MySql无限分类结构

  无限分类是咱们开发中很是常见的应用，像论坛的的版块，CMS的类别，应用的地方特别多。

      咱们最多见最简单的方法就是在MySql里ID ,parentID,name：

优势是简单，结构简单。
缺点是效率不高，由于每一次递归都要查询数据库，几百条数据库时就不是很快了！

      存储树是一种常见的问题，多种解决方案。主要有两种方法：邻接表的模型，并修改树前序遍历算法。

      咱们将探讨这两种方法的节能等级的数据。我会使用树从一个虚构的网上食品商店做为一个例子。这食品商店组织其食品类，经过颜色和类型。这棵树看起来像这样：

      下面咱们将用另一种方法，这就是预排序遍历树算法(modified preorder tree traversal algorithm) 。

      这种方法你们可能接触的比较少，初次使用也不像上面的方法容易理解，可是因为这种方法不使用递归查询算法，有更高的查询效率。

      咱们首先将多级数据按照下面的方式画在纸上，在根节点Food的左侧写上 1 而后沿着这个树继续向下 在 Fruit 的左侧写上 2 而后继续前进， 沿着整个树的边缘给每个节点都标上左侧和右侧的数字。最后一个数字是标在Food 右侧的 18。 在下面的这张图中你能够看到整个标好了数字的多级结 构。（没有看懂？用你的手指指着数字从1数到18就明白怎么回事了。还不明白，再数一遍，注意移动你的手指）。 

      这些数字标明了各个节点之间的关系，”Red”的号是3和6，它是 ”Food” 1-18 的子孙节点。 一样，咱们能够看到 全部左值大于2和右值小于11的节点 都是”Fruit” 2-11 的子孙节点 

如图所示：

      这样整个树状结构能够经过左右值来存储到数据库中。继续以前，咱们看一看下面整理过的数据表。 

      注意：因为”left”和”right”在 SQL中有特殊的意义，因此咱们须要用”lft”和”rgt”来表示左右字段。 另外这种结构中再也不须要”parent”字段来表示树状结构。也就是 说下面这样的表结构就足够了。 

      SELECT * FROM tree WHERE lft BETWEEN 2 AND 11;

      看到了吧，只要一个查询就能够获得全部这些节点。为了可以像上面的递归函数那样显示整个树状结构，咱们还须要对这样的查询进行排序。用节点的左值进行排序： 

      SELECT * FROM tree WHERE lft BETWEEN 2 AND 11 ORDER BY lft ASC;

      那么某个节点到底有多少子孙节点呢？很简单，子孙总数=(右值-左值-1)/2 
descendants = (right – left - 1) / 2 ，若是不是很清楚这个公式，那就去翻下书，咱们在上数据结构写的很清楚！

      添加同一层次的节点的方法以下：

 

 LOCK TABLE nested_category WRITE;  
 
SELECT @myRight := rgt FROM nested_category  
WHERE name = ‘Cherry’;  
 
UPDATE nested_category SET rgt = rgt + 2 WHERE rgt > @myRight;  
UPDATE nested_category SET lft = lft + 2 WHERE lft > @myRight;  
 
INSERT INTO nested_category(name, lft, rgt) VALUES(‘Strawberry’, @myRight + 1, @myRight + 2);  
 
UNLOCK TABLES;

      添加树的子节点的方法以下：

LOCK TABLE nested_category WRITE;  
 
SELECT @myLeft := lft FROM nested_category  
 
WHERE name = ‘Beef’;  
 
UPDATE nested_category SET rgt = rgt + 2 WHERE rgt > @myLeft ;  
UPDATE nested_category SET lft = lft + 2 WHERE lft > @myLeft ;  
 
INSERT INTO nested_category(name, lft, rgt) VALUES(‘charqui’, @myLeft + 1, @myLeft + 2);  
 
UNLOCK TABLES; 

      每次插入节点以后均可以用如下SQL进行查看验证：

SELECT CONCAT( REPEAT( ‘ ‘, (COUNT(parent.name) – 1) ), node.name) AS name 
FROM nested_category AS node,  
nested_category AS parent  
WHERE node.lft BETWEEN parent.lft AND parent.rgt  
GROUP BY node.name 
ORDER BY node.lft;

      删除节点的方法，稍微有点麻烦是有个中间变量,以下：

LOCK TABLE nested_category WRITE;  
 
 
SELECT @myLeft := lft, @myRight := rgt, @myWidth := rgt – lft + 1  
FROM nested_category  
WHERE name = ‘Cherry’;  
 
 
DELETE FROM nested_category WHERE lft BETWEEN @myLeft AND @myRight;  
 
 
UPDATE nested_category SET rgt = rgt – @myWidth WHERE rgt > @myRight;  
UPDATE nested_category SET lft = lft – @myWidth WHERE lft > @myRight;  
 
UNLOCK TABLES;

      这种方式就是有点难的理解，可是适合数据量很大规模使用，查看全部的结构只须要两条SQL语句就能够了，在添加节点和删除节点的时候略显麻烦，不过相对于 效率来讲仍是值得的，此次发现让我发现了数据库结构真的颇有用，可是我在学校学的树基本上都忘记了，此次遇到这个问题才应用到项目中！

      参考文章：

http://dev.mysql.com/tech-resources/articles/hierarchical-data.html

http://www.sitepoint.com/article/hierarchical-data-database/3/