mysql如何存储树形结构的数据

需求
一般树形结构的数据使用需求有两点:

显示整棵树的数据

select * from treeNodes

给出某个点，显示到达该点所经过的路径

a=select * from treeNodes where id='7'
b=select * from treeNodes where id=a.pid
c=select * from treeNodes where id=b.pid

…依次递归到Root节点。

还可以使用如下几种方法获取经过的路径:

方法一、利用函数来得到所有子节点号

创建一个function getChildLst, 得到一个由所有子节点号组成的字符串.

mysql> delimiter /
mysql>
mysql> CREATE FUNCTION getChildLst(rootId INT)
-> RETURNS varchar(1000)
-> BEGIN
-> DECLARE sTemp VARCHAR(1000);
-> DECLARE sTempChd VARCHAR(1000);
->
-> SET sTemp = ‘$’;
-> SET sTempChd =cast(rootId as CHAR);
->
-> WHILE sTempChd is not null DO
-> SET sTemp = concat(sTemp,’,’,sTempChd);
-> SELECT group_concat(id) INTO sTempChd FROM treeNodes where FIND_IN_SET(pid,sTempChd)>0;
-> END WHILE;
-> RETURN sTemp;
-> END
-> //
Query OK, 0 rows affected (0.00 sec)

mysql>
mysql> delimiter ;

　　

使用我们直接利用find_in_set函数配合这个getChildlst来查找

mysql> select getChildLst(1);
+—————–+
| getChildLst(1) |
+—————–+
| $,1,2,3,4,5,6,7 |
+—————–+
1 row in set (0.00 sec)

mysql> select * from treeNodes
-> where FIND_IN_SET(id, getChildLst(1));
+—-+———-+——+
| id | nodename | pid |
+—-+———-+——+
| 1 | A | 0 |
| 2 | B | 1 |
| 3 | C | 1 |
| 4 | D | 2 |
| 5 | E | 2 |
| 6 | F | 3 |
| 7 | G | 6 |
+—-+———-+——+
7 rows in set (0.01 sec)

mysql> select * from treeNodes
-> where FIND_IN_SET(id, getChildLst(3));
+—-+———-+——+
| id | nodename | pid |
+—-+———-+——+
| 3 | C | 1 |
| 6 | F | 3 |
| 7 | G | 6 |
+—-+———-+——+
3 rows in set (0.01 sec)

　　

优点: 简单，方便，没有递归调用层次深度的限制 (max_sp_recursion_depth,最大255) ；

缺点：长度受限，虽然可以扩大 RETURNS varchar(1000)，但总是有最大限制的。

MySQL目前版本( 5.1.33-community)中还不支持function 的递归调用。

方法二、利用临时表和过程递归

创建存储过程如下。
createChildLst 为递归过程，showChildLst为调用入口过程，准备临时表及初始化。

mysql> delimiter //
mysql>
mysql> # 入口过程
mysql> CREATE PROCEDURE showChildLst (IN rootId INT)
-> BEGIN
->CREATE TEMPORARY TABLE IF NOT EXISTS tmpLst
-> (sno int primary key auto_increment,id int,depth int);
->DELETE FROM tmpLst;
->
->CALL createChildLst(rootId,0);
->
->select tmpLst.,treeNodes. from tmpLst,treeNodes where tmpLst.id=treeNodes.id order by tmpLst.sno;
-> END;
-> //
Query OK, 0 rows affected (0.00 sec)
mysql>
mysql> # 递归过程
mysql> CREATE PROCEDURE createChildLst (IN rootId INT,IN nDepth INT)
-> BEGIN
->DECLARE done INT DEFAULT 0;
->DECLARE b INT;
->DECLARE cur1 CURSOR FOR SELECT id FROM treeNodes where pid=rootId;
->DECLARE CONTINUE HANDLER FOR NOT FOUND SET done = 1;
->
->insert into tmpLst values (null,rootId,nDepth);
->
->OPEN cur1;
->
->FETCH cur1 INTO b;
->WHILE done=0 DO
->CALL createChildLst(b,nDepth+1);
->FETCH cur1 INTO b;
->END WHILE;
->
->CLOSE cur1;
-> END;
-> //
Query OK, 0 rows affected (0.00 sec)
mysql> delimiter ;

　　

