Im ersten Artikel ĂŒber Graphendatenbanken ging es um die Motivation und einige grundlegende Konzepte. Dieser Artikel soll etwas konkreter werden: Es wird die Graphendatenbank Neo4j vorgestellt und Spring Data Neo4j genutzt, um ein auf Graphen basiertes Schema zu entwickeln.

Sowohl Neo4j als auch Spring Data Neo4j sind ĂŒber Maven Central verfĂŒgbar. Daher ist die Einbindung in einem Maven-Projekt ein leichtes:



org.springframework.data
spring-data-neo4j
${version.spring.data.neo4j}


org.springframework.data
spring-data-neo4j-tx
${version.spring.data.neo4j}


org.neo4j
neo4j
${version.neo4j}


org.neo4j
neo4j-kernel
${version.neo4j}


org.neo4j
neo4j-cypher
${version.neo4j}

Nun folgt die Modellierung von DomĂ€nenklassen. Wir greifen das Beispiel aus dem ersten Artikel auf und erzeugen DomĂ€nenklassen fĂŒr Personen, Autoren und Artikel. Dabei nutzen wir konsequent die Vererbungshierarchie und erzeugen zunĂ€chst eine generische Basis fĂŒr Knotentypen. Diese abstrakte Domainenklasse beinhaltet als wichtigstes Attribut die Node-ID, welche von Spring-Data-Neo4j benötigt und mit der Annotation @GraphId versehen wird. ZusĂ€tzlich fĂŒhren wir mit einer UUID einen zweiten, redundanten Identifier ein, der eine gewisse UnabhĂ€ngigkeit der Daten von der konkret eingesetzten Datenbank gewĂ€hrleistet. Beispielsweise können so DatenbestĂ€nde gemischt werden oder schlicht auf eine andere Persistenz umgezogen werden. Mit der Annotation @Indexed sorgen wir dafĂŒr, dass Spring-Data-Neo4j einen Lucene-Index erstellt. Mit dem unique forcieren wir, dass das der Identifier einzigartig ist. Schließlich hat sich bewĂ€hrt, dass jeder Knoten ĂŒber Timestamps verfĂŒgen, wann der Knoten erzeugt und zuletzt verĂ€ndert wurde.

@NodeEntity
public abstract class Node {

@GraphId
private Long nodeId;

@Indexed(unique = true)
@NotNull
private String uuid;

@NotNull
private Long created;

@NotNull
private Long lastModified;

// Getter and setters ommitted
}

Nun erstellen wir eine DomĂ€nenklasse fĂŒr Personen. Außerdem annotieren wir die Klasse mit @NodeEntity, um Spring-Data-Neo4j mitzuteilen, dass es sich um einen Knotentyp handelt. Die beiden Attribute Vorname und Nachname werden mit @Indexed annotiert, damit wir nach diesen Attributen suchen können. In diesem Beispiel beschrĂ€nken wir uns auf die Attribute Vor- und Nachname, obwohl man in der Praxis noch einige Informationen mehr hinzufĂŒgen wĂŒrde. Allerdings ist beim HinzufĂŒgen von neuen Attributen immer zu beachten, ob es sich nicht eigentlich um einen weiteren Knotentyp handelt, der mit einer Relation verbunden wird. Beispielsweise wĂŒrde man abhĂ€ngig vom konkreten Anwendungsfall eine Adresse nicht als Attribute, sondern als eigenen Knotentyp definieren, da so N:M-Relationen abgebildet und eine feinere Semantik erreicht werden kann. Eine Person kann beispielsweise bei mehreren Adressen wohnen und eine Adresse kann von mehreren Personen bewohnt werden. Um eine feinere Semantik zu erreichen wĂŒrden man beide Knotentypen mit mehreren Kantentypen verbinden, beispielsweise: Person “wohnt bei” Adresse oder Person “ist Hausmeister von” Adresse.

@NodeEntity
public class Person extends Node {

@Size(min = 2, max = 80)
@Indexed
private String firstName;

@Size(min = 2, max = 80)
@Indexed
private String lastName;

// Getter and setters ommitted
}

Die Spezialisierung einer Person ist ein Autor. Es reicht aus eine leere Klasse erzeugen, um einen Autor von einer Person zu unterscheiden.

@NodeEntity
public class Author extends Person {
}

Und schließlich benötigen wir die DomĂ€nenklasse fĂŒr Artikel.

@NodeEntity
public class Article extends Node {

@Size(min = 10, max = 80)
private String title;

@Size(min = 40, max = 240)
private String summary;

@Size(min = 500)
private String text;

// Getter and setters ommitted
}

Nun sind wir soweit, dass wir die Knotentypen miteinander in Beziehung stellen können. Auch bei den Relationen ist eine Vererbungshierarchie möglich. Wie schon bei der Definition von Knotentypen erspart uns dies etwas Tipparbeit und erlaubt spÀter das Arbeiten mit den Super-Klassen, ohne den genauen Typ der Relation zu kennen.

public abstract class AbstractRelationship {

@GraphId
private Long relationshipId;

// Getter and setters ommitted
}

Nun erstellen wir eine Klasse, die die Beziehung “hat gelesen” zwischen einer Person und einem Artikel beschreibt. Dabei definieren wir in einem statischen String den Namen der Relation. Um Komplikationen zu vermeiden, sollte der Name eindeutig sein. Mit der Annotation @RelationshipEntity teilen wir Spring-Data-Neo4j mit, dass es sich um eine Kantentyp, d.h. eine Relation handelt. Eine Relation hat immer einen Elternknoten (oder Startknoten), der mit @StartNode annotiert wird, und ein Kindknoten (oder Endknoten), der mit @EndNode annotiert wird. In der Welt der Graphen spricht man von einem gerichteten Graphen. Visualisieren könnte man dies, indem man zwischen zwei Knoten eine Pfeil in Richtung des Kindes zieht. ZusĂ€tzlich können wir auch in den Relationen Attribute speichern. In diesem Beispiel wollen wir den Zeitpunkt speichern, wann eine Person einen Artikel gelesen hat. Es zeigt sich, dass dies zu einer natĂŒrlicheren Form der Datenmodellierung fĂŒhrt, denn die Information wird genau dort gespeichert, wo sie hingehört – in der Relation selbst. Einfach, verstĂ€ndlich und effektiv.

@RelationshipEntity(type = HasRead.NAME)
public class HasRead extends AbstractRelationship {

public static final String NAME = "HAS_READ";

@StartNode
private Person person;

@EndNode
private Article article;

private Long when;

// Getter and setters ommitted
}

Nun beschreiben wir eine weitere Beziehung, und zwar dass ein Autor einen Artikel geschrieben hat. Neben dem Klassennamen unterscheidet sich auch der Name der Relation und der Typ des Startknotens.

@RelationshipEntity(type = HasWritten.NAME)
public class HasWritten extends AbstractRelationship {

public static final String NAME = "HAS_WRITTEN";

@StartNode
private Author author;

@EndNode
private Article article;

private Long when;

// Getter and setters ommitted
}

Da wir nun ĂŒber DomĂ€nen- und Relationenklassen verfĂŒgen stellt sich die Frage, wie wir auf die Daten zugreifen können. Dazu bedient sich Spring Data Neo4j dem Data-Access-Object-Pattern (DAO-Pattern) und abstrahiert es soweit, dass wir kaum noch etwas zu programmieren haben. In der Tat sieht es etwas nach “Magic” aus, denn wir implementieren nichts, sondern definieren nur noch einige Interfaces. Im nĂ€chsten Code-Beispiel ist eine solches DAO-Interface zu sehen. ZunĂ€chst wird das Interface mit der Annotation @Repository annotiert. Dies sorgt dafĂŒr, dass Spring Data Neo4j dieses Interface automatisch als DAO-Interface im Spring-Context erkennen kann. Mehr dazu spĂ€ter, wenn wir unsere Anwendung in Spring integrieren. ZusĂ€tzlich nutzen wir einen Transaktionskontext indem wir das Interface mit @Neo4jTransactional annotieren. Das Interface erbt Methoden von den ĂŒbergeordneten Interaces GraphRepository, RelationshipOperationsRepository, CRUDRepository und NamedIndexRepository. Dies sind Methoden um Knoten zu suchen, zu erzeugen und VerknĂŒpfungen zu erstellen. ZusĂ€tzlich definieren wir Methoden wie findByUuid, um Knoten vom Typ Person mit der angegebenen UUID zu suchen. Spring Data Neo4j kĂŒmmert sich darum, zur Laufzeit eine Implementierung fĂŒr diese Methodendefinition bereitzustellen. Somit entfĂ€llt fĂŒr uns die Implementierung fast vollstĂ€ndig und DAOs werden hauptsĂ€chlich deklarativ beschrieben.

