PyFlow中处理非JSON可序列化对象的输出问题

问题背景

在使用PyFlow集成Ansys的DPF核心工程框架时，开发者遇到了一个常见的技术挑战：当节点间传递自定义类实例对象时，由于这些对象不是JSON可序列化的，导致工作流文件无法正常保存。

问题现象

开发者设计了一个工作流，其中中央节点需要将一个自定义类实例传递给右侧节点。虽然功能上能够正常运行（右侧节点能够接收对象并进行结果绘制），但在尝试保存工作流文件时，系统会生成一个0KB的空文件。这是因为PyFlow默认使用JSON格式序列化节点数据，而自定义类实例无法被JSON序列化。

技术分析

PyFlow作为一个可视化编程框架，其核心功能之一就是能够保存和加载工作流。为了实现这一功能，所有通过节点间传递的数据理论上都应该是可序列化的。JSON作为一种轻量级数据交换格式，是PyFlow默认采用的序列化方式。

当遇到以下情况时，就会出现序列化问题：

1. 传递Python内置的非JSON可序列化对象（如datetime对象）
2. 传递自定义类的实例
3. 传递包含上述对象的复杂数据结构（如列表、字典等）

解决方案

推荐方案：自定义Pin类型

最规范的解决方案是创建一个自定义Pin类型，并重写其序列化方法。这种方法虽然需要更多的前期工作，但提供了最大的灵活性和控制力：

1. 继承基础Pin类创建自定义Pin类型
2. 重写序列化相关方法，确保不保存特定数据
3. 在自定义Pin中实现数据的正确处理逻辑

快速解决方案：禁用Pin存储选项

对于需要快速解决问题的情况，可以直接禁用特定Pin的存储选项：

self.out.disableOptions(PinOptions.Storable)

这种方法简单直接，但可能影响工作流的完整性，因为被禁用的Pin数据将不会在任何情况下被保存。

最佳实践建议

1. 数据封装：对于必须传递的非序列化对象，考虑封装为可序列化的数据结构
2. 临时数据：明确区分需要持久化的数据和临时计算数据
3. 自定义序列化：为复杂对象实现__json__方法或使用json.JSONEncoder子类
4. 文档记录：对工作流中不可序列化的部分进行明确文档说明

总结

在PyFlow中处理非JSON可序列化对象时，开发者有多种选择。虽然禁用存储选项可以快速解决问题，但从长期维护和代码质量角度考虑，实现自定义Pin类型是更优的选择。理解PyFlow的数据序列化机制对于构建健壮、可维护的工作流至关重要。