（摘自：http://qinxuye.me/article/storing-hierachical-data-in-database/）
本文参考自这篇文章。文章是2003年的，但是现在来看仍然有着实际意义。
层级结构，也叫树形结构。在实际应用中，你经常需要保存层级结构到数据库中。比如说：你的网站上的目录。不过，除非使用类XML的数据库，通用的关系数据库很难做到这点。
对于树形数据的存储有很多种方案。主要的方法有两种：邻接表模型，以及修改过的前序遍历算法。本文将会讨论这两种方法的实现。这里的例子沿用参考文章中的例子，原文使用的PHP，这里将会用Java替代（本例使用Mysql数据库，Java连接Mysql的方法见本文末“备注一”）。
文中使用虚拟的在线食品商店作例子。这个食品商店通过类别、颜色以及种类来来组织它的食品。如图所示：
1）首先是邻接表模型
邻接表相当简单。只需要写一个递归函数来遍历这个树。我们的食品商店的例子用邻接表模型存储时看起来就像是这样：
通过邻接表模型存储法中，我们可以看到Pear，它的父节点是Green，而Green的父节点又是Fruit，以此类推。而根节点是没有父节点的。这里为了方便观看，parent字段使用的字符串，实际应用中只要使用每个节点的ID即可。
现在已经在数据库中插入完毕数据，接下来开始先显示这棵树。
打印这棵树：
这里我们只需要写一个简单的递归函数就可以实现。打印某节点时，如果该节点有子节点就打印其子节点。源代码如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
|
public static void displayTree(int parentId, int level)
throws SQLException {
setUp();
ResultSet result = dbc.query(
"SELECT ID, title FROM `adjacency_list` WHERE parentid="
parentId);
while(result.next()){
System.out.println(repeatStr(" ", level)
result.getString("title"));
displayTree(result.getInt("ID"), level 1);
}
}
|
要打印整棵树，我们只要运行代码：
1
|
displayTree(0, 0);
|
这个函数打印出以下结果：
1
2
3
4
5
6
7
8
9
10
11
|
Food
Fruit
Green
Pear
Red
Cherry
Yellow
Banana
Meat
Beef
Pork
|
求节点的路径
有时候我们需要知道某个节点所在的路径。举例来说，“Cherry”所在的路径为Food > Fruit > Red > Cherry。思路：在这里，我们可以从Cherry开始查起，然后递归查询查询节点前的节点，直到某节点的父节点ID为0。源代码如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
public static List<String> getPath(int id) throws SQLException {
List<String> paths = new ArrayList<String>();
setUp();
ResultSet result = dbc.query(
"SELECT parentid, title FROM `adjacency_list` WHERE ID="
id);
result.next();
int parentid = result.getInt("parentid");
if(parentid != 0){
paths.addAll(getPath(parentid));
}
paths.add(result.getString("title"));
return paths;
}
|
我们用以下代码来打印结果：
1
2
3
4
5
6
|
List<String> paths = getPath(6);
int i = 0;
for(String path: paths){
System.out.println("[" String.valueOf(i) "] ==> " path);
i ;
}
|
得到以下结果：
1
2
3
4
|
[0] ==> Food
[1] ==> Fruit
[2] ==> Red
[3] ==> Cherry
|
缺点
我们可以看到，用邻接表模型确实是个不错的方法。它简单易懂，而且实现的代码写起来也很容易。那么，缺点是什么呢？那就是，邻接表模型执行起来效率低下。我们对于每个结果，期望只需要一次查询；可是当使用邻接表模型时嵌套的递归使用了多次查询，当树很大的时候，这种慢就会表现得尤为明显。另外，对于一门程序语言来说，除了Lisp这种，大多数不是为了递归而设计。当一个节点深度为4时，它得同时生成4个函数实例，它们都需要花费时间、占用一定的内存空间。所以，邻接表模型效率的低下可想而知。
就像在程序世界经常遇到的一样。上帝是公平的，当在执行时效率低下，意味着可以增加预处理的程度。那么就让我们来看另外一种存储树形结构的方法。如之前所讲，我们希望能够减少查询的数量，最好是只做到查询一次数据库。
先来讲解一下原理。现在我们把树“横”着放。如下图所示，我们首先从根节点（“Food”）开始，先在它左侧标记“1”，然后我们到“Fruit”，左侧标记“2”，接着按照前序遍历的顺序遍历完树，依次在每个节点的左右侧标记数字。
