发现几种树结构数据库存储方案

最近在开发jSqlBox过程当中，研究树形结构的操做，忽然发现一种新的树结构数据库存储方案，在网上找了一下，没有找到雷同的（也多是花的时间不够），现介绍以下: 目前常见的树形结构数据库存储方案有如下四种，可是都存在必定问题:
1)Adjacency List:：记录父节点。优势是简单，缺点是访问子树须要遍历，发出许多条SQL，对数据库压力大。
2)Path Enumerations：用一个字符串记录整个路径。优势是查询方便，缺点是插入新记录时要手工更改此节点如下全部路径，很容易出错。
3)Closure Table：专门一张表维护Path，缺点是占用空间大，操做不直观。
4)Nested Sets：记录左值和右值，缺点是复杂难操做。
以上方法都存在一个共同缺点：操做不直观，不能直接看到树结构，不利于开发和调试。
本文介绍的方法我暂称它为“简单粗暴多列存储法”，它与Path Enumerations有点相似，但区别是用不少的数据库列来存储一个占位符(1或空值)，以下图(https://github.com/drinkjava2/Multiple-Columns-Tree/blob/master/treemapping.jpg) 左边的树结构，映射在数据库里的结构见右图表格：

各类SQL操做以下：

1.获取(或删除)指定节点下全部子节点，已知节点的行号为"X",列名"cY":
select *(or delete) from tb where 
  line>=X and line<(select min(line) from tb where line>X and  (cY=1 or c(Y-1)=1 or c(Y-2)=1 ... or c1=1))
例如获取D节点及其全部子节点：
select * from tb where line>=7 and line< (select min(line) from tb where line>7 and (c2=1 or c1=1)) 
删除D节点及其全部子节点：
delete from tb where line>=7 and line< (select min(line) from tb where line>7 and (c2=1 or c1=1)) 

仅获取D节点的次级全部子节点：
select * from tb where line>=7 and c3=1 and line< (select min(line) from tb where line>7 and (c2=1 or c1=1)) 

2.查询指定节点的根节点, 已知节点的行号为"X",列名"cY":
select * from tb where line=(select max(line) from tb where line<=X and c1=1)
例如查I节点的根节点：
select * from tb where line=(select max(line) from tb where line<=12 and c1=1) 

3.查询指定节点的上一级父节点, 已知节点的行号为"X",列名"cY":
select * from tb where line=(select max(line) from tb where line<X and c(Y-1)=1)
例如查L节点的上一级父节点：
select * from tb where line=(select max(line) from tb where line<11 and c3=1) 

3.查询指定节点的全部父节点, 已知节点的行号为"X",列名"cY":
select * from tb where line=(select max(line) from tb where line<X and c(Y-1)=1)
union select * from tb where line=(select max(line) from tb where line<X and c(Y-2)=1)
...
union select * from tb where line=(select max(line) from tb where line<X and c1=1)
例如查I节点的全部父节点：
select * from tb where line=(select max(line) from tb where line<12 and c2=1)
union  select * from tb where line=(select max(line) from tb where line<12 and c1=1) 

4.插入新节点：
视需求而定，例如在J和K之间插入一个新节点T：
update tb set line=line+1 where line>=10;
insert into tb (line,id,c4) values (10,'T',1)
这是与Path Enumerations模式最大的区别，插入很是方便，只须要利用SQL将后面的全部行号加1便可，无须花很大精力维护path字串，  
不容易出错。
另外若是表很是大，为了不update tb set line=line+1 形成全表更新，影响性能，能够考虑增长
一个GroupID字段，同一个根节点下的全部节点共用一个GroupID，全部操做均在groupID组内进行，例如插入新节点改成:
update tb set line=line+1 where groupid=2 and line>=8;
insert into tb (groupid,line,c4) values (2, 8,'T')
由于一个groupid下的操做不会影响到其它groupid,对于复杂的增删改操做甚至能够在内存中完成操做后，一次性删除整个group的内容  
并从新插入一个新group便可。

总结：
以上介绍的这种方法优势有：
1）直观易懂，方便调试，是全部树结构数据库方案中惟一所见即所得，可以直接看到树的形状的方案，空值的采用使得树形结构一目了然。
2）SQL查询、删除、插入很是方便，没有用到Like语法。
3）只须要一张表
4)兼容全部数据库
5)占位符即为实际要显示的内容应出现的地方，方便编写Grid之类的表格显示控件