@Repository
@Neo4jTransactional
public interface PersonRepository extends GraphRepository, RelationshipOperationsRepository, CRUDRepository, NamedIndexRepository {

Person findByUuid(String uuid);

Person findByFirstName(String firstName);

Person findByLastName(String lastName);

}

Spring Data Neo4j abstrahiert fĂŒr uns eine Menge Arbeit, die wir sonst von Hand erledigen mĂŒssten. Dabei lĂ€sst es aber uns die Freiheit, es selbst tun zu können, wenn es notwendig sein sollte. Aber Spring Data Neo4j unterstĂŒtzt uns auch bei komplexeren Aufgaben. So ist es beispielsweise möglich, eine Anfrage Ă€hnlich wie SQL zu schreiben. Dies erfolgt beispielsweise mit der Abfragesprache Cypher, die wie SQL relativ einfach zu verstehen ist. Im ersten Artikel interessierte uns die Frage, von wievielen Autoren ein Artikel geschrieben wurde. Dies lĂ€sst sich mit Cypher so ausdrĂŒcken:

START article=node(123) MATCH (author)-[rel:HAS_WRITTEN]->(article) RETURN COUNT(rel)

Zur ErklĂ€rung: Im START-Teil der Abfrage wird definiert, wo wir beginnen sollen zu suchen. Wir wissen die ID eines Artikels (123) und starten an diesem Knoten im Graphen. Auf diesen Knoten können wir mit “article” referenzieren. Im MATCH-Teil beschreiben wir nun, dass es Autoren gibt, die den Artikel geschrieben haben. Dabei ist “article” ein einzelner Knoten (wie zuvor definiert), aber “author” representiert alle Autoren, die mit einer Relation vom Typ “HAS_WRITTEN” verbunden sind. Auf die Autoren können wir mit “author” referenzieren und auch die Relation können wir referenzieren. Der RETURN-Teil gibt nun ein oder mehrere Ausgaben zurĂŒck. Das kann ein einzelner Knoten sein, eine Menge von Knoten, eine Relation, eine Menge von Relationen oder in unserem Fall ein Integer. Im RETURN-Teil zĂ€hlen wir lediglich die Relationen.

Spring Data Neo4j unterstĂŒtzt uns nun, indem wir nicht direkt auf die Java-API von Neo4j zugreifen mĂŒssen, sondern einfach das DAO-Interface erweitern. Dazu nutzen wir die Annotation @Query, in der wir den Cypher-Query-String definieren. Statt der festen ID wird nun ein Platzhalter {article} definiert. Die Methodensignatur muss fĂŒr jeden Platzhalter einen Parameter liefern. Dies tun wir mit der Annotation @Param und dem Namen des Platzhalters “article”.

@Repository
@Neo4jTransactional
public interface AuthorRepository extends GraphRepository, RelationshipOperationsRepository, CRUDRepository, NamedIndexRepository {

// other methods ommited

@Query("START article=node({article}) MATCH (author)-[rel:HAS_WRITTEN]->(article) RETURN COUNT(rel)")
Integer getNumberOfAuthors(@Param("article") Article article);

}

Nun geht’s ans Eingemachte. Wir möchten alles nutzen, was wir zuvor definiert haben. Daher mĂŒssen wir Neo4j zunĂ€chst integrieren. Dazu

Wie nutzt man nun ein solches Repository? ZunĂ€chst mĂŒssen wir dafĂŒr sorgen, dass Spring Data Neo4j die Repositories findet und Instanzen bildet. Wir konfigurieren Spring mittels Java-Config, indem wir eine Klasse erstellen und sie mit @Configuration annotieren. In dieser Klasse definieren wir eine Methode, die eine Instanz einer Embedded Neo4j Graph Database erzeugt und als Bean zur verfĂŒgung stellt. Weiterhin binden wir Spring Data Neo4j ein, indem wir die Klasse mit der Annotation @EnableNeo4jRepositories versehen und den Package-Path angeben, indem die DAOs zu finden sind. Schließlich lassen wir Spring nach Services suchen (@ComponentScan).

@Configuration
@EnableNeo4jRepositories(basePackages = { "de.schaeffernet.repository" })
@ComponentScan(basePackages = { "de.schaeffernet.services" })
public class Neo4JConfig extends Neo4jConfiguration {

@Bean(name = "graphDatabaseService", destroyMethod = "shutdown")
public GraphDatabaseService getEmbeddedGraphDatabase() {
return new GraphDatabaseFactory().newEmbeddedDatabaseBuilder("/tmp/neo4j").setConfig(ShellSettings.remote_shell_enabled, Settings.TRUE).newGraphDatabase();
}

}

Einen solchen Service möchte ich noch vorstellen, um zu zeigen, wie man mit den DAOs umgeht. ZunĂ€chst injizieren wir die DAOs mittels @Autowired. In der Methode printArticleOverview lassen wir uns vom Artikel DAO alle Artikel zurĂŒck liefern und iterieren ĂŒber diese. FĂŒr jeden Artikel fragen wir die Anzahl der Autoren ab und geben eine Zeile im Log aus. Normalerweise sollte man Aufrufe wie findAll() vermeiden, wenn es geht, da man, je nach Datenbestand, sehr viele Daten in den Arbeitsspeicher lĂ€dt. Dies soll jedoch nur ein einfaches Beispiel sein. Weiterhin ist zu beachten, dass wir in den Service-Klassen die KomplexitĂ€t deutlich verringert haben, da die Cypher-Abfrage im DAO steckt. Dies ist sicherlich kein zu unterschĂ€tzender Vorteil. Oftmals kann so ein deutlich einfacherer Quellcode geschaffen werden.

@Service
public class AuthorService {

@Autowired
private AuthorRepository authorRepository;

@Autowired
private ArticleRepository articleRepository;

Logger logger; // Ommited

public final void printArticleOverview() {
EndResult

result = articleRepository.findAll();
for (Article article : result) {
logger.debug(String.format("Article %s was written by %d authors.", article.getTitle(), authorRepository.getNumberOfAuthors(article)));
}
}

}

Fazit

Im ersten Artikel wurden die theoretischen Grundlagen geschaffen, die in diesem zweiten Artikel durch praxistaugliche Beispiele unterfĂŒttert wurden. Es wurde gezeigt, wie ein Graphen-Schema mit Knoten- und Kantentypen deklarativ modelliert wird und wie mit “Data-Access-Interfaces” eine Persistenzschicht deklariert wird. Zudem wurde die Abfragesprache Cypher angerissen, die die Formulierung von einfachen und komplexeren Fragestellungen im Graphen ermöglicht. Schließlich wurde Neo4j und Spring Data Neo4j in Spring integriert und ein einfaches Beispiel anhand einer Service-Klasse vorgefĂŒhrt.

Graphendatenbanken: Der neue Geheimtipp

Seit Jahrzehnten haben sich relationale Datenbanken in allen geschĂ€ftsrelevanten Unternehmensanwendungen bewĂ€hrt. Sowohl kommerzielle als auch Open-Source Datenbanken wie beispielsweise PostgreSQL erfĂŒllen in 999 von 1000 FĂ€llen alle Anforderungen. Doch spĂ€testens seit dem NoSQL-Hype gibt es keinen Automatismus bei der Persistenzwahl mehr. Es wird nachgedacht, welche Persistenztechnologie am Besten passt.

Dieser Artikel ist kein Vergleich mit relationalen Datenbanken oder anderen Persistenztechnologien, die man unter NoSQL zusammenfasst, soll aber Appetit auf Graphendatenbanken machen. Ich werde in diesem Artikel anders vorgehen als andere Einleitungen zum Thema und beginne nicht mit den mathematischen Grundlagen von Graphen und werde weitere Aspekte von Graphendatenbanken erst im Laufe des Artikels einfĂŒhren, sobald es didaktisch sinnvoll ist. Wer also schon Kenntnisse hat, wird beim Lesen eventuell unruhig auf dem Stuhl wackeln.

Doch warum sollte man alles erlernte ĂŒber den Haufen werfen und sich dem Wagnis aussetzen (und diesen Artikel lesen)?

Wissen ist Macht

Relationale Datenbanken bestehen stark vereinfacht aus zweidimensionalen Tabellen und Relationen. Diese Form der Speicherung eignet sich bestens fĂŒr tabellarische Informationen. Jedoch sind die Relationen stumpfe VerknĂŒpfungen ohne jede Aussagekraft. Die Informationen sind zwar in der Datenbanken vorhanden, aber nur durch die in der Anwendung implementierten GeschĂ€ftsprozesse bekommen sie eine Bedeutung. Bei Graphendatenbanken ist dies anders. In einer Graphendatenbank ist es möglich Informationen semantisch abzulegen, d.h. sowohl die Informationen als auch ihre Bedeutung werden in der Graphendatenbank gespeichert.

