在neo4j的bulbs框架中是否有等同的提交

执行多部分事务的最有效方法是将事务封装在Gremlin脚本中，然后将其作为单个请求执行。

这是一个示例，它是我去年为Neo4j Heroku Challenge开发的一个示例应用程序。

该项目被称为灯泡：https：//github.com/espeed/lightbulb

自述文件描述了它的作用…

什么是灯泡？

Lightbulb是一个用Python编写的，用于Heroku的，由Git驱动，受Neo4j支持的博客引​​擎。

您可以在Emacs（或您喜欢的文本编辑器）中编写博客条目，并使用Gi​​t进行版本控制，而无需放弃动态应用程序的功能。

用ReStructuredText编写博客条目，然后使用您网站的模板系统设置样式。

当您按下Heroku时，条目元数据将自动保存到Neo4j，并且将从ReStructuredText源文件生成的HTML片段从磁盘提供。

但是，Neo4j放弃了在免费/测试版的Heroku Add On上提供Gremlin的功能，因此Lightbulb将不适用于新Neo4j /
Heroku用户。

明年-在TinkerPop书问世之前-
TinkerPop将发布具有Gremlin全面支持的Rexster Heroku Add On，以便人们在阅读书的过程中可以在Heroku上运行项目。

但就目前而言，您无需担心应用程序的运行-所有相关代码都包含在这两个文件中-Lightbulb应用程序的模型文件及其Gremlin脚本文件：

https://github.com/espeed/lightbulb/blob/master/lightbulb/model.pyhttps://github.com/espeed/lightbulb/blob/master/lightbulb/gremlin.groovy

model.py

提供了用于构建自定义Bulbs模型和自定义Bulbs

Graph

类的示例。

gremlin.groovy

包含自定义

Entry

模型执行的自定义Gremlin脚本-
此Gremlin脚本封装了整个多部分事务，以便可以将其作为单个请求执行。

注意，在

model.py

上面的文件中，我

EntryProxy

通过覆盖

create()

和

update()

方法进行自定义，而是定义一个单一的

save()

方法来处理创建和更新。

要将自定义添加

EntryProxy

到

Entry

模型中，我只需重写

Entry

模型的

get_proxy_class

方法，以便它返回

EntryProxy

类而不是默认

NodeProxy

类。

Entry

模型中的所有其他内容都是围绕为

save_blog_entry

Gremlin脚本（在上面的gremlin.groovy文件中定义）构建数据而设计的。

注意在gremlin.groovy中，该

save_blog_entry()

方法很长，并且包含多个闭包。您可以将每个闭包定义为一个独立的方法，并通过多个Python调用执行它们，但是这样做会产生多个服务器请求的开销，并且由于请求是分开的，因此无法将它们全部包装在事务中。

通过使用单个Gremlin脚本，您可以将所有内容组合到单个事务请求中。这要快得多，而且是事务性的。

您可以在Gremlin方法的最后一行中看到如何执行整个脚本：

return transaction(save_blog_entry);

在这里，我只是将事务闭包包装在内部

save_blog_entry

闭包中的所有命令周围。进行事务关闭可以使代码保持隔离状态，并且比将事务逻辑嵌入到其他关闭中要干净得多。

然后，如果您查看内部

save_blog_entry

闭包中的代码，它只是使用我在

Entry

模型中调用脚本时从Python传入的参数来调用我上面定义的其他闭包：

def _save(self, _data, kwds):    script = self._client.scripts.get('save_blog_entry')    params = self._get_params(_data, kwds)    result = self._client.gremlin(script, params).one()

我传入的参数是在模型的自定义

_get_parms()

