neomodel中与多种类型（多态性）的关系

Question

自 2014 年以来，存在与多个对象类型的关系不可用的问题： https://github.com/robinedwards/neomodel/issues/126

现在是 2016 年，我仍然不知道有任何解决方案可以解决这个关键问题。

使用示例：

class AnimalNode(StructuredNode):
    tail_size = IntegerProperty()
    age = IntegerProperty()
    name = StringProperty()

class DogNode(AnimalNode):
    smell_level = IntegerProperty()

class CatNode(AnimalNode):
    vision_level = IntegerProperty()

class Owner(StructuredNode):
    animals_owned = RelationshipTo("AnimalNode", "OWNED_ANIMAL")

dog_node1 = DogNode(name="Doggy", tail_size=3, age=2, smell_level=8).save()
cat_node1 = CatNode(name="Catty", tail_size=3, age=2, vision_level=8).save()

owner = Owner().save()
owner.animals_owned.connect(dog_node1)
owner.animals_owned.connect(cat_node1)

如果我尝试访问owner 的animals_owned 关系，如您所料，它只检索AnimalNode 基类而不是它的子类（DogNode 或CatNode），所以我无法访问这些属性： smell_level 或 vision_level

我希望在 neomodel 中允许这样的事情：

class Owner(StructuredNode):
        animals_owned = RelationshipTo(["DogNode", "CatNode"], "OWNED_ANIMAL")

然后当我访问owner 的animals_owned 关系时，它将检索DogNode 和CatNode 类型的对象，因此我可以根据需要访问子类属性。

但是 connect 方法会产生以下错误：

TypeError: isinstance() arg 2 must be a type or tuple of types 

有什么方法可以优雅地在 neomodel 中实现这一点？

谢谢！

Answer 1

我最近做了类似的事情来实现一个带有继承的元数据模型。相关代码在这里：https://github.com/diging/cidoc-crm-neo4j/blob/master/crm/models.py

基本上我采用的方法是使用普通的多重继承来构建模型，neomodel 可以方便地在节点上转换为相应的多个标签。这些模型都基于 neomodel 的StructuredNode 的抽象子类；我使用labels() 和inherited_labels() 实例方法添加了在类层次结构的各个级别重新实例化节点的方法。例如，此方法会将节点重新实例化为其最衍生的类或层次结构中的特定类：

class HeritableStructuredNode(neomodel.StructuredNode):
    def downcast(self, target_class=None):
        """
        Re-instantiate this node as an instance its most derived derived class.
        """
        # TODO: there is probably a far more robust way to do this.
        _get_class = lambda cname: getattr(sys.modules[__name__], cname)

        # inherited_labels() only returns the labels for the current class and
        #  any super-classes, whereas labels() will return all labels on the
        #  node.
        classes = list(set(self.labels()) - set(self.inherited_labels()))

        if len(classes) == 0:
            return self     # The most derivative class is already instantiated.
        cls = None

        if target_class is None:    # Caller has not specified the target.
            if len(classes) == 1:    # Only one option, so this must be it.
                target_class = classes[0]
            else:    # Infer the most derivative class by looking for the one
                     #  with the longest method resolution order.
                class_objs = map(_get_class, classes)
                _, cls = sorted(zip(map(lambda cls: len(cls.mro()),
                                        class_objs),
                                    class_objs),
                                key=lambda (size, cls): size)[-1]
        else:    # Caller has specified a target class.
            if not isinstance(target_class, basestring):
                # In the spirit of neomodel, we might as well support both
                #  class (type) objects and class names as targets.
                target_class = target_class.__name__

            if target_class not in classes:
                raise ValueError('%s is not a sub-class of %s'\
                                 % (target_class, self.__class__.__name__))
        if cls is None:
            cls = getattr(sys.modules[__name__], target_class)
        instance = cls.inflate(self.id)

        # TODO: Can we re-instatiate without hitting the database again?
        instance.refresh()
        return instance

请注意，这样做的部分原因是所有模型都定义在同一个命名空间中；如果不是这样，这可能会变得棘手。这里还有一些问题需要解决，但它可以完成工作。

使用这种方法，您可以定义与上级类的关系，然后用下级/更多派生类实例化connect 节点。然后在检索时，将它们“向下转换”到它们的原始类（或层次结构中的某个类）。例如：

>>> for target in event.P11_had_participant.all():
...     original_target = target.downcast()
...     print original_target, type(original_target)
{'id': 39, 'value': u'Joe Bloggs'} <class 'neomodel.core.E21Person'>

有关用法示例，请参阅this README。

Answer 2

好问题。

我猜你可以手动检查owner.animals_owned 的每个元素是什么类型的对象，然后“膨胀”到正确的对象类型。

但如果有一些自动的东西真的很好。

Answer 3

以下不是正确的解决方案，而是一种解决方法。如错误中所述，isinstance() 需要一个元组而不是字典。所以以下将起作用：

class Owner(StructuredNode):
    animals_owned = RelationshipTo((DogNode, CatNode), "OWNED_ANIMAL")

限制是DogNode 和CatNode 必须在关系之前定义；引用的名称将不起作用。它利用了isinstance 的一个特性，它允许你传递一个可能的类的元组。

但是，neomodel（截至目前）并未正式支持这种用法。尝试列出所有节点会出错，因为 neomodel 仍然希望类型是类名而不是元组。

反向访问关系（AnimalNode -> Owner）

如果你也以另一种方式定义它，你仍然可以使用关系，比如

class AnimalNode(StructuredNode):
    ...
    owner = RelationshipFrom("Owner", "OWNED_ANIMAL")

然后使用AnimalNode.owner.get()、DogNode.owner.get()等来检索所有者。

生成animals_owned的解决方法

为了从Owner 模型生成animals_owned，我使用了以下解决方法：

class Owner(StructuredNode):
    ...
    def get_animals_owned(self):
        # Possible classes
        # (uses animals_owned property and converts to set of class names)
        allowed_classes = set([i.__name__ for i in self.animals_owned.definition['node_class']])

        # Retrieve all results with OWNED_ANIMAL relationship to self
        results, columns = self.cypher('MATCH (o) where id(o)={self} MATCH (o)-[:OWNED_ANIMAL]->(a) RETURN a')
        output = []

        for r in results:
            # Select acceptable labels (class names)
            labels = allowed_classes.intersection(r[0].labels)

            # Pick a random label from the selected ones
            selected_label = labels.pop()

            # Retrieve model class from label name
            # see http://stackoverflow.com/a/1176179/1196444
            model = globals()[selected_label]

            # Inflate the model to the given class
            output.append(model.inflate(r[0]))
        return output

测试：

>>> owner.get_animals_owned()
[<CatNode: {'age': 2, 'id': 49, 'vision_level': 8, 'name': 'Catty', 'tail_size': 3}>, <DogNode: {'age': 2, 'id': 46, 'smell_level': 8, 'name': 'Doggy', 'tail_size': 3}>]

限制：

• 如果有多种可接受的模型类型可用，则会随机选择一种。 （这可能是它尚未正式实施的部分原因：例如，如果有一个继承自 DogModel 的 PuppyModel，并且两者都是可能的选项，那么该函数没有简单的方法来决定您真正想要哪个)。
• Set 函数假定有多个模型（只有一个模型不起作用）
• Cypher 查询需要根据模型和关系手动编写（不过自动化应该很简单）
• 通过函数访问（添加 @property 装饰器将有助于解决此问题）

当然，您可能希望添加更多微调和安全检查，但这应该足以开始。