Im Wesentlichen besitzt man ein Schema, das allen Knoten und Kanten typisiert. Beispielsweise ist ein möglicher Knotentyp “Person” vorhanden. Durch Vererbung kann man den Knotentyp “Person” spezialisieren, z.B. “Autor”. Ein Autor hat dieselben Eigenschaften wie eine Person und hat darĂŒber hinaus zusĂ€tzliche Eigenschaften. Zu einem Graphen wird es, indem zwischen den konkreten Knoten VerknĂŒpfungen gebildet werden. Auch dies wird im Schema modelliert. Beispielsweise besteht zwischen dem Knotentyp “Person” und dem Knotentyp “Artikel” die Beziehung, d.h. den Kantentyp “hat gelesen”. Auch Attribute fĂŒr Beziehungen sind in einem Property-Graphen möglich. So hat die Beziehung “hat gelesen” das Attribut “gelesen am”. Somit wĂŒrde man in einem Content-Management-System auf einfachste Weise abbilden können, ob und wann ein Benutzer einen Artikel gelesen hat indem einfach zwischen beiden Knoten eine VerknĂŒpfung erstellt wird. Ein weiteres Beispiel wĂ€re ein Kantentyp “hat geschrieben” zwischen den Knotentypen “Autor” und “Artikel”. Da es sich um einen gerichteten Graphen handelt, können wir auch die Richtung der Beziehung bestimmen, d.h. vom Autor zum Artikel und nicht umgekehrt. ZusĂ€tzlich stellen wir fest, dass die Vererbungshierarchie greift: Da ein Autor gleichzeitig eine Person ist, bestehen zwischen einem Knoten vom Typ “Autor” und vom Typ “Artikel” zwei mögliche Beziehungen. Als Autor hat er möglicherweise den Artikel geschrieben, als Person hat er möglicherweise den Artikel gelesen. Das besondere daran ist, dass wir nicht erst den Quellcode einer Anwendung lesen mĂŒssen, um den Sinn der Daten zu begreifen, wie es mit einem Heer von Tabellen, M:N-Tabellen, PrimĂ€r- und FremdschlĂŒsseln der Fall wĂ€re.

Doch das ist nicht nur schön sondern auch nĂŒtzlich: Dadurch, dass wir wissen, was unsere Daten bedeuten, können wir in unseren Anwendungen entsprechende Abfragen stellen. Uns interessiert beispielsweise die Frage, von wievielen Autoren ein Artikel geschrieben wurde. Nichts einfacher als das: man zĂ€hlt alle VerknĂŒpfungen vom Kantentyp “hat geschrieben” die zum Knoten des besagten Artikel fĂŒhren. Noch interessanter erscheint jedoch die Frage, welche Autoren fĂŒr einen bestimmte Person interessant sind. SpĂ€testens an dieser Stelle geraten relationale Datenbanken ins Hintertreffen. Mit einer Graphendatenbank mĂŒssen wir jedoch nur den Graphen betrachten: Die betreffende Person hat mehrere Artikel gelesen und diese Artikel wurden von Autoren geschrieben. Wir “navigieren” nun durch den Graphen und “zĂ€hlen”. Derjenige Autor ist am meisten interessant, der die meisten Artikel geschrieben hat, die die betreffende Person bereits gelesen hat. Andere Autoren haben vielleicht mehr Artikel geschrieben, aber diese wurden von der betreffenden Person nicht gelesen, und daher sind diese Autoren nicht so interessant. Nun fehlt noch die Frage, welche Artikel man empfehlen könnte. Wir wissen, welche Artikel eine Person gelesen hat. Diese scheiden also aus. Des weiteren wissen wir, welche Autoren interessant sind. Diese beiden Erkenntnisse verknĂŒpfen wir nun, und erhalten ein Ergebnis: Alle von der betroffenen Person noch nicht gelesenen Artikel des interessantesten Autors. Durch Erweiterung des Schemas könnte man das Ergebnis weiter verfeinern. Beispielsweise können Personen Artikel “liken” oder bewerten, ein Artikel kann ein Thema “behandeln” und eine Person kann an einem Thema “interessiert” sein.

Trotz dessen, dass wir ein Schema haben, das nur aus drei Knotentypen und zwei Kantentypen besteht, können wir bereits einige SchlĂŒsse ziehen. Und genau dies ist der Grund, warum Graphendatenbanken anderen Persistenztechnologien ĂŒberlegen sind. Das Schema wird niemals so kompliziert werden, wie ein Schema in einer relationalen Datenbank, in der beispielsweise Tabellen nur existieren, um M:N-Relationen abzubilden. Das Schema und mögliche Fragestellungen lassen sich wunderbar auf Papier skizzieren. Auch auch der Graph selbst lĂ€sst sich visualisieren.

Visualisierung

Ein weiterer Vorteil eines Graphen ist es, in visualisieren zu können. Üblicherweise zeichnet man Knoten als Kreise oder KĂ€stchen, die durch Linien oder Kurven verbunden sind, die die Kanten darstellen. Durch das Betrachten des Graphen kann man intuitiv erkennen, welche Knoten, bezogen auf einen bestimmten Aspekt, wichtiger sind als andere. WĂŒrden wir unser Beispiel von oben visualisieren, wĂŒrden wir sofort erkennen, welche Autoren viele Artikel geschrieben haben, welche Personen viele Artikel gelesen haben. Durch entsprechende Zeichenalgorithmen ist es sogar möglich, dass mit Kanten verbundene Knoten wie Gewichte aneinander ziehen. Das Ergebnis ist, dass zwei Knoten, die viel miteinander zu tun haben, nĂ€her beieinander sind, als Knoten, die weniger miteinander zu tun haben. Da mit wachsendem Datenbestand die Anzahl von Knoten und Kanten unĂŒberschaubar werden kann, wird man sicherlich eine Auswahl treffen, welche Knotentypen und Kantentypen fĂŒr eine bestimmte Fragestellung ĂŒberhaupt relevant sind.

Die Navigation im Graphen

Der Unterschied zu Big-Table, Key-Value-Stores und relationale Datenbanken ist, dass man innerhalb eines Graphen navigieren kann. Dadurch lassen sich einfache und sogar komplexere Fragestellungen beantworten, wie oben gezeigt. Noch nicht angesprochen ist die Tatsache, dass das Navigieren im Graphen weniger Zeit beansprucht als die Abfrage von Tabellendaten, wie es beispielsweise mittels SQL gemacht wird. Doch dazu muss man sein “Denken” vom Modus “ich denke in Tabellen” auf “ich denke in Graphen” umstellen. Das bedeutet, dass man auch das Schema anders erstellt, als man es bei relationalen Datenbanken tun wĂŒrde. Wie bei relationalen Datenbanken könnte man einem Artikel ein Attribut fĂŒr das Erstellungsdatum zuweisen. Will man nun alle Artikel eines Jahres haben, mĂŒsste man in allen Knoten, die vom Knotentyp “Artikel” sind, das Datum ĂŒberprĂŒfen. Da man dabei jedoch alle Knoten betrachten muss, wird viel Zeit benötigt. Zwar ist es möglich, die Abfragezeiten mittels eines Index deutlich zu senken, trotzdem ist es nicht die effektivste Methode, um die gewĂŒnschten Artikel zu erhalten. Stattdessen liegt die Lösung im Schema: Die Knotentypen “Jahr”, “Monat” und “Tag” erlauben es einen Knoten “Jahr 2013” fĂŒr das Jahr 2013 oder einen Knoten “05. Dezember 2013” fĂŒr den heutigen Tag zu erstellen. Diese Knoten werden durch die Kantentypen “hat Monat” und “hat Tag” verknĂŒpft. ZusĂ€tzlich wird der Kantentyp “wurde erstellt am” genutzt um auszusagen, dass ein Artikel an einem bestimmten Tag erstellt wurde. Um nun alle Artikel aus dem Jahr 2013 zu finden, muss man beim Jahresknoten 2013 beginnen, alle Monate und deren Tage um schließlich alle Artikel einzusammeln. Das Verfahren lĂ€sst sich ohne Änderung auch auf Monate oder Tage anwenden. Vorteil dieses Verfahrens ist, dass es schnell ist. Die Navigation von einem Knoten zu einem anderen Knoten liegt im Nanosekundenbereich. ZusĂ€tzlich erspart man sich Vergleichsoperatoren und Indexlookups. Stattdessen werden nur Knoten “eingesammelt”. Voraussetzung ist lediglich, dass man von einem Knoten aus starten kann, in unserem Beispiel war das der Knoten “Jahr 2013”.

Fazit

Graphen sind nĂŒtzlich, wenn die Informationen miteinander vernetzt sind. Graphendatenbanken liefern die Umgebung, die nötig ist, um Graphen performant zu nutzen. In diesem Artikel sollte vermittelt werden, wann sich der Einsatz von Graphendatenbanken lohnt. Im nĂ€chsten Teil werde ich euch mit der Praxis konfrontieren: Das in diesem Artikel genutzte Beispiel wird mit Neo4j, Spring und Spring Data Neo4j umgesetzt.

