وراثت چندجدولی در مدل های دیتابیس جنگو

مدل های جنگو مانند هر کلاس دیگری در پایتون می توانند از یکدیگر ارث بری کنند. برای مدل های جنگو سه نوع وراثت وجود دارد. یک نوع وراثت به صورت ابسترکت (abstract) است و یک نوع به صورت غیر ابسترکت که به صورت وراثت چند جدولی (multi-table inheritance) است. نوع سوم وراثت نیز حالتی است که هدف تغییر فیلدهای مدل نیست بلکه می خواهیم رفتار یک مدل را تغییر دهیم و به آن مدل پراکسی (proxy) گفته می شود. در این پست در مورد وراثت غیرابسترکت صحبت می کنیم.

اگر مدل های جنگو به صورت معمولی از یکدیگر ارث بری کنند وراثت چندجدولی خواهیم داشت. علت نامگذاری هم این است که به ازای هر کلاس یک جدول جدا در دیتابیس تشکیل می شود.
در این نوع ارث بری ویژگی های مشترک در یک کلاس یا جدول parent گذاشته می شوند و بعد هر کلاس یا جدول child فیلدهای مختص خودش را خواهد داشت که با یک کلید خارجی به کلاس یا جدول parent اشاره می کند. البته توجه کنید که در ORM جنگو این کلید خارجی به صورت فیلد OneToOneField پیاده سازی شده است

from django.db import models

class Product(models.Model):
    name = models.CharField(max_length=225)
    price = models.PositiveIntegerField()

class DigitalProduct(Product):
    screen_size = models.PositiveSmallIntegerField()
    os = models.CharField(max_length=100, null=True)

class ElectronicProduct(Product):
    energy = models.PositiveSmallIntegerField()

class Mobile(DigitalProduct):
    camera_resolution = models.PositiveIntegerField()
    sim_cards = models.PositiveIntegerField()

class Laptop(DigitalProduct):
    cpu = models.CharField(max_length=100)
    ram_type = models.CharField(max_length=100)

همانطور که گفته شد در مثال بالا به ازای هر کلاس یک جدول ساخته می شود. یعنی در دیتابیس اکنون جداول test_product و test_digitialproduct و test_electronicproduct و test_mobile و test_laptop وجود دارند (اسم اپ test است) که هر جدول در صورت وجود با کلید خارجی به parent خود اشاره می کند. به دلیل این نوع ذخیره سازی، امکان جستجو در کلیه ی نمونه های Product وجود دارد بدون در نظر گرفتن اینکه این نمونه ها DigitalProduct باشند یا ElectronicProduct یا نمونه های فرزند دیگر. به این ترتیب سه کوئری

>>> Product.objects.all()
>>> ElectronicProduct.objects.all()
>>> Laptop.objects.all()

به ترتیب

• همه ی اشیای Product (شامل نمونه های Mobile, DigitalProduct, ElectronicProduct, Product و Laptop)
• اشیای ElectronicProduct
• اشیای Laptop

را جستجو می کنند.

 

با این تفاسیر وراثت چند جدولی چنین ویژگی هایی دارد:

• جستجو در همه ی اشیاء یک نوع
• ارتباط همه ی اشیای یک نوع (با کلید خارجی)

این نوع وراثت همچنین این معایب را دارد:

• چون به ازای هر کوئری، عملیات افزودن، حذف یا به روزرسانی باید در همه ی جدول های زنجیره ی وراثت انجام شود کوئری های بیش تری نیاز است.
• در عمل به ازای کوئری های select میان جدول ها پیوست (join) صورت می گیرد! بنابراین به ازای هر کوئری باید میان جداول زنجیره ی وراثت پیوست های زیادی انجام شود. هرچه این زنجیره ی وراثت طولانی تر باشد تعداد پیوست ها بیش تر است.

 

همانطور که گفته شد برای ایجاد وراثت در کلاس های جنگو می توان از وراثت چند جدولی یا مدل های ابسترکت و پراکسی استفاده کرد. در این پست در مورد نوع اول گفته شد که فیلدهای مشترک در هر مرحله در کلاس parent قرار می گیرند و کلاس های فرزند که فیلدهای خاصتری دارند از این کلاس ها ارث بری می کنند. به ازای هر کوئری میان جداول حاصل از این کلاس ها پیوست صورت می گیرد. این نوع وراثت مزایا و معایب مخصوص خودش را دارد که در مورد آن گفته شد. در پست های آینده در مورد وراثت مدل های ابسترکت و پراکسی گفته خواهد شد.