相信你也在图中发现一些规律，没错。比如，“Red”节点左边的数为3、右边的数为6，它是Food（1-18）的后代。同样的，我们可以注意到，左数大于2、右数小于11的节点都是“Fruit”的子孙。现在，所有的节点将以左数-右数的方式存储，这种通过遍历一个树、然后给每一个节点标注左数、右数的方式称为修改过的前序遍历算法。
2）修改过的前序遍历算法
在看完了介绍之后，我们要来讨论具体的实现。在这之前，先来看一下，数据库中表存储这些数的情况。
在这种存储方式中，我们实际上是不需要parent这个字段的。
打印树：
如之前的介绍。如果要想打印树，你只需要知道你要检索的节点。比如，想要打印“Fruit”的子树，可以查询左数大于2而小于11的节点。SQL语句就像这样：
1
|
SELECT * FROM tree WHERE lft BETWEEN 2 AND 11;
|
返回结果如下：
有时候，如果进行过增、删的操作，表中的数据可能就不是正确的顺序。没问题，只要使用“ORDER BY”语句就可以了，就像这样：
1
|
SELECT * FROM tree WHERE lft BETWEEN 2 AND 11 ORDER BY lft ASC;
|
现在唯一的问题是缩进问题。
正如我们面对树的问题常常会想到的方案——栈。这里，我们可以维护一个只保存右数的栈。当当前节点的右数值大于栈顶元素的值（说明栈顶元素的子树都以遍历完毕），这个时候弹出栈顶值。再循环检查栈顶值，直到栈顶值小于当前查询节点的右数值。这个时候只要检查栈中元素，有多少个元素说明当前查询节点有多少个祖先节点（设为n）。只需要打印n个空格即可。代码如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
public static void displayTree(String root) throws SQLException {
setUp();
ResultSet result = dbc.query("SELECT lft, rgt "
大专栏
在数据库中存储层级结构 "FROM `modified_preorder_travesal` WHERE title='"
root "';");
result.next();
Stack<Integer> right = new Stack<Integer>();
result = dbc.query("SELECT title, lft, rgt "
"FROM `modified_preorder_travesal`"
" WHERE lft BETWEEN "
String.valueOf(result.getInt("lft"))
" AND "
String.valueOf(result.getInt("rgt"))
" ORDER BY lft ASC;");
while(result.next()){
if(right.size() > 0){
Integer current = right.peek();
while(current < result.getInt("rgt")){
right.pop();
current = right.peek();
}
}
System.out.println(repeatStr(" ", right.size())
result.getString("title"));
right.push(result.getInt("rgt"));
}
}
|
运行代码，打印结果和之前邻接表模型打印的结果一样。但是新方法更快，原因就是：没有递归，且一共只使用两次查询。
求节点的路径：
在修改过的前序遍历算法的实现中，我们同样需要求节点的路径。不过这不是很困难，对于某节点，我们只需求出左数值小于其左数值、右数大于其右数的所有节点。比如说“Cherry”这个节点（4-5），我们可以这么写SQL查询：
1
|
SELECT title FROM tree WHERE lft < 4 AND rgt > 5 ORDER BY lft ASC;
|
这里同样别忘了添加“ORDER BY”语句。执行以后返回结果：
求有多少子孙：
已知某节点的左数和右数，它的子孙的求法也就相当简单了，用如下方法：
1
|
descendants = (right - left - 1) / 2
|
自动生成表：
这儿的自动生成表指的是：如何把一个表从邻接表模型转换成修改过的前序遍历模型。我们在开始的临界表上增加“lft”和“rgt”字段。执行以下代码，完成转换：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
public static int rebuildTree(int parentId, int left) throws SQLException {
setUp();
int right = left 1;
ResultSet result = dbc.query("SELECT ID, title FROM `adjacency_list` WHERE "
"parentid=" parentId);
while(result.next()){
right = rebuildTree(result.getInt("ID"), right);
}
dbc.update("UPDATE `adjacency_list` SET lft=" String.valueOf(left)
", rgt=" String.valueOf(right)