Implementation einer Software zur Simulation und Visualisierung von Partikeln

Minimal Rendering_2013-01-15_07-28-19

Diese Arbeit beschreibt die Implementierung einer Software zur Simulation von Partikeln. Dabei wurde auf eine hohe FlexibilitÀt Wert gelegt, die es erlaubt, zahlreiche Szenarien zu kreieren. Sowohl das Partikelsystem als auch die Darstellung sind, wie ein Baukastensystem, kombinierbar, konfigurierbar und erweiterbar. Die Software gibt dem Benutzer nichts vor, sondern fordert seine KreativitÀt heraus. Sie leistet einen Beitrag zu Forschungsprojekten.

1. Einleitung

In vielen Filmen, Computerspielen und Simulationen stellt sich die Frage, wie man natĂŒrliche Systeme wie beispielsweise Feuer oder Rauch darstellen kann. Aufgrund ihrer KomplexitĂ€t oder ihres chaotischen Verhaltens ist die Umsetzung nicht trivial.

Partikelsysteme sind Verfahren, um möglichst realistisch aussehende Darstellungen zu erzielen. Zum ersten Mal wurden Partikelsysteme von William T. Reeves im Jahr 1982 fĂŒr den Kinofilm “Star Trek II – The Wrath Of Khan” eingesetzt und 1983 in [Ree1983] beschrieben und 1985 in [Ree1985] ergĂ€nzt [Paet2005].

Im Kern basieren Partikelsysteme auf dem Grundsatz, etwas Großes aus einer Menge von kleinen Elementen zu erschaffen. Der Funkenregen beim Schweißen bildet sich aus einer Vielzahl von einzelnen und kurzlebigen Funken. Dabei geht es bei Partikelsystemen nicht um eine physikalisch korrekte Simulation von beispielsweise Explosionen, sondern um den Gesamteindruck [Hel2009].

AnwendungsfĂ€lle fĂŒr Partikelsysteme gibt es viele: beispielsweise Feuer, Rauch, Regen oder Schnee. Doch die meisten konkreten Implementierungen von Partikelsystemen sind fĂŒr einen spezifischen Einsatz gedacht. Daher haben sie ein eingeschrĂ€nktes Einsatzfeld. Der Grund dafĂŒr ist auf geringe oder fehlende Kombinierbarkeit, Konfigurierbarkeit und Erweiterbarkeit zurĂŒckzufĂŒhren.

Mit dieser Arbeit soll die Implementierung einer OpenSource Software vorgestellt werden, die zum Experimentieren einlĂ€dt und die KreativitĂ€t des Benutzers fordert. Sie dient nicht der ErfĂŒllung eines konkreten Anwendungsfalls, sondern erlaubt eine Vielzahl von Möglichkeiten. Es soll gezeigt werden, dass dieses Ziel durch Kombinierbarkeit, Konfigurierbarkeit und Erweiterbarkeit erreicht wurde.

2. Grundlagen

Der Architektur von Partikelsystemen ist maßgeblich fĂŒr die effiziente Verarbeitung. Philipp PĂ€tzold beschreibt in Entwicklung eines Partikelsystems auf Basis moderner 3D-Grafikhardware [Paet2005] eine grundlegende Architektur eines Partikelsystems. Diese umfasst ein Partikelsystem, die eine Menge von Emittern enthĂ€lt, welche eine Menge von Partikel emittieren. Er beschreibt weiterhin, dass die Implementierung auf der CPU oder auf der Grafikkarte erfolgen kann. Bei der Implementierung auf der Grafikkarte sei mit erheblichen Leistungssteigerungen zu rechnen.

Nach [Paet2005] besitzt jedes Partikel einen Lebenszyklus, der mit der durch das Emittieren beginnt und nach Ablauf der Lebensspanne endet. Ein zwingendes Attribut eines Partikels ist also seine Lebensdauer. Weitere zwingende Attribute von Partikeln sind Position und Richtungsvektor. In der Regel enthĂ€lt Partikel eine Berechnungsfunktion, um die neue Position in AbhĂ€ngigkeit von Ă€ußeren EinflĂŒssen wie Wind und Gravitation zu berechnen. Der Nachteil dieser Methode wird in dieser Arbeit herausgearbeitet.

Nina Damasky beschreibt in [Dam2008] die Implementierung der Visualisierung von verschiedenen Effekten wie Schnee, Feuer und Feuerwerk. Jeder einzelne dieser Effekte erfolgte in einer eigenen Implementierung. Vorteil der Methode ist, dass die Software um weitere Effekte erweitert werden kann, ohne dass die anderen Implementierungen beeintrÀchtigt werden. Jedoch sind die Effekte nicht kombinierbar. Auch dies soll in dieser Arbeit nÀher betrachtet werden.

Die Darstellung von Partikeln ist ebenfalls von besonderer Bedeutung. Moderne Grafikkarten ermöglichen mit Billboarding eine Technik, die bei der Darstellung von Partikeln ĂŒblich ist. Dabei werden texturierte FlĂ€chen immer so gedreht, das die Kamera stets senkrecht darauf schaut. Auch bei einer Änderung der Kameraposition oder des Blickwinkels sieht man die Textur von vorn. Damit entsteht der Eindruck von dreidimensionalen Objekten wie z.B. Kugeln. Alpha Blending ist eine weitere Technik, die fĂŒr die Darstellung von Partikeln nĂŒtzlich ist. Beim additiven Alpha-Blending werden die Farbwerte eines Partikels auf den Hintergrund zu einem gewissen Teil, dem Alphawert, aufaddiert. Dieser Effekt lĂ€sst sich beispielsweise dazu nutzen, dass eine Menge von sich ĂŒberlagernden Rauch-Partikeln eine Rauchwolke ergibt.

3. Konzept und Architektur

Kombinierbarkeit, Konfigurierbarkeit und Erweiterbarkeit sind wesentliche Anforderungen an diese Software. In diesem Abschnitt wird beschrieben, wie diese Anforderungen erfĂŒllt werden.

Abbildung 1 zeigt die Architektur der Software. Sie besteht aus zwei Komponenten: einerseits der Partikelsimulation und andererseits der Visualisierungs- und Editierkomponente. Zweck der Komponente Partikelsimulation ist es, Partikel zu erschaffen, zu verÀndern und zu terminieren. Diese Komponente ist unabhÀngig von der Visualisierungs- und Editierkomponente. Das bedeutet, die Partikelsimulation ist auch ohne eine Visualisierung nutzbar. Zweck der Visualisierungs- und Editierkomponente ist es, eine 3D Szene darzustellen und FunktionalitÀten zum Editieren der Partikelsimulation anzubieten.

3.1 Partikelsimulation

Die Partikelsimulation enthÀlt eine Menge von Partikeln, Faces, Emittern, Features und Modifieren. Partikel sind einzelne Objekte, die in einer Liste effizient verwaltet werden. Sie enthalten einige notwendige Attribute, wie z.B. Position, Richtungsvektor, Anzahl der vergangenen und restlichen Iterationen des Lebenszyklus sowie welcher PartikelRenderer zum Einsatz kommen soll. Faces sind FlÀchen, die durch mindestens drei Partikel definiert sind. ZusÀtzlich enthalten Faces die Information, welcher FaceRenderer bei der Visualisierung Anwendung finden soll.

Emitter erzeugen neue Partikel sowie Faces und fĂŒgen sie der Partikelsimulation hinzu. Ein einzelnes Partikel enthĂ€lt aus GrĂŒnden der Performance und des Speicherverbrauchs möglichst wenige Attribute. Bei komplexeren Einsatzszenarien ist es jedoch notwendig, dass Partikel zusĂ€tzliche Attribute besitzen. Die FlexibilitĂ€t eines Partikels wird erreicht, indem dem Partikelsystem sogenannte Features hinzugefĂŒgt werden können. Ein Feature erweitert das Basispartikel durch ein oder mehrere zusĂ€tzliche Attribute. Die Initialisierung der zusĂ€tzlichen Attribute wird vom Emitter an alle in der Partikelsimulation instanzierten Features delegiert.

Die Aufgabe von Modifiern ist es, die Attribute jedes Partikel pro Simulationsiterationsschritt zu verÀndern. Beispielsweise können Modifier den Bewegungsrichtungsvektor eines Partikels Àndern. Auf konkrete Implementierungen von Modifiern wird im Abschnitt Realisierung eingegangen.

3.2 Visualisierung

Die Visualisierungs- und Editierkomponente besteht aus einer Menge von Renderern, Editoren, Partikel-Renderern und Face-Renderern. Die Aufgabe eines Renderers ist es, ein bestimmtes Element der Partikelsimulation zu visualisieren. So kann eine konkrete Implementierung eines Renderers eine konkrete Implementierung eines Emitters oder Modifiers in der 3D-Szene sichtbar machen. Beispielsweise rendert ein GravityPointRenderer einen GravityPoint-Modifier in der 3D-Szene. Konkrete Implementierungen von Renderern werden im Abschnitt Realisierung vorgestellt.

Editoren dienen dem Bearbeiten von Attributen von Elementen der Partikelsimulation. Eine konkrete Implementierung eines Editors ermöglicht es dem Anwender die Attribute einer konkreten Implementierung eines Emitters oder Modifiers zu Ă€ndern. Zum Beispiel stellt der Gravity-PointEditor einen Editor fĂŒr jede Instanz eines GravityPointModifier zur VerfĂŒgung.