调用时传入结点

mysql> call showChildLst(1);
+-----+------+-------+----+----------+------+
| sno | id | depth | id | nodename | pid|
+-----+------+-------+----+----------+------+
| 4 |1 | 0 |1 | A|0 |
| 5 |2 | 1 |2 | B|1 |
| 6 |4 | 2 |4 | D|2 |
| 7 |5 | 2 |5 | E|2 |
| 8 |3 | 1 |3 | C|1 |
| 9 |6 | 2 |6 | F|3 |
|10 |7 | 3 |7 | G|6 |
+-----+------+-------+----+----------+------+
7 rows in set (0.13 sec)
Query OK, 0 rows affected, 1 warning (0.14 sec)
mysql>
mysql> call showChildLst(3);
+-----+------+-------+----+----------+------+
| sno | id | depth | id | nodename | pid|
+-----+------+-------+----+----------+------+
| 1 |3 | 0 |3 | C|1 |
| 2 |6 | 1 |6 | F|3 |
| 3 |7 | 2 |7 | G|6 |
+-----+------+-------+----+----------+------+
3 rows in set (0.11 sec)
Query OK, 0 rows affected, 1 warning (0.11 sec)

　　

depth 为深度，这样可以在程序进行一些显示上的格式化处理。类似于oracle中的 level 伪列。sno 仅供排序控制。这样你还可以通过临时表tmpLst与数据库中其它表进行联接查询。

MySQL中你可以利用系统参数 max_sp_recursion_depth 来控制递归调用的层数上限。如下例设为12.

mysql> set max_sp_recursion_depth=12;
Query OK, 0 rows affected (0.00 sec)

　　

优点 : 可以更灵活处理，及层数的显示。并且可以按照树的遍历顺序得到结果。
缺点 : 递归有255的限制。

方法三、利用中间表和过程

(本方法由yongyupost2000提供样子改编)
创建存储过程如下。由于MySQL中不允许在同一语句中对临时表多次引用，只以使用普通表tmpLst来实现了。当然你的程序中负责在用完后清除这个表。

delimiter //
drop PROCEDURE IF EXISTSshowTreeNodes_yongyupost2000//
CREATE PROCEDURE showTreeNodes_yongyupost2000 (IN rootid INT)
BEGIN
DECLARE Level int ;
drop TABLE IF EXISTS tmpLst;
CREATE TABLE tmpLst (
id int,
nLevel int,
sCort varchar(8000)
);
Set Level=0 ;
INSERT into tmpLst SELECT id,Level,ID FROM treeNodes WHERE PID=rootid;
WHILE ROW_COUNT()>0 DO
SET Level=Level+1 ;
INSERT into tmpLst
SELECT A.ID,Level,concat(B.sCort,A.ID) FROM treeNodes A,tmpLst B
WHEREA.PID=B.ID AND B.nLevel=Level-1;
END WHILE;
END;
delimiter ;
CALL showTreeNodes_yongyupost2000(0);

　　

执行完后会产生一个tmpLst表，nLevel 为节点深度，sCort 为排序字段。
使用方法

SELECT concat(SPACE(B.nLevel*2),'+--',A.nodename)
FROM treeNodes A,tmpLst B
WHERE A.ID=B.ID
ORDER BY B.sCort;

 

　　

优点 : 层数的显示。并且可以按照树的遍历顺序得到结果。没有递归限制。
缺点 : MySQL中对临时表的限制，只能使用普通表，需做事后清理。

存储结构对比优化
假设有如下一棵树：

1、存储父节点

要存储于数据库中，最简单直接的方法，就是存储每个元素的父节点ID。
暂且把这种方法命名依赖父节点法，因此表结构设计如下：

存储的数据如下格式：

这种结构下，如果查询某一个节点的直接子节点，十分容易，比如要查询D节点的子节点。

select * from tree1 where parentid=4

如果要插入某个节点，比如在D节点下，再次插入一个M节点。
只需要如下SQL：

INSERT INTO tree1 (value,parentid) VALUES('M',4);

这种结构在查找某个节点的所有子节点，就稍显复杂，无论是SELECT还是DELETE都可能涉及到获取所有子节点的问题。比如要删除一个节点并且该节点的子节点也要全部删除，那么首先要获得所有子节点的ID，因为子节点并不只是直接子节点，还可能包含子节点的子节点。比如删除D节点及其子节点，必须先查出D节点下的所有子节点，然后再做删除，SQL如下：

select nodeid from tree1 where parentid=4 --返回8,9
select nodeid from tree1 where parentid in (8,9) --返回10,11,12
select nodeid from tree1 where parentid in (10,11,12) --返回空
delete from tree1 where nodeid in (4,8,9,10,11,12)

　　

如果是只删除D节点，对于其它节点不做删除而是做提升，那么必须先修改子节点的parentid，然后才能删除D节点。
正如上面演示的，对于这种依赖父节点法，最大的缺点就是无法直接获得某个节点的所有子节点。因此如果要select所有的子节点，需要繁琐的步骤，这不利于做聚合操作。
对于某些数据库产品，支持递归查询语句的，比如微软的SQL Server，可以使用CTE技术实现递归查询。比如，要查询D节点的所有子节点。只需要如下语句：

WITH tmp AS(
SELECT * FROM Tree1 WHERE nodeid = 4
UNION ALL
SELECT a.* FROM Tree1 AS a,tmp AS b WHERE a.parentid = b. nodeid
)
SELECT * FROM tmp

