O artigo foi motivado pelo 2025 September Article Bounty
********************************************************
O princípio do Docker é simplesmente convincente para mim.

• Obtenha uma área restrita onde você pode brincar e tentar o que quiser/precisar fazer.
• Depois de terminar, você pode descartá-la sem deixar rastros em seu ambiente de trabalho.

Essa foi a base técnica que me permitiu executar cerca de 700 revisões no OEX 
quase sem efeitos colaterais  (exceto aqueles causados por mim mesmo).

Para iniciantes, vou começar com o IRIS puro, sem *health, *ML, *whatever.

Motivado pelo feedback pessoal de @Edilson Eberle Carvalho  e  uma excelente
apresentação de @Michael Braam relacionada com a Pesquisa Vetorial,
gostaria de partilhar a minha abordagem pessoal aos Vectores.

Quando comecei e encontrei vectores com 256, 384 e mais de 1200 dimensões - senti-me perdido.
No entanto, o meu exemplo Vector-inside-IRIS - uma simplificação da iris-vector-search - funcionou bem.

Seguindo um pacote do último concurso, encontrei um problema estranho.
Havia o requisito para instalar o jupyter-notebook.
Eu trabalho no Windows e havia algum Python antigo instalado.
Nenhuma grande surpresa: a instalação do jupyter-notebook falhou
Portanto, a versão mais recente do Python foi instalada rapidamente.

Grande decepção: a instalação do jupyter-notebook falhou novamente!
Porque a nova instalação do Python não atualizou a antiga.
E também a variável de ambiente PATH não foi limpa
Isso não ficou óbvio imediatamente e exigiu muito tempo e esforço.

Este exemplo demonstra a diferença de quando você acessa globais diretamente do
Embedded Python (ePy) comparado com o ObjectScript nativo (ISOS).

Para tornar este demo operacional, eu inicio 2 jobs em background, que irão escrever
sequencialmente na global dedicada. Um método de controle comum dispara uma execução síncrona.
De forma similar, outro método stop & view irá interromper o fluxo de dados.

Este é um pacote para exportar um arquivo de objeto global para JSON e recriá-lo recarregando a partir deste arquivo  
embeddedPython refere-se às novas tecnologias disponíveis. Deve ser entendido como um exercício de aprendizagem de
como lidar com as interfaces de linguagem.
Apenas os nós de Globals que contêm dados são apresentados no arquivo JSON gerado.

Exporte um GLOBAL no formato JSON e importe também este formato. Compacto refere-se à estrutura criada.
Nós de Globals são incluídos com dados para um carregamento de dados rápido.
Mas também o código relacionado é bastante compacto.

Exporte um GLOBAL no formato JSON e importe também este formato. Eficiente refere-se à estrutura criada.
Apenas os nós de Globals que contêm dados são apresentados no objeto JSON gerado.

Exporte um Global no formato JSON e importe também este formato. Académico refere-se à estrutura criada.
Cada nó lógico do Global é apresentado separadamente com todos os seus descendentes.
Mesmo que não contenham dados armazenados.

Ambiente:

• Windows 10
• Docker Desktop version v20.10.5