ذخیره آرایه ای از داده های در دیتابیس PostgreSQL جنگو با ArrayField

مدل ها در جنگو با فیلدهایی مانند CharField، IntegerField، BooleanField و ... تعریف می شوند. این فیلدها برای دیتابیس sqlite3 که بصورت پیش فرض در جنگو وجود دارد مورد استفاده قرار می گیرند.

اگر ما دیتابیس را به جای sqlite3 به Postgres تغییر دهیم این دیتابیس تعدادی فیلدهای مختص خود را به مدل های ما اضافه می کند. این فیلدها شامل JSONField، HStoreField، CITextField، ArrayField و فیلدهای Range هستند. در این پست به معرفی ‌ArrayField می پردازیم.

این فیلد همانطور که از نامش پیداست به ما این امکان را می دهد که آرایه ای از داده ها را به دیتابیس اضافه کنیم. داده های آرایه باید از یک نوع باشند.

class ArrayField(base_field, size=None, **options)

base_field همان نوع داده های ورودی است که تعریف آن اجباری است و نوع آن باید از فیلدهای مدل مشخص شود برای نمونه نوع آن می تواند CharField یا IntegerField تعریف شود. نوع آن می تواند از نوع آرایه هم باشد. یعنی آرایه ای از آرایه ها داشته باشیم. استفاده از همه ی مدل ها به جز فیلدهای ارتباطی یعنی OneToOneField، ForeignKey و ManyToManyField ممکن است.

آرگومان ورودی Size حداکثر سایز آرایه را مشخص می کند و تعریف آن اختیاری است. البته در حال حاضر دیتابیس Postgres اندازه ی آرایه را به این سایر محدود نمی کند و آن را نادیده می گیرد.

from django.contrib.postgres.fields import ArrayField
from django.db import models


class Product(models.Model):
    name = models.CharField(max_length=200)
    colors = ArrayField(models.CharField(max_length=20, blank=True))

جستجو در ArrayField

علاوه بر راه های جستجویی که برای همه ی مدل ها وجود دارد ArrayField تعدادی فیلد جستجوی مختص هم دارد. در این بخش از مدل تعریف شده ی بالا استفاده می شود که سه نمونه شیء زیر از آن در دیتابیس ساخته شده اند.

>>> Product.objects.create(name='Mobile phone Samsung', colors=['red','white','black'])
>>> Product.objects.create(name='Laptop Toshiba 2020', colors=['black'])
>>> Product.objects.create(name='IPad', colors=['white','yellow'])

۱) contains

جستجوی شامل بودن. در واقع مقدار ورودی باید زیرمجموعه ای از داده ها باشد.

>>> Product.objects.filter(colors__contains=['black'])

که نتیجه ی زیر را به ما می دهد:

<QuerySet [<Product: Mobile phone Samsung>, <Product: Laptop Toshiba 2020>]>

۲) contained_by

برعکس جستجوی بالا عمل می کند به طوری که داده های ذخیره شده باید زیرمجموعه ای از مقدار ورودی باشند.

۳) overlap

این جستجو برای این به کار می رود که هرگونه اشتراکی بین داده ها و مقدار ورودی را پیدا کند.

۴) len

طول آرایه را برمیگرداند.

>>> Product.objects.filter(colors__len=1)

که نتیجه ی زیر را به ما می دهد:

 

<QuerySet [<Product: Laptop Toshiba 2020>]>

۵) index transform

جستجوی ایندکسی آرایه را برمیگرداند.
 

>>> Product.objects.filter(colors__1='white')
>>> Product.objects.filter(colors__100='red')

که به ترتیب چنین نتیجه ای دارند:

 

<QuerySet [<Product: Mobile phone Samsung>]>

<QuerySet []>

۶) slice transform

جستجوی بخشی از آرایه را برمیگرداند.