Nur dadurch, dass Renderer fĂŒr Modifier und Emitter in der 3D-Szene dargestellt werden, ist es möglich diese per 3D-Picking auszuwĂ€hlen und somit den Editor fĂŒr den ausgewĂ€hlten Modifier oder Emitter zu aktivieren.

Die Aufgabe von Partikel- und FaceRenderer ist es, ein Partikel bzw. ein Face in der 3D-Szene darzustellen. Jedem Partikel wird bei seiner Erzeugung durch einen Emitter die Information zugewiesen, welcher PartikelRenderer zum Einsatz kommen soll. Gleiches gilt analog fĂŒr Faces und FaceRenderer.

Die konkreten Implementierungen eines PartikelRenderers stellen die einzelnen Partikel unterschiedlich dar. Beispielsweise als einfache Punktprimitive, als Dreieck oder als Tetraeder. Aber auch komplexere Darstellungsverfahren sind möglich: z.B. Ringe oder Röhren.

FaceRenderer visualisieren – Ă€hnlich wie PartikelRenderer – Faces. Jede Face enthĂ€lt eine Menge von mindestens drei Partikeln, die die Eckpunkte der FlĂ€che definieren. Konkrete Implementierungen von FaceRenderern können die FlĂ€chen unterschiedlich darstellen. Beispielsweise als eingefĂ€rbtes Polygon oder als texturiertes Polygon.

3.3 Zwischenfazit

Wie eingangs erwĂ€hnt, soll die Software erweiterbar sein und dem Anwender umfangreiche Kombinations- und Konfigurationsmöglichkeiten bieten. Kann diese Software diese Anforderungen erfĂŒllen? Erstens ist die Software erweiterbar, indem neue Emitter, Modifier, Features, Renderer, Editoren, PartikelRenderer oder FaceRenderer implementiert werden. Zweitens kann der Anwender beliebig viele Emitter, Modifier und Features einer konkreten Partikelsimulation hinzufĂŒgen und durch Editoren konfigurieren – damit ist die Kombinierbarkeit und Konfigurierbarkeit gewĂ€hrleistet. Schließlich ist die Visualisierung einer konkreten Szenerie durch Renderer, PartikelRenderer und FaceRenderer sehr flexibel.

4. Realisierung

In Abschnitt 3 wurde bereits die Architektur der Software beschrieben. Dieser Abschnitt soll die konkrete Implementierung und den Funktionsumfang der Software erlÀutern.

4.1 Eingesetzte Technologien

Die in Java geschriebene Software nutzt OpenGL zur Visualisierung. FĂŒr Java existiert eine performante und leichtgewichtige Open-Source-Bibliothek, die das OpenGL Application Programming Interface fĂŒr Java zur VerfĂŒgung stellt. Des Weiteren bietet Slick2D FunktionalitĂ€ten zum Darstellen von Text per OpenGL zur VerfĂŒgung. Als Werkzeug zum Bauen und zur AbhĂ€ngigkeitsverwaltung von eingesetzten Bibliotheken wurde das in der Java-Welt verbreitete Maven genutzt.

4.2 Partikel und Features

Partikel sind inhaltlich das wichtigste Element einer Partikelsimulation. Jedoch sind bei der Implementierung einige wichtige Voraussetzungen zu erfĂŒllen. ZunĂ€chst muss davon ausgegangen werden, dass eine hohe Anzahl von Partikeln erzeugt werden soll. Je mehr Partikel es gibt, desto mehr Speicherplatz wird benötigt. Daher ist bei der Datenstruktur von Partikeln darauf zu achten, dass keine unnötigen Informationen gespeichert werden. Des Weiteren sollen die Partikel als reine Datencontainer implementiert werden, die keinerlei Fachlogik enthalten. Dies ist aus mehreren GrĂŒnden sinnvoll. Einerseits fĂŒhrt die Trennung von Daten und Fachlogik zu einer höheren Wartbarkeit der Software. Andererseits benötigen Objektinstanzen von reinen Datenklassen weniger Arbeitsspeicher als Instanzen von Klassen mit Methoden. Eine weitere Anforderung ist die gewĂŒnschte FlexibilitĂ€t der Software, die insbesondere bei der Implementierung von Partikeln zu berĂŒcksichtigen ist. Die Erweiterbarkeit und Austauschbarkeit von einer konkreten Implementierung einer Partikelklasse wurde ermöglicht, indem ein Interface Particle definiert wurde. In der gesamten Anwendung wird auf das Interface referenziert. Somit ist es ein leichtes, eine alternative Implementierung einer Partikelklasse zu nutzen. Die Standardimplementierung erbt von HashMap erlaubt daher, neben festen Attributen wie Position und Richtungsvektor, dynamische Attribute hinzufĂŒgen. Diese FlexibilitĂ€t erlaubt es, Partikel durch Features zu erweitern, wie es bereits in Abschnitt 3.1 beschrieben wurde. Nachfolgend werden einige implementierte Features vorgestellt.

Mit dem Feature ParticleColor können die Partikel um die Informationen fĂŒr Farben erweitert werden. Dazu werden in einem Partikel die Farbwerte fĂŒr Rot, GrĂŒn und Blau fĂŒr Start- und Endposition hinterlegt. Ein weiteres Feature ist ParticleSize, das die Partikel um die Start- und EndgrĂ¶ĂŸe erweitert. Durch das HinzufĂŒgen des Features InitialVelocityScatter bewirkt man, dass die Richtungsvektoren der emittierten Partikel eine Streuung erfahren. Wie sich die Streuung auswirkt, kann jeweils fĂŒr die x-, y- und z-Richtung konfiguriert werden. Ein weiteres Feature ist Mass-Spring, welches die Partikelsimulation um Federn zwischen Partikeln erweitert. Die Federn werden in einer Liste in jedem Partikel verwaltet. Schließlich kann durch das Feature PositionPath die Simulation dahingehend erweitert werden, dass in jedem Partikel die letzten Positionen eines Partikels gespeichert werden können. Dies eignet sich beispielsweise, um fĂŒr ein Partikel einen Schweif oder eine Röhre entlang seiner vergangenen Positionen zu zeichnen. Features erlauben eine Erweiterung der Datenstruktur der Partikel und sie können genutzt werden um beim Emittieren Attribute des Partikels zu setzen oder zu beeinflussen. Jedoch haben sie keine modifizierende Wirkung wĂ€hrend der Lebenszeit des Partikels. Daher ist es fĂŒr die meisten AnwendungsfĂ€lle notwendig, Modifier zu implementieren, die Partikelattribute wĂ€hrend der Lebenszeit zu verĂ€ndern. Mehr dazu in Kapitel 4.4.

4.3 Emitter

In der Anwendung wurden mehrere Emitter implementiert. Der PointEmitter erzeugt an einer bestimmten Position neue Partikel. Bei diesem Vorgang wird ein neues Partikelobjekt erzeugt und ihm die Position des Emitters zugewiesen. ZusÀtzlich werden anhand der Konfiguration des Emitters der Richtungsvektor und die Anzahl der verbleibenden Lebenszyklusiterationen gesetzt.

Eine weitere Implementierung ist der PlaneEmitter, der die initiale Position des erzeugten Partikels auf eine zufĂ€llige Position einer konfigurierten FlĂ€che setzt. Ein SphereEmitter unterscheidet sich zu einem PointEmitter dadurch, dass der Richtungsvektor zufĂ€llig ist. Das bedeutet das Partikel in alle Richtungen ausgestoßen werden.

WĂ€hrend die bereits erwĂ€hnten Emitter relativ einfach sind, lĂ€sst sich die KomplexitĂ€t von Emittern weiter steigern. Der Tetrahedron-Emitter erzeugt Tetraeder, die aus vier Partikeln bestehen, die jeweils durch Federn miteinander verbunden sind. ZusĂ€tzlich werden vier Faces erzeugt, die die Außenhaut des Tetraeders bilden. Der ClothEmitter erzeugt ein Netz von Partikeln, die jeweils mit Federn verbunden sind. Dadurch lĂ€sst sich Stoff simulieren. Ein weiterer Emitter ist der SoftBodyEmitter. Dieser lĂ€dt ein 3D-Modell aus einer Datei und erzeugt pro Vertices des 3D-Modells ein Partikel. ZusĂ€tzlich werden die Faces des 3D-Modells ausgelesen und die erzeugten Partikel zu Faces der Partikelsimulation verbunden. Die Partikel eines Faces werden weiterhin mit Federn verbunden, um dem 3D-Modell eine StabiltĂ€t zu verleihen. Außerdem werden Ankerpunkte an der initialen Position eines Partikels erzeugt und mit einer starken Feder mit dem Partikel verbunden um ihn an seiner ursprĂŒnglichen Position zu halten. Es ist zu sehen, dass Emittern einfach oder komplex sein können. FĂŒr Stoff oder wacklige Objekte wurden komplexere Emitter implementiert. Doch Emitter alleine, selbst wenn sie komplex sind, bewirken noch kein dynamisches System. Die Dynamik der Partikelsimulation wird erst durch die Modifikation der Partikel wĂ€hrend ihrer Laufzeit erreicht.