　　

但是对于那些不支持递归查询的数据库来说，实现起来就比较复杂了。

2、存储路径

还有一种比较土的方法，就是存储路径。暂且命名为路径枚举法。
这种方法，将存储根结点到每个节点的路径。

这种数据结构，可以一眼就看出子节点的深度。
如果要查询某个节点下的子节点，只需要根据path的路径去匹配，比如要查询D节点下的所有子节点。

select * from tree2 where path like '%/4/%'

或者出于效率考虑，直接写成

select * from tree2 where path like '1/4/%'

如果要做聚合操作，也很容易，比如查询D节点下一共有多少个节点。

select count(*) from tree2 where path like '1/4/%';

要插入一个节点，则稍微麻烦点。要插入自己，然后查出父节点的Path，并且把自己生成的ID更新到path中去。比如，要在L节点后面插入M节点。
首先插入自己M，然后得到一个nodeid比如nodeid=13，然后M要插入到L后面，因此，查出L的path为1/4/8/12/,因此update M的path为1/4/8/12/13

update tree2 set
path=(select path from tree2 where nodeid=12) --此处开始拼接
||last_insert_rowid()||'/'
where
nodeid= last_insert_rowid();

　　

这种方法有一个明显的缺点就是path字段的长度是有限的，这意味着，不能无限制的增加节点深度。因此这种方法适用于存储小型的树结构。

3、存储关系表和深度

下面介绍一种方法，称之为闭包表。
该方法记录了树中所有节点的关系，不仅仅只是直接父子关系，它需要使用2张表，除了节点表本身之外，还需要使用1张表来存储节祖先点和后代节点之间的关系（同时增加一行节点指向自身）,并且根据需要，可以增加一个字段，表示深度。因此这种方法数据量很多。设计的表结构如下：
Tree3表：

NodeRelation表：

如例子中的树，插入的数据如下：
Tree3表的数据

NodeRelation表的数据

可以看到，NodeRelation表的数据量很多。但是查询非常方便。比如，要查询D节点的子元素
只需要

select * from NodeRelation where ancestor=4;

要查询节点D的直接子节点，则加上depth=1

select * from NodeRelation where ancestor=4 and depth=1;

要查询节点J的所有父节点，SQL：

select * from NodeRelation where descendant=10;

　　

如果是插入一个新的节点，比如在L节点后添加子节点M,则插入的节点除了M自身外，还有对应的节点关系。即还有哪些节点和新插入的M节点有后代关系。这个其实很简单，只要和L节点有后代关系的，和M节点必定会有后代关系，并且和L节点深度为X的和M节点的深度必定为X+1。因此，在插入M节点后，找出L节点为后代的那些节点作为和M节点之间有后代关系，插入到数据表。

INSERT INTO tree3 (value) VALUES('M');--插入节点
INSERT INTO NodeRelation(ancestor,descendant,depth)
select n.ancestor,last_insert_rowid(),n.depth+1--此处深度+1作为和M节点的深度
from NodeRelation n
where n.descendant=12
Union ALL
select last_insert_rowid() ,last_insert_rowid(),0 --加上自身

　　

在某些并不需要使用深度的情况下，甚至可以不需要depth字段。
如果要删除某个节点也很容易，比如，要删除节点D，这种情况下，除了删除tree3表中的D节点外，还需要删除NodeRelation表中的关系。
首先以D节点为后代的关系要删除，同时以D节点的后代为后代的这些关系也要删除：

delete from NodeRelation where descendant in
(select descendant from NodeRelation where ancestor=4 )；

　　

–查询以D节点为祖先的那些节点，即D节点的后代。
这种删除方法，虽然彻底，但是它也删除了D节点和它原本的子节点的关系。
如果只是想割裂D节点和A节点的关系，而对于它原有的子节点的关系予以保留，则需要加入限定条件。
限制要删除的关系的祖先不以D为祖先，即如果这个关系以D为祖先的，则不用删除。因此把上面的SQL加上条件。

delete from NodeRelation where descendant in
(select descendant from NodeRelation where ancestor=4 )；

–查询以D节点为祖先的那些节点，即D节点的后代。

and ancestor not in (select descendant from NodeRelation where ancestor =4 )

　　

上面的SQL用文字描述就是，查询出D节点的后代，如果一个关系的祖先不属于D节点的后代，并且这个关系的后代属于D节点的后代，就删除它。
这样的删除，保留了D节点自身子节点的关系，如上面的例子，实际上删除的节点关系为：

如果要删除节点H，则为

总结：
上面主要讲了3种方式，各有优点缺点。可以根据实际需要，选择合适的数据模型。

参考链接:
http://blog.csdn.net/sky786905664/article/details/52742392
http://langgufu.iteye.com/blog/1891798