اصلاح کننده های دسترسی یا Access Modifiers در پایتون

در بعضی زبان های برنامه نویسی مثل جاوا و ++C دسترسی به منابع با کلمات کلیدی private، public و protected کنترل می شوند. یکی از اهداف این کار محصورسازی داده ها (data encapsulation) در زبان های شی گرا است.
اعضای public کلاس اعضایی هستند که هرچند در کلاس تعریف می شوند ولی از بیرونٍ کلاس قابل دسترسی هستند.
اعضای private اعضایی هستند که محدود به کلاسی هستند که در آن تعریف می شوند و امکان دسترسی به آن ها از طریق بیرون کلاس وجود ندارد.
اعضای protected نیز از خارج از کلاس قابل دسترسی نیستند ولی زیرکلاس ها اجازه ی دسترسی به آن ها را دارند.

 

در این میان زبان پایتون ساز و کار موثری برای پیاده سازی اعضای private، public و protected ندارد. پایتون با کمک روش پیشوندگذاری اعضا مکانیزم عدم دسترسی به اعضا را شبیه سازی می کند ولی در واقعیت این کار، عمل محدودکردن دسترسی را انجام نمی دهد. پایتون درعمل دسترسی به داده های private و protected را محدود نمی کند و فقط برنامه نویسان را به این کار متعهد کرده است. در واقع خود برنامه نویسان با دیدن پیشوندهای مشخص کننده ی اعضای private و protected باید از دسترسی و تغییر آن ها پرهیز کنند.

 

اعضا در پایتون به صورت پیش فرض public هستند. اعضای public از خارج از کلاس قابل دسترسی هستند.

class Foo:
    def __init__(self, x):
        self.x = x

در این مثال x یک عضو public است که از خارج از کلاس قابل دسترسی و تغییر است.

>>> foo = Foo(10)
>>> foo.x
10
>>> foo.x = 222
>>> foo.x
222

قرارداد پایتون برای تعریف اعضای protected اضافه کردن _ (زیرین خط یا underscore) است. این تعریف دسترسی به عضو را به جز برای خود کلاس و زیرکلاس های آن ممنوع می کند.

class MathTest:
    def __init__(self, a, b):
        self.first_number = a
        self.second_number = b

    def _add(self):
        return self.first_number + self.second_number

    def print_sum(self):
        sum = self._add()
        print('Sum of {} and {} is {}'.format(self.first_number, self.second_number, sum))

البته در واقعیت مثال بالا دسترسی به متد add که protected است را منع نمی کند و هنوز هم امکان انجام عملیات زیر خارج از کلاس وجود دارد!

>>> test = MathTest(10,20)
>>> test.print_sum()
Sum of 10 and 20 is 30
>>> test2 = MathTest(111,222)
>>> print(test2._add())
333

با اینحال همانطور که گفته شد پایتون برنامه نویسان مسئول را از دسترسی و تغییر اعضای protected منع کرده است و آن ها را متعهد به این کار کرده است.

 

اعضای private در پایتون با __ (دو زیرین خط یا دو underscore) تعریف می شوند. با اینکار دسترسی به آن ها خارج از کلاس ممنوع می باشد.

class Employee:
    def __init__(self, name, salary):
        self.__name = name
        self.__salary = salary

تفاوتی که این حالت با مثال پیش دارد این است که دسترسی مستقیم به متغیرهای private وجود ندارد و دسترسی زیر موجب ایجاد خطای AttributeError می شود.

>>> employee = Employee('John Doe', 20000)
>>> employee.__salary 
Traceback (most recent call last):
  File "", line 1, in 
AttributeError: Employee instance has no attribute '__salary'

با اینحال اعضای private باز هم خارج از کلاس قابل دسترسی هستند. وجود __ این اعضا را به به متغیرهای object__variablename_ تبدیل می کند. بنابراین اعضای private را می شود به صورت زیر دید و تغییر داد هرچند باید از این کار پرهیز کرد.

>>> employee = Employee('Anna Bole', 30000)
>>> employee._Employee__salary
30000
>>> employee._Employee__salary = 44400
>>> employee._Employee__salary
44400

همانطور که گفته شد در برخی زبان های برنامه نویسی امکان تعریف اعضای private، public و protected با کلمات کلیدی وجود دارد. این کلمات کلیدی عملا دسترسی به اعضا را محدود یا از آن جلوگیری می کنند. در پایتون نیز به صورت قراردادی برای تعریف اعضای protected از _ و اعضای private از __ استفاده می شود. این تعریف های قراردادی در عمل مانع از دسترسی به اعضا نمی شوند ولی پایتون برنامه نویسان را متعهد و مسئول این کار می داند و آن ها را از دسترسی و تغییر اعضای private و protected خارج از کلاس منع می کند.