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
|
1
2
3
4
5
6
|
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;
|
|
1
2
3
4
5
6
7
8
9
|
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');
|
|
1
2
3
4
5
6
7
8
9
|
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：
|
1
2
3
4
5
6
7
8
9
|
> 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：
|
1
2
3
4
5
6
7
|
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：
|
1
2
3
4
5
6
7
|
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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
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
http://www.zzvips.com/article/205070.html
原文链接：https://blog.csdn.net/lj1314ailj/article/details/52074216