4.4 Modifier

Diese Aufgabe obliegt Modifiern. Die Attribute von Partikeln werden ausschließlich durch Modifier verĂ€ndert. Das bedeutet, dass in einer Partikelsimulation ohne Modifier sich der Zustand von Partikeln nicht Ă€ndert. FĂŒr diese Software wurde daher eine Reihe von Modifiern implementiert. Der wichtigste Modifier ist die Klasse VelocityTransformation. Er Ă€ndert die Position des Partikels, indem auf die bisherige Position der Richtungsvektor aufaddiert wird:

Formel 1: Velocity Transformation

Der Modifier VelocityTransformation ist der einzige Modifier, der die Position des Partikels Àndert. Die weiteren verÀndern in der Regel den Richtungsvektor des Partikels. Dies ist auch beim Modifier VelocityDamper der Fall. Dabei wird der Richtungsvektor um einen DÀmpfungsfaktor verringert:

Formel 2: Velocity Damper

Drei weitere Modifier lassen eine Gravitationskraft auf die Partikel wirken. Erstens ist der GravityPoint eine punktförmige Gravitationsquelle, deren Gravitationskraft in alle Richtungen wirkt. Zweitens wirkt beim Modifier GravityPlane die Gravitationskraft in Lotrichtung einer FlĂ€che. Drittens der Modifier ParticleGravity, der alle GravitationskrĂ€fte zwischen allen Partikeln berechnet. Die Gravitationskraft beeinflusst jeweils wiederum den Richtungsvektor. Da die Berechnung der GravitationskrĂ€fte fĂŒr alle drei Modifier Ă€hnlich ist, wird nachfolgend die Berechnung der Gravitationskraft exemplarisch fĂŒr den Modifier GravityPoint erlĂ€utert.

Formel 3: Berechnung der Gravitationskraft und Änderung des Richtungsvektors

ZunĂ€chst wird die Distanz des Partikels zum Gravitationspunkt berechnet. Anschließend wird die Gravitationskraft berechnet, die von der Distanz und der Masse des Partikels sowie des Gravitationspunkts abhĂ€ngig ist. Das Partikel wird in Richtung des Gravitationspunkts um die eben berechnete Gravitationskraft in AbhĂ€ngigkeit zur Distanz und Masse des Partikels beschleunigt. Abschließend wird der Beschleunigungsvektor mit dem bisherigen Richtungsvektor addiert, um den neuen Richtungsvektor zu erhalten.

Eine Eigenschaft der Partikelsimulation ist, dass Partikel voneinander unabhĂ€ngig sind. Durch das Feature MassSpring und den Modifier MassSpringTransformation wird die Simulation um das physikalische Konzept Masse-Feder-Systeme erweitert. Partikel besitzen jeweils eine Masse und sind mit Federn untereinander verbunden. Jede Feder hat eine festgelegte LĂ€nge, bei welcher sie sich im Ruhezustand befindet. Sie kann jedoch auch gestaucht sein, d.h. die Distanz zweier mit Federn verbundener Partikel ist geringer als die eigentliche LĂ€nge der Feder. Andersherum ist die Feder gestreckt wenn die Distanz grĂ¶ĂŸer ist. Der Modifier berechnet in jeder Iteration fĂŒr jedes Partikel und jede ihrer Federn die Federkraft und Ă€ndert den Richtungsvektor beider mit der Feder verbundenen Partikel. Um zu vermeiden, dass die FederkrĂ€fte doppelt berechnet werden, und damit Geschwindigkeitseinbußen zu verzeichnen wĂ€ren, ist eine Feder eindeutig einem Partikel zugeordnet. Damit Partikel ĂŒberhaupt ĂŒber Federn verfĂŒgen, mĂŒssen sie dem Partikel von einem spezialisierten Emitter hinzugefĂŒgt werden. Beispiele sind der ClothEmitter und der SoftBodyEmitter.

Formel 4: Berechnung der FederkrĂ€fte und Änderung des Richtungsvektors

In Abschnitt 4.2 wurden bereits die Features ParticleColor und ParticleSize erwĂ€hnt. Doch beim Einsatz dieser Features ohne einen zugehörigen Modifier wĂŒrde zwar die Datenstruktur des Partikels erweitert werden, aber der Farbwert bzw. die GrĂ¶ĂŸe des Partikels nicht geĂ€ndert werden. Daher wurden zur Änderung der Farben und der PartikelgrĂ¶ĂŸe ĂŒber die Zeit mehrere Modifier implementiert. Die LinearColorTransformation Ă€ndert die aktuelle Farbe des Partikels zwischen Startfarbe und Endfarbe durch lineare Interpolation. Somit ist es beispielsweise möglich, dass ein anfĂ€nglich rotes Partikel sich zu einem gelben Partikel entwickelt. Der Modifier RandomStartColor vergibt jedem Partikel bei der ersten Iteration eine zufĂ€llige Farbe. Ein weiterer Modifier LinearSizeTransformation arbeitet Ă€hnlich wie der Modifier LinearColorTransformation und Ă€ndert die PartikelgrĂ¶ĂŸe von einer StartgrĂ¶ĂŸe bis hin zur EndgrĂ¶ĂŸe. Hingegen lĂ€sst der Modifier PulseSizeTransformation die GrĂ¶ĂŸe des Partikels mit Hilfe einer Sinusschwingung pulsieren.

Ebenfalls in Abschnitt 4.2 wurde das Feature PositionPath vorgestellt. Ziel ist es, dass ein Partikel die letzten Positionen speichert. Der Modifier PositionPathBuffering entfernt bei jeder Iteration die Ă€lteste Position und fĂŒgt die aktuelle Position hinzu.

Wie zu sehen ist, nehmen die Modifier eine zentrale Rolle im Partikelsystem ein. Sie verringern die KomplexitĂ€t des gesamten Systems, indem einzelne Operationen jeweils in einem eigenen Modifier gekapselt werden. Modifier sind kombinierbar und es können alternative Implementierungen, wie z.B. bei der Art wie die Farben ĂŒber die Zeit geĂ€ndert werden, angeboten werden.

4.5 Renderer

Die bisherigen Abschnitte behandelten die Erzeugung und Modifizierung innerhalb des Partikelsystems. Dieser Abschnitt zeigt die Visualisierung des Partikelsystems. Dabei umfasst die Visualisierung nicht nur die Partikel und Faces selbst, sondern es gilt weitere Elemente wie beispielsweise Emitter und Modifier darzustellen. FĂŒr jedes darzustellende Element muss das Interface Renderer implementiert werden. Da es einige Methoden gibt, die allen Renderern gemeinsam sind, implementieren die konkreten Renderer von der abstrakten Klasse AbstractRenderer.

Renderer können der Visualisierungs- und Editierkomponente dynamisch hinzugefĂŒgt werden. Zudem können Renderer auch temporĂ€r aktiviert und deaktiviert werden. Die Klasse RendererManager verwaltet alle Renderer und ruft in jedem Frame jeden hinzugefĂŒgten und aktivierten Renderer auf.

Zur Visualisierung von Emittern wurde die Klasse EmitterRenderer implementiert. Der EmitterRenderer zeichnet an der Position aller in der Partikelsimulation vorhandenen Emitter eine Kugel. Diese kann per Mausklick durch den Raum gezogen werden, und Ă€ndert die Position des Emitters. Beim Anklicken einer Kugel wird ein Editor fĂŒr den ausgewĂ€hlten Emitter geöffnet. Zudem ist es möglich, einen ausgewĂ€hlten Emitter per Tastendruck zu entfernen. Jedoch sind nicht alle Emitter punktförmig und mĂŒssen daher auf eine andere Weise dargestellt werden. Beispielsweise ist der PlaneEmitter mit zwei Punkten und einer Normale definiert und muss dementsprechend als FlĂ€che im Raum dargestellt werden.

Bei den Modifiern wird in darstellbare und nicht darstellbare Modifier unterschieden. Nichtdarstellbare Modifier sind beispielsweise die Klasse ParticleLimiter, die die Höchstzahl von Partikeln im System reguliert und die Klasse VelocityTranstransformation, die den aktuellen Richtungsvektor zur aktuellen Position addiert. Jedoch existieren einige Modifier, die darstellbar sind. Dies sind zum Beispiel punktförmige Gravitationspunkte, die durch den Renderer GravityPointRenderer dargestellt werden. Wie Emitter besitzen sie eine Position und werden ebenfalls als Kugel, jedoch in einer anderen Farbe, gezeichnet.