" WHERE ID='" parentId "';");
return right 1;
}
|
开始执行只要运行以下代码：
1
|
rebuildTree(1, 1);
|
我们所写的运行函数是一个递归函数。对于某一节点，如果其没有子孙节点，那么他的右数值等于左数值 1；如果有那么返回其子树右数值 1。这个函数稍微有点复杂，不过梳理通了以后就不难理解。
这个函数将会从根节点开始遍历整个树。运行了可以发现和我们之前手动所建的表一样。这里有个快速检查的方法：那就是检查根节点的右数值，如果它等于节点总数的2倍，那就是正确的。
增加节点：
增加节点有两种方法：1）保留parentid字段，当增加节点后，运行一遍“rebuildTree”方法。这么做看起来很简单，不过你应该知道，这么做效率低下，尤其是大树时。那么第二种方法呢？2）首先我们得为添加的节点腾出空间。比如，我们想添加“Strawberry“到”Red“节点下，那么“Red”节点的右数就得从6到8，而“Yellow”就得从7-10变成9-12，以此类推。更新Red节点就意味着大于5的左数和右数都要增加2。
我们先运行以下SQL语句：
1
2
|
UPDATE tree SET rgt=rgt 2 WHERE rgt>5;
UPDATE tree SET lft=lft 2 WHERE lft>5;
|
现在我们可以添加“Strawberry”到“Red”下，其左数为6、右数为7。
1
|
INSERT INTO tree SET lft=6, rgt=7, title='Strawberry';
|
再次运行“displayTree”方法，会发现“Strawberry”已被添加其中。删除节点有着差不多的步骤，这里就略去不提了。各位感兴趣的话可以自己实现。
缺点：
首先，修改过的前序遍历算法似乎更难理解。但是它有着邻接表模型无法比拟的速度优势，虽然，在增或着删数据的时候步骤多了些，但是，查询的时候只需要一条SQL语句。不过，这里我要提醒，当使用前序遍历算法存储树的时候，要注意临界区问题，就是在增或者删的时候，不要出现其他的数据库操作。
关于在数据库中存储层级数据的内容就讲到这里。如果你使用的Python语言的Django框架，应该觉得庆幸。因为已经有开源插件帮你实现了。项目名字叫MPTT。以后，我会对MPTT的用法以及源码实现作详细说明。在此之前，如果能力够，参考官方文档就可以了。
备注一：
各种数据库的JDBC驱动连接方式及下载，见这里。Mysql下载的快速链接。
下载完解压缩，把其中的mysql-connector-java-***-bin.jar（***为版本）文件拷贝至”yourjdkpath”/jre/lib/ext，我的路径为：/usr/lib/jvm/java-6-openjdk/jre/lib/ext/。
这个文件夹是只读的，修改权限用chmod命令。
连接数据库的参考代码：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
|
import java.io.*;
import java.sql.*;
import java.util.*;
public class DBConnection {
private String driver = null;
private String url = null;
private String username = null;
private String password = null;
private Connection con = null;
public DBConnection() {
this.driver = "org.gjt.mm.mysql.Driver";
this.url = "jdbc:mysql://localhost:3306/Tree";
this.username = "root";
this.password = "";
}
public DBConnection(String driver, String url, String username, String password) {
this.driver = driver;
this.url = url;
this.username = username;
this.password = password;
}
public Connection makeConnection() {
con = null;
try {
Class.forName(driver);
con = DriverManager.getConnection(url, username, password);
System.out.println("连接Mysql成功");
} catch(SQLException sqle) {
sqle.printStackTrace();
} catch(ClassNotFoundException ex) {
ex.printStackTrace();
}
return con;
}
public void closeConnection() {
try{
con.close();
} catch(SQLException sqle) {
sqle.printStackTrace();
}
}
public static void main(String[] args) {
DBConnection dbc = new DBConnection();
dbc.makeConnection();
dbc.closeConnection();
}
}
|