Mysql树形结构的数据库表设计方案

目录
  • 四、树形结构crud算法

      前言

      最近研究树形菜单网上找了很多例子看了。一下是网上找的一些资料,然后自己重新实践,记录下免得下次又忘记了。

      程序设计过程中,我们常常用树形结构来表征某些数据的关联关系,如企业上下级部门、栏目结构、商品分类等等,通常而言,这些树状结构需要借助于数据库完成持久化。然而目前的各种基于关系的数据库,都是以二维表的形式记录存储数据信息,因此是不能直接将tree存入dbms,设计合适的schema及其对应的crud算法是实现关系型数据库中存储树形结构的关键。

      理想中树形结构应该具备如下特征:数据存储冗余度小、直观性强;检索遍历过程简单高效;节点增删改查crud操作高效。无意中在网上搜索到一种很巧妙的设计,原文是英文,看过后感觉有点意思,于是便整理了一下。本文将介绍两种树形结构的schema设计方案:一种是直观而简单的设计思路,另一种是基于左右值编码的改进方案。

      一、基本数据

      本文列举了一个食品族谱的例子进行讲解,通过类别、颜色和品种组织食品,树形结构图如下:

      二、继承关系驱动的设计

      对树形结构最直观的分析莫过于节点之间的继承关系上,通过显示地描述某一节点的父节点,从而能够建立二维的关系表,则这种方案的tree表结构通常设计为:{node_id,parent_id},上述数据可以描述为如下图所示:

      这种方案的优点很明显:设计和实现自然而然,非常直观和方便。缺点当然也是非 常的突出:由于直接地记录了节点之间的继承关系,因此对tree的任何crud操作都将是低效的,这主要归根于频繁的“递归”操作,递归过程不断地访问数据库,每次数据库io都会有时间开销。当然,这种方案并非没有用武之地,在tree规模相对较小的情况下,我们可以借助于缓存机制来做优化,将tree的信息载入内存进行处理,避免直接对数据库io操作的性能开销。

      三、基于左右值编码的设计

      在基于数据库的一般应用中,查询的需求总要大于删除和修改。为了避免对于树形结构查询时的“递归”过程,基于tree的前序遍历设计一种全新的无递归查询、无限分组的左右值编码方案,来保存该树的数据。

      第一次看见这种表结构,相信大部分人都不清楚左值(lft)和右值(rgt)是如何计算出来的,而且这种表设计似乎并没有保存父子节点的继承关系。但当你用手指指着表中的数字从1数到18,你应该会发现点什么吧。对,你手指移动的顺序就是对这棵树进行前序遍历的顺序,如下图所示。当我们从根节点food左侧开始,标记为1,并沿前序遍历的方向,依次在遍历的路径上标注数字,最后我们回到了根节点food,并在右边写上了18。

      依据此设计,我们可以推断出所有左值大于2,并且右值小于11的节点都是fruit的后续节点,整棵树的结构通过左值和右值存储了下来。然而,这还不够,我们的目的是能够对树进行crud操作,即需要构造出与之配套的相关算法。

      四、树形结构crud算法

      (1)获取某节点的子孙节点

      只需要一条sql语句,即可返回该节点子孙节点的前序遍历列表,以fruit为例:

      select * from tree where lft between 2 and 11 order by lft asc

      查询结果如下所示:

      那么某个节点到底有多少的子孙节点呢?通过该节点的左、右值我们可以将其子孙节点圈进来,则子孙总数 = (右值 – 左值– 1) / 2,以fruit为例,其子孙总数为:(11 –2 – 1) / 2 = 4。同时,为了更为直观地展现树形结构,我们需要知道节点在树中所处的层次,通过左、右值的sql查询即可实现,以fruit为例:selectcount(*) from tree where lft <= 2 and rgt >=11。为了方便描述,我们可以为tree建立一个视图,添加一个层次数列,该列数值可以写一个自定义函数来计算,函数定义如下:

      创建表

      create table `tree` (
        `id` int(11) not null,
        `name` varchar(255) default null,
        `lft` int(255) default null,
        `rgt` int(11) default null
      ) engine=innodb default charset=utf8;
      
      insert into `jpa`.`tree` (`id`, `name`, `lft`, `rgt`) values ('1', 'food', '1', '18');
      insert into `jpa`.`tree` (`id`, `name`, `lft`, `rgt`) values ('2', 'fruit', '2', '11');
      insert into `jpa`.`tree` (`id`, `name`, `lft`, `rgt`) values ('3', 'red', '3', '6');
      insert into `jpa`.`tree` (`id`, `name`, `lft`, `rgt`) values ('4', 'cherry', '4', '5');
      insert into `jpa`.`tree` (`id`, `name`, `lft`, `rgt`) values ('5', 'yellow', '7', '10');
      insert into `jpa`.`tree` (`id`, `name`, `lft`, `rgt`) values ('6', 'banana', '8', '9');
      insert into `jpa`.`tree` (`id`, `name`, `lft`, `rgt`) values ('7', 'meat', '12', '17');
      insert into `jpa`.`tree` (`id`, `name`, `lft`, `rgt`) values ('8', 'beef', '13', '14');
      insert into `jpa`.`tree` (`id`, `name`, `lft`, `rgt`) values ('9', 'pork', '15', '16');
      
      create view `treeview` as 
      select 
        `a`.`id` as `id`,
        `a`.`name` as `name`,
        `a`.`lft` as `lft`,
        `a`.`rgt` as `rgt`,
        `countlayer` (`a`.`id`) as `layer` 
      from
        `tree` `a` 
      