缺点有 1)不是无限深度树，数据库最大容许列数有限制，一般最多为1000，这致使了树的深度不能超过1000，并且考虑到列数过多对性能也有影响, 使用时建议定一个比较小的深度限制例如100。
2)SQL语句比较长，不少时候会出现c9=1 or c8=1 or c7=1 ... or c1=1这种n阶乘式的查询条件
3)树的节点总体移动操做比较麻烦，须要将整个子树平移或上下称动，当节点需要常常移动时，不建议采用这种方案。对于一些只增减，不常移动节点的应用如论坛贴子和评论倒比较合适。
4)列很是多时，空间占用有点大。

如下为追加内容，是在前述基础上，一种更简单的无限深度树方案

突 然发现上面的方法仍是太笨了，若是不用多列而是只用一个列来存储深度等级，则能够不受数据库列数限制，从而进化为无限深度树，虽然再也不具备所见即所得的效 果，可是在性能和简单性上要远远超过上述“简单粗暴多列存储法”，暂时给它取名"朱氏深度树V2.0法"(备注：若是已有人发明了这个方法，删掉前两个字 就行了），方法以下： 以下图 (https://github.com/drinkjava2/Multiple-Columns-Tree/blob/master/treemappingv2.png) 左边的树结构，映射在数据库里的结构见右图表格，注意每一个表格的最后一行必须有一个END标记，level设为0：

1.获取指定节点下全部子节点，已知节点的行号为X,level为Y, groupID为Z
select * from tb2 where groupID=Z and 
  line>=X and line<(select min(line) from tb where line>X and level<=Y and groupID=Z)
例如获取D节点及其全部子节点：
select * from tb2 where groupID=1 and 
  line>=7 and line< (select min(line) from tb2 where groupid=1 and line>7 and level<=2)
删除和获取类似，只要将sql中select * 换成delete便可。

仅获取D节点的次级全部子节点：(查询条件加一个level=Y+1便可)：
select * from tb2 where groupID=1 and 
  line>=7 and level=3 and line< (select min(line) from tb2 where groupid=1 and line>7 and level<=2) 

2.查询任意节点的根节点, 已知节点的groupid为Z
select * from tb2 where groupID=Z and line=1 (或level=1) 

3.查询指定节点的上一级父节点, 已知节点的行号为X,level为Y, groupID为Z
select * from tb2 where groupID=Z and 
  line=(select max(line) from tb2 where groupID=Z and line<X and level=(Y-1))
例如查L节点的上一级父节点：
select * from tb2 where groupID=1 
  and line=(select max(line) from tb2 where groupID=1 and line<11 and level=3) 

4.查询指定节点的全部父节点, 已知节点的行号为X,深度为Y:
select * from tb2 where groupID=Z and 
  line=(select max(line) from tb2 where groupID=Z and line<X and level=(Y-1))
union select * from tb2 where groupID=Z and 
  line=(select max(line) from tb2 where groupID=Z and line<X and level=(Y-2))
...
union select * from tb2 where groupID=Z and 
  line=(select max(line) from tb2 where groupID=Z and line<X and level=1)
例如查I节点的全部父节点：
select * from tb2 where groupID=1 and 
  line=(select max(line) from tb2 where groupID=1 and line<12 and level=2)
union  select * from tb2 where groupID=1 and 
  line=(select max(line) from tb2 where groupID=1 and line<12 and level=1)

5.插入新节点：例如在J和K之间插入一个新节点T：
update tb2 set line=line+1 where  groupID=1 and line>=10;
insert into tb (groupid,line,id,level) values (1,10,'T',4);

总结： 此方法优势有：
1） 是无限深度树
2） 虽然不象第一种方案那样具备所见即所得的效果，可是依然具备直观易懂，方便调试的特色。
3） 能充分利用SQL，查询、删除、插入很是方便，SQL比第一种方案简单多了，也没有用到like模糊查询语法。
4） 只须要一张表。
5） 兼容全部数据库。
6） 占用空间小

缺点有:
1)树的节点总体移动操做有点麻烦, 适用于一些只增减，不常移动节点的场合如论坛贴子和评论等。当确实须要进行复杂的移动节点操做时，一种方案是在内存中进行整个树的操做并完成排序，操做完成后删除整个旧group再总体将新group一次性批量插入数据库。

 