方法中建立的：

def _get_params(self, _data, kwds):    params = dict()    # Get the property data, regardless of how it was entered    data = build_data(_data, kwds)    # Author    author = data.pop('author')    params['author_id'] = cache.get("username:%s" % author)    # Topic Tags    tags = (tag.strip() for tag in data.pop('tags').split(','))    topic_bundles = []    for topic_name in tags:        #slug = slugify(topic_name)        bundle = Topic(self._client).get_bundle(name=topic_name)        topic_bundles.append(bundle)    params['topic_bundles'] = topic_bundles    # Entry    # clean off any extra kwds that aren't defined as an Entry Property    desired_keys = self.get_property_keys()    data = extract(desired_keys, data)    params['entry_bundle'] = self.get_bundle(data)    return params

这

_get_params()

是在做什么…

buld_data(_data,kwds)

是在

bulbs.element

以下位置定义的函数：https
:
//github.com/espeed/bulbs/blob/master/bulbs/element.py#L959

万一用户输入了一些作为位置args和一些作为关键字args的情况，它只是合并了args。

在第一个参数我传递到

_get_params()

是

author

，这是笔者的用户名，但我不通过用户名到小鬼剧本，我通过了

author_id

。将

author_id

被缓存，所以我使用的用户名来查找

author_id

，并设置为PARAM，我稍后会传递给小鬼

save_blog_entry

脚本。

然后，我

Topic

Model

为设置的每个Blog标签创建对象，然后调用

get_bundle()

每个对象并将其另存为

topic_bundles

in paras列表。

该

get_bundle()

方法在bulbs.model中定义：https
:
//github.com/espeed/bulbs/blob/master/bulbs/model.py#L363

它只是返回一个包含一个元组

data

，

index_name

和指数

keys

的模型实例：

def get_bundle(self, _data=None, **kwds):    """    Returns a tuple containing the property data, index name, and index keys.    :param _data: Data that was passed in via a dict.    :type _data: dict    :param kwds: Data that was passed in via name/value pairs.    :type kwds: dict    :rtype: tuple    """    self._set_property_defaults()       self._set_keyword_attributes(_data, kwds)    data = self._get_property_data()    index_name = self.get_index_name(self._client.config)    keys = self.get_index_keys()    return data, index_name, keys

我将

get_bundle()

方法添加到Bulbs中，以提供一种很好的，整洁的将参数捆绑在一起的方法，因此您的Gremlin脚本不会因其签名中的大量参数而被溢出。

最后，对于

Entry

，我只需创建一个

entry_bundle

并将其存储为参数。

请注意，

_get_params()

返回

dict

三个PARAMS：
，

author_id

，

topic_bundle

和

entry_bundle

。

这

params

dict

直接传递给Gremlin脚本：

def _save(self, _data, kwds):    script = self._client.scripts.get('save_blog_entry')    params = self._get_params(_data, kwds)    result = self._client.gremlin(script, params).one() self._initialize(result)

Gremlin脚本的arg名称与传递的arg名称相同

params

：

def save_blog_entry(entry_bundle, author_id, topic_bundles) {   // Gremlin pre omitted for brevity}

然后根据需要在Gremlin脚本中简单地使用这些参数-没什么特别的。

因此，既然我已经创建了自定义模型和Gremlin脚本，我将构建一个自定义Graph对象，该对象封装了所有代理和相应的模型：

class Graph(Neo4jGraph):    def __init__(self, config=None):        super(Graph, self).__init__(config)        # Node Proxies        self.people = self.build_proxy(Person)        self.entries = self.build_proxy(Entry)        self.topics = self.build_proxy(Topic)        # Relationship Proxies        self.tagged = self.build_proxy(Tagged)        self.author = self.build_proxy(Author)        # Add our custom Gremlin-Groovy scripts        scripts_file = get_file_path(__file__, "gremlin.groovy")        self.scripts.update(scripts_file)

现在，您可以

Graph

直接从应用程序中导入，

model.py

并像平常一样实例化该

Graph

对象。

>> from lightbulb.model import Graph  >> g = Graph()>> data = dict(username='espeed',tags=['gremlin','bulbs'],docid='42',title="Test")>> g.entries.save(data)         # execute transaction via Gremlin script

有帮助吗？