      基于层次计算函数,我们创建一个视图,添加了新的记录节点层次的数列:

      > create function `countlayer` (`node_id` int) returns int (11) 
      begin
          declare result int (10) default 0 ;
          declare lftid int;
          declare rgtid int;
          select lft,rgt into lftid, rgtid from tree where id = node_id;
          select count(*) into result  from tree where lft <= lftid and rgt >= rgtid;
          return (result);
      end
      

      创建存储过程,用于计算给定节点的所有子孙节点及相应的层次:

      create  procedure `getchildrennodelist`(in `node_id` int)
      begin
      declare lftid int;
      declare rgtid int;
      select lft,rgt into lftid,rgtid from tree where id= node_id;
      select * from treeview where lft between lftid and rgtid order by lft asc;
      end 
      

       现在,我们使用上面的存储过程来计算节点fruit所有子孙节点及对应层次,查询结果如下:

      从上面的实现中,我们可以看出采用左右值编码的设计方案,在进行树的查询遍历时,只需要进行2次数据库查询,消除了递归,再加上查询条件都是数字的比较,查询的效率是极高的,随着树规模的不断扩大,基于左右值编码的设计方案将比传统的递归方案查询效率提高更多。当然,前面我们只给出了一个简单的获取节点子孙的算法,真正地使用这棵树我们需要实现插入、删除同层平移节点等功能。

      (2)获取某节点的族谱路径

      假定我们要获得某节点的族谱路径,则根据左、右值分析只需要一条sql语句即可完成,以fruit为例:select* from tree where lft < 2 and rgt > 11 order by lft asc ,相对完整的存储过程:

      create procedure `getparentnodepath`(in `node_id` int)
      begin
      declare lftid int;
      declare rgtid int;
      select lft,rgt into lftid,rgtid from tree where id= node_id;
      select * from treeview where lft < lftid and rgt > rgtid order by lft asc;
      end
      
      

      (3)为某节点添加子孙节点

            假定我们要在节点“red”下添加一个新的子节点“apple”,该树将变成如下图所示,其中红色节点为新增节点。

      create  procedure `addsubnode`(in `node_id` int,in `node_name` varchar(64))begin   declare rgtid int;   declare t_error int default 0;     declare continue handler for sqlexception set t_error=1; -- 出错处理    select rgt into rgtid from tree where id= node_id;    start transaction;        update tree set rgt = rgt + 2 where rgt >= rgtid;        update tree set lft = lft + 2 where lft >= rgtid;        insert into tree (name,lft,rgt) values(node_name,rgtid,rgtid+1);        if t_error =1 then       rollback;    else      commit;    end if;end 

      (4)删除某节点

            如果我们想要删除某个节点,会同时删除该节点的所有子孙节点,而这些被删除的节点的个数为:(被删除节点的右值 – 被删除节点的左值+ 1) / 2,而剩下的节点左、右值在大于被删除节点左、右值的情况下会进行调整。来看看树会发生什么变化,以beef为例,删除效果如下图所示。

      则我们可以构造出相应的存储过程:

      create procedure `delnode`(in `node_id` int)
      begin
         declare lftid int;
           declare rgtid int;
         declare t_error int default 0;  
         declare continue handler for sqlexception set t_error=1; -- 出错处理 
         select lft,rgt into lftid,rgtid from tree where id= node_id;
         start transaction;
             delete from tree where lft >= lftid and rgt <= rgtid;
             update tree set lft = lft -(rgtid - lftid  + 1) where lft > lftid;
             update tree set rgt = rgt -(rgtid - lftid  + 1) where rgt >rgtid;
          if t_error =1 then  
           rollback;
          else
            commit;
          end if;
      
      end 
      
      

      五、总结

      我们可以对这种通过左右值编码实现无限分组的树形结构schema设计方案做一个总结:

      (1)优点:在消除了递归操作的前提下实现了无限分组,而且查询条件是基于整形数字的比较,效率很高。

      (2)缺点:节点的添加、删除及修改代价较大,将会涉及到表中多方面数据的改动。

      参考文献

      (0)
      上一篇 2022年3月21日
      下一篇 2022年3月21日

      相关推荐