Ein weiterer Renderer ist von Nutzen, wenn das Feature MassSpring genutzt wird. Der SpringRenderer zeichnet die in der Partikelsimulation existierenden Federn zwischen Partikeln ein. Um darzustellen, ob eine Feder im entspannten Zustand ist, werden drei Farben zum Zeichnen der Linie verwendet. Eine rote Linie bedeutet, dass die Feder gedehnt ist und sich zusammenziehen will. Hingegen bedeutet eine grĂŒne Linie, dass die Feder gestaucht ist und sich ausdehnen möchte. Eine Feder im Ruhezustand wird grau gezeichnet. Ob sich die Feder im gedehnten, gestauchten oder Ruhezustand befindet, berechnet sich dadurch, ob die Distanz beider Partikel grĂ¶ĂŸer, kleiner oder gleich der FederlĂ€nge ist.

Es gibt weitere Renderer, die kurz vorgestellt werden sollen: der CameraRenderer stellt an den Positionen der Kameras einen Trichter in Blickrichtung der Kamera dar. Der AxisRenderer zeichnet ein Achsenkreuz durch den Ursprung des World Space.

4.6 Rendering von Partikeln und Faces

Nun stellt sich die Frage, wie Partikel und Faces gezeichnet werden. Auch dies soll der Anforderung der Software entsprechen, flexibel und erweiterbar zu sein. Um unterschiedliche Partikeltypen darzustellen, existiert ein Interface ParticleRenderer. Das konkrete Zeichnen von Partikeln findet in einer Klasse statt, die dieses Interface implementiert.

Die Klasse ParticleRendererManager verwaltet die einzelnen Renderer fĂŒr Partikel. Auch sie können dynamisch zur Laufzeit hinzugefĂŒgt, entfernt oder ausgetauscht werden. Zur Effizienzsteigerung ist eine weitere Aufgabe des ParticleRendererManager das Cachen von Partikeln in separaten Listen fĂŒr jeden genutzten ParticleRenderer. Diese Listen ermöglichen es, Partikel, die einen bestimmten ParticleRenderer nutzen, direkt nacheinander zu zeichnen. Das bedeutet, dass die Initialisierung und Deinitialisierung des Zeichnens, wie beispielsweise das Laden einer Textur oder das Setzen einer Zeichenprimitive in OpenGL, nicht einmal pro Partikel geschieht, sondern nur einmal pro ParticleRenderer. Auf diese Weise konnte, je nach konkreter Implementierung, eine enorme Steigerung der Performance erreicht werden. Der zu zahlende Preis ist eine gesteigerte KomplexitĂ€t durch die Verwaltung der Listen und die Invalidierung von Cacheobjekten, d.h. Partikel deren Lebenszyklus beendet ist. Gerade das Entfernen von Partikelobjekten aus dem Cache ist Performancekritisch. Daher wurde es nötig, die Java-Klasse LinkedList zu verwenden, die im Gegensatz zu ArrayList sowohl beim hinzufĂŒgen als auch beim entfernen von Listenobjekten in linearer Zeit arbeitet.

Die Darstellung von Partikeln selbst kann unterschiedlich komplex sein. Die einfachsten FĂ€lle sind das Zeichnen von Primitiven wie Punkten, Linien, LinienzĂŒge, Dreiecken und Vierecken. Diese konnten so erweitert werden, dass sie farbig gezeichnet werden, wenn das Feature ParticleColor vorhanden ist. Auch die Verwendung des Features ParticleSize ist beispielsweise durch die PunktgrĂ¶ĂŸe oder die Liniendicke auf einfache Weise möglich. Zudem wurde Alphablending eingesetzt, so dass Punktwolken deutlich realistischer wirken, da die Dichte der Wolke sichtbar wird.

Sollen optisch ansprechende Partikelrenderer implementiert werden, so steigt der Aufwand bei der Implementierung. OpenGL unterstĂŒtzt mit sogenannte Point Sprites, mit welchen sich das Verfahren Billboarding anwenden lĂ€sst (siehe Abschnitt 2). Die Initialisierungsphase eines Partikelrenderers ist bei der Nutzung von Billboarding deutlich umfangreicher. Doch dieses Verfahren ist lohnenswert: in Verbindung mit geeigneten Texturen werden optisch ansprechende Effekte möglich. So greifen einige Partikelrenderer fĂŒr diese Technik zurĂŒck, um Feuer- und EnergiebĂ€lle, Lagerfeuer, grĂŒne Giftwolken, Nebelschwaden und Schnee-flocken darzustellen. Dank der UnterstĂŒtzung der Grafikhardware und OpenGL ist das Zeichnen nur wenig langsamer als das Zeichnen einer Punktprimitive.

Die Möglichkeiten der Visualisierung von Partikeln sind damit jedoch noch nicht ausgeschöpft. So wurde ein Partikelrenderer fĂŒr Ringe implementiert, der einen Kreis mit dem Durchmesser der PartikelgrĂ¶ĂŸe zeichnet. Dabei liegt der Richtungsvektor des Partikels im Lot der FlĂ€che des Kreises, so dass bei hintereinander emittierten Partikeln der Effekt einer gekrĂŒmmten Röhre entsteht. Der TubeParticleRenderer nutzt das Feature PositionPath und stellt anhand der letzten Positionen eine Röhre dar. Dazu muss neben der Normale und der Tangente auch die Bitangente des Partikels fĂŒr die Berechnung der einzelnen Röhrensegmente genutzt werden. Eine Variante des TubeParticleRenderers ist die Klasse SpiralParticleRenderer, die die Röhrensegmente beim Zeichnen verdreht, so dass statt einer Röhre eine Spirale entsteht.

Im Laufe der Entwicklung wurden Partikelrenderer auch dazu verwendet, um physikalische VorgĂ€nge zu visualisieren. In einer Partikelsimulation mit mehreren Gravitationspunkten ist es beispielsweise von Interesse, wie sich der Richtungsvektor eines Partikels pro Iteration Ă€ndert. Sehr anschaulich wird dies durch die Klasse VelocityIndicatorParticleRenderer. Diese zeichnet ausgehend von der Position des Partikels den Richtungsvektor als Linie. Eine weitere Darstellungsform ist die Klasse VeloCube, die einen Quader zeichnet. Die Ausmaße ergeben sich dabei durch die drei Komponenten des Richtungsvektors.

Analog zur Darstellung von Partikeln erfolgte die Umsetzung der Darstellung von Faces. Jedoch muss das Interface FaceRenderer implementiert werden. Die Verwaltung erfolgt durch die Klasse FaceRendererManager. Das beschriebene Verfahren zum Cachen von Partikeln wurde ebenfalls beim FaceRendererManager angewendet. Der bedeutenste Unterschied liegt darin, dass FaceRenderer die Positionen von einer variablen Anzahl von in den Faces enthaltenen Partikeln nutzen mĂŒssen. Eine einfache Implementierung ist die Klasse PolygonFaceRenderer, die ein Polygon unter Verwendung der Partikelpositionen als Eckpunkte zeichnet. Jedoch sind weitere AnwendungsfĂ€lle möglich, wie beispielsweise gekrĂŒmmte OberflĂ€chen oder das Zeichnen von mehreren FlĂ€chen.

4.7 Performance

Ein wichtiger Aspekt bei der Implementierung der Partikelsimulation ist die Performance. Um die Performance zu steigern, wurden mehrere Maßnahmen durchgefĂŒhrt.

Pro Iterationsschritt wird jeweils jeder Emitter aufgerufen. Anschließend werden in jedem Iterationsschritt fĂŒr jedes Partikel jeder Modifier aufgerufen. Im Gegensatz zu Emittern ist also die Anzahl von Modifiern entscheidend fĂŒr die Performance. Da Modifier fĂŒr jeden Partikel aufgerufen werden, sinkt die Performance je mehr Partikel existiert sind. ZusĂ€tzlich unterscheiden sich der Aufwand der Implementierungen von Emittern und Modifiern.

Wie in Abschnitt 3 gezeigt, ist die Komponente Partikelsimulation unabhÀngig von der Visualisierungs- und Editierkomponente. Durch diese Trennung wird es möglich beide Komponenten in eigenen Threads zu betreiben. Dies ist in doppeltem Sinne erstrebenswert: die Verarbeitungsgeschwindigkeit wird einerseits erhöht und andererseits blockieren sich beide Komponenten nicht.

Weiterhin werden Partikel, Faces, Emitter, Modifier und Features in einer ArrayList verwaltet, da dies in Java den schnellstmöglichen Zugriff per Iterator ermöglicht.

Ein weiterer Aspekt betrifft das fortlaufende Erzeugen von neuen Partikelobjekten durch Emitter. Schon das Erzeugen von Java-Objekten belastet die Performance. Noch drastischer wirkt sich jedoch das AufrĂ€umen von nicht mehr genutzten Objekten in Java aus. Wird ein Objekt referenzlos, so wird dieses bei der nĂ€chsten GarbageCollection von der Java Virtual Maschine entfernt. WĂ€hrend der GarbageCollection wird jedoch die Anwendung, die auf der virtuellen Maschine lĂ€uft, in diesem Fall die Partikelsimulation, vollstĂ€ndig blockiert bis die Garbage-Collection beendet ist. Dies fĂŒhrt bei wenigen Partikeln, zu gelegentlichen und kaum merkbaren Rucklern. Je mehr Partikel jedoch emittiert wurden und nach ihrem Lebenszyklus schließlich aufgerĂ€umt werden mĂŒssen, desto hĂ€ufiger und störender wirkt sich dieser Effekt aus.