1月22日补充：
节点的移动操做有点麻烦，只是相对于查询/删除/插入来讲，并非说难上天了。例如在MySQL下移动整个B节点树到H节点下，并位于J和K之间的操做以下：
update tb2 set tempno=line*1000000 where groupid=1;  
set @nextNodeLine=(select min(line) from tb2 where groupid=1 and line>2 and level<=2);  
update tb2 set tempno=9*1000000+line, level=level+2 where groupID=1 and line>=2 and line< @nextNodeLine;  
set @mycnt=0;  
update tb2 set line=(@mycnt := @mycnt + 1) where groupid=1 order by tempno;  
上例须要在表中新增一个名为tempno的整数类型列， 这是个懒人算法，虽然简单明了，可是对整棵树进行了从新排序，因此效率并不高。 在须要频繁移动节点的场合下，用Adjacency List方案可能更合适一些。

如 果须要频繁移动节点的场合，又想保留方案2高效查询的优势，还有一种方案就是再添加一个父节点pid字段和两个辅助字段tempno和 temporder用于排序，(暂时称其为“深度树V3.0法"), 这样至关于V2.0法和Adjacency List模式的合并了，优势是每次移动节点，只须要更改PID便可，不须要复杂的算法，一次能够任意移动、增长、删除多个节点，最后统一调用如下算法简单 地进行一下重排序便可，下面这个示例完整演示了一个Adjacency List模式到V2.0模式的转换，这至关于一个从新给树建查询索引的过程：

create table tb3 (
id varchar(10),
comments varchar(55),
pid varchar(10),
line integer,
level integer,
tempno bigint,
temporder integer
)

insert into tb3 (id,comments,Pid) values('A','found a bug',null);
insert into tb3 (id,comments,Pid) values('B','is a worm','A');
insert into tb3 (id,comments,Pid) values('C','no','A');
insert into tb3 (id,comments,Pid) values('D','is a bug','A');
insert into tb3 (id,comments,Pid) values('E','oh, a bug','B');
insert into tb3 (id,comments,Pid) values('F','solve it','B');
insert into tb3 (id,comments,Pid) values('G','careful it bites','C');
insert into tb3 (id,comments,Pid) values('H','it does not bit','D');
insert into tb3 (id,comments,Pid) values('I','found the reason','D');
insert into tb3 (id,comments,Pid) values('J','solved','H');
insert into tb3 (id,comments,Pid) values('K','uploaded','H');
insert into tb3 (id,comments,Pid) values('L','well done!','H');

set @mycnt=0;
update tb3 set  line=0,level=0, tempno=0, temporder=(@mycnt := @mycnt + 1) order by id;
update tb3 set level=1, line=1 where pid is null;

update tb3 set tempno=line*10000000 where line>0; 
update tb3 a, tb3 b set a.level=2, a.tempno=b.tempno+a.temporder where a.level=0 and 
a.pid=b.id and b.level=1;
set @mycnt=0;
update tb3 set line=(@mycnt := @mycnt + 1) where level>0 order by tempno;

update tb3 set tempno=line*10000000 where line>0; 
update tb3 a, tb3 b set a.level=3, a.tempno=b.tempno+a.temporder where a.level=0 and 
a.pid=b.id and b.level=2;
set @mycnt=0;
update tb3 set line=(@mycnt := @mycnt + 1) where level>0 order by tempno;

update tb3 set tempno=line*10000000 where line>0; 
update tb3 a, tb3 b set a.level=4, a.tempno=b.tempno+a.temporder where a.level=0 and 
a.pid=b.id and b.level=3;
set @mycnt=0;
update tb3 set line=(@mycnt := @mycnt + 1) where level>0 order by tempno;

 
以上算法利用了SQL的功能，将原来可能须要很是多SQL递归查询的过程转变成了有限次数(=树最大深度)的SQL操做，为了突出算法，以上示例 假设只有一个根节点,删除了groupid和endtag，实际使用中要完善一下这个细节, order by id也可改为以其它字段排序。因时间关系我就不给出V2.0模式到Adjacency List模式逆推的算法了（也即pid为空，根据V2.0表格倒过来给pid赋值的过程），不过这个算法倒不重要，由于一般v3.0表中每一行会一直保存 着一个pid)。
总结一下：
Adjacency List模式:移/增/删节点方便，查询不方便
深度树V2.0模式:查询方便，增/删节点方便，但存在效率问题，移动节点不方便
深度树V3.0模式:移/增/删节点方便，查询方便，缺点是每次移/增/删节点后要重建line和level值以供查询用。它是结合了上两种模式 的合并体，并能够根据侧重，随时在这两种模式(修改模式和查询模式)间切换。v3.0法至关于给Adjacency List模式设计了一个查询索引。