Als Maßnahme um diese störenden Effekte zu minimieren, werden Partikel wiederverwendet. Statt ein Partikelobjekt nach dem Lebenszyklus aus der Liste von lebenden Partikeln zu entfernen, und damit der Garbage-Collection zu ĂŒberlassen, werden sie in einem als Stack implementierten Pool gespeichert. Emitter erzeugen nur noch dann neue Partikel- objekte, wenn in dem Pool keine Partikelobjekte mehr vorhanden sind. Anderenfalls wird ein Partikelobjekt aus vom Stack geholt und initialisiert. Somit konnte verhindert werden, dass die Anwendung durch hĂ€ufige und lĂ€nger dauernde GarbageCollection-VorgĂ€nge unterbrochen wird. Zudem konnte durch das Reduzieren des Erzeugens von neuen Java-Objekten Performancesteigerungen erreicht werden.

5. Ergebnisse

Die Software leistet einen Beitrag zur Entwicklung von Partikelsimulationen mittels Java, OpenGL und der Leightweight Java Game Library. Sie ist als Open-Source Experimentiersoftware fĂŒr Partikelsysteme bisher konkurrenzlos. Durch die Architektur der Software wird nicht nur die Erweiterbarkeit gewĂ€hrleistet, sondern zudem eine hohe Performance erreicht.

Die vorgestellte Anwendung könnte zum Ausprobieren von neuartigen visuellen Effekten, beispielsweise fĂŒr Computerspiele oder Filme, genutzt werden oder sogar KĂŒnstlern als neue Ausdrucksform dienen. Des Weiteren bietet sich die Software zur Visualisierung von Simulationen an.

Um die Erkenntnisse öffentlich verfĂŒgbar zu machen, steht die entwickelte Software unter dem General Public License. Dies erlaubt es Dritten, die Software zu nutzen, erweitern und unter gleichen Bedingungen weiterzugeben.

6. Zusammenfassung und Ausblick

Diese Arbeit zeigt die Implementierung einer Experimentiersoftware zur Simulation und Darstellung von Partikeln. Sie erlaubt es dem Anwender, visuell eindrucksvolle, aus Partikel bestehende Szenarien zu entwickeln. Dieses Ziel wurde durch die Erweiterbarkeit der Software einerseits und die Kombinierbarkeit und Konfigurierbarkeit innerhalb der Anwendung andererseits erreicht.

ZukĂŒnftige Weiterentwicklungen könnten weitere Emitter, Modifier und Features umfassen. Beispielsweise könnten Emitter fĂŒr die Generierung von fraktalen Landschaften oder fĂŒr die Generierung von Vegetation mittels Lindenmayer Systemen implementiert werden. Eine weitere Erweiterungsmöglichkeit bestĂŒnde darin, einen Modifier zu implementieren, der die Reproduktion und VervielfĂ€ltigung von Partikeln anhand von Regeln simuliert. DarĂŒber hinaus könnte die Software um Beleuchtungs- und Reflexionsmodelle erweitert.

Literatur:

[BFA2002] Bridson, Robert; Felkiw, Ronald und Anderson, John. Robust Treatment of Collisions, Contact and Friction for Cloth Animation. 2002, Standford, USA

[BW1998] Baraff, David und Witkin, Andrew. Large Steps in Cloth Simulation. 1998, Orlando, USA

[Dam2008] Damasky, Nina Partikelsimulation (Studienarbeit). 2008, Koblenz

[FR1986] Fournier, Alain und Reeves, William T. A simple model of ocean waves. 1986, Toronto, USA

[Hel2009] Helminger, Mathias. Physics – Particle Systems. 2009, MĂŒnchen

[Lan2004] Lange, Marc. Simulation StoffÀhnlicher Objekte. 2004, Koblenz

[LMT1991] Lafleur, Benoit; Magnenat Thalmann, Nadia und Thalmann, Daniel. Cloth Animation with Self-Collision Detection- 1991, Switzerland.

[OS2003] O’Connor, Corey und Stevens, Keith. Modeling Cloth Using Mass Spring Systems. 2003, Claremont, USA

[Paet2005] PĂ€tzold, Philipp. Entwicklung eines Partikelsystems auf Basis moderner 3D-Grafikhardware(Studienarbeit). 2005, Koblenz

[Ree1981] Reeves, William T. Inbetweening for Computer Animation Utilizing Moving Point Constraints. 1981

[Ree1983] Reeves, William T. Particles Systems – A Technique for Modeling a Class of Fuzzy Objects. 1983

[Ree1985] Reeves, William T. Approximate and Probabilistic Algorithms for Shading and Rendering Structured Particle Systems. 1985.

Terrain Generation in der Cube2 Engine

Die Cube2-Engine verfĂŒgt ĂŒber einen exzellenten in-game Map-Editor. Basierend auf einem Octree, können Cubes auf allen sechs Seiten deformiert werden. Das Format spart nicht nur Platz auf der Festplatte, sondern auch im Arbeitsspeicher. Damit ist es möglich große 3D-Welten auch auf resourcenschwacher Hardware darzustellen. Da die Welt jedoch nicht einfach aus einer Menge von Vertices besteht, ist die Implementierung eines Terrain Generators deutlich aufwĂ€ndiger.

Der grundlegende Algorithmus ist Simplex-Noise, eine Weiterentwicklung von Perlin-Noise. Vorteil des Algorithmus gegenĂŒber seinem VorgĂ€nger ist es, dass er in höheren Dimensionen deutlich performanter ist. Das Ergebnis des Algorithmus ist eine Höhenmap fĂŒr entweder 2D oder 3D. Wird Simplex-Noise fĂŒr 2D generiert, bekommt man pro x,y-Koordinate einen Höhenwert, also den z-Wert. Somit erhĂ€lt man eine hĂŒgelige Landschaft. Wird Simplex-Noise jedoch fĂŒr 3D generiert, bekommt man einen Dichtewert pro x,y,z-Koordinate. Dieser Dichtewert bewegt sich zwischen einem Minimum und einem Maximum, ĂŒblicherweise zwischen 0 und 1. Setzt man einen Grenzwert, beispielsweise 0.5, kann man zwischen solidem Gestein und Luft unterscheiden. Ein Dichtewert an einer Position x,y,z ist Gestein, wenn er den Grenzwert unterschreitet, ansonsten Luft. Außerdem ist es möglich das Spektrum zwischen 0 und 1 in mehrere Segmente aufzuteilen, um beispielsweise mehrere Schichten unterschiedlichen Gesteins zu erzeugen. Tiefere Schichten bestehen beispielsweise aus Granit, höhere Schichten aus Erde.

Um Höhen- und Dichtewerte in der Cube-Engine zu nutzen, muss die Map in gleich große Blöcke eingeteilt werden. Der Wert entscheidet darĂŒber, ob ein Block erstellt wird oder ob der Platz frei bleibt. Diese Welt ist jedoch eine Klötzchenwelt und damit ist der RealitĂ€tsgehalt sehr niedrig. Die Blöcke mussen nun noch interpoliert werden, um nahtlos aneinander anzuschließen. Dazu ist ein weiterer Algorithmus zustĂ€ndig: Marching Cubes. Dabei werden die Blöcke weiter in kleinere Blöcke zerlegt und fĂŒr jeden kleineren Block bestimmt, wie die OberflĂ€che des grĂ¶ĂŸeren Blocks diesen kleineren Block durchschneidet. AbhĂ€ngig davon wird eine von 15 möglichen Deformationen durchgefĂŒhrt. Damit ist die Geometrie erzeugt.

Um Lichter zu setzen, wird wiederum der Dichtewert bemĂŒht. Es wird derjendige Punkt ausgewĂ€hlt, der in der Mitte einer Höhle, d.h. garantiert in der Luft und in einiger Entfernung zu einer Wand, ist. Dies erreicht man indem man wiederum einen Grenzwert bestimmt, der deutlich grĂ¶ĂŸer ist, als der Grenzwert zwischen Gestein und Luft, aber etwas niedriger als das Maximum. Außerdem wird ein Minimalabstand zwischen den erzeugten Lichter eingehalten um eine gleichmĂ€ĂŸigere Ausleuchtung zu erzielen.

Neue PPC Amiga Hardware

Neue Hardware fĂŒr den Amiga: Acube kĂŒndigt fĂŒr Ende September einen neuen Amiga Rechner mit einer PPC460ex (1,15 GHz) auf einem SAM460ex Motherboard an. Als Betriebssystem ist AmigaOS 4.1 Update 3 vorinstalliert. Kosten des Systems: etwa 1000 Euro.

0 A.D. alpha 7 brings new sounds!