树形结构的数据库设计Word格式.docx
《树形结构的数据库设计Word格式.docx》由会员分享，可在线阅读，更多相关《树形结构的数据库设计Word格式.docx（8页珍藏版）》请在冰豆网上搜索。
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Schema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*FROMTreeWHERELftBETWEEN2AND11ORDERBYLftASC。
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（*）FROMTreeWHERELft<
=2ANDRgt>
=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：
[sql]
viewplaincopy
1.CREATE
FUNCTION
dbo.CountLayer
2.（
3.
@node_id
int
4.）
5.RETURNS
6.AS
7.begin
8.
declare
@result
9.
set
=
0
10.
@lft
11.
@rgt
12.
if
exists（select
Node_id
from
Tree
where
@node_id）
13.
begin
14.
select
Lft,
Rgt
node_id
15.
count（*）
Lft
<
and
>
16.
end
17.
return
18.end
19.GO
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：
VIEW
dbo.TreeView
2.AS
3.SELECT
Node_id,
Name,
Rgt,
dbo.CountLayer（Node_id）
AS
Layer
FROM
dbo.Tree
ORDER
BY
4.GO
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：
PROCEDURE
[dbo].[GetChildrenNodeList]
5.AS
6.declare
7.declare
8.if
*
TreeView
between
order
by
ASC
13.GO
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*FROMTreeWHERELft<
2ANDRgt>
11ORDERBYLftASC
，相对完整的存储过程：
[dbo].[GetParentNodePath]
（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。
仔细观察图中节点左右值变化，相信大家都应该能够推断出如何写SQL脚本了吧。
我们可以给出相对完整的插入子节点的存储过程：
[dbo].[AddSubNode]
int,
4.
@node_name
varchar（50）
5.）
SET
XACT_ABORT
ON
BEGIN
TRANSCTION
update
+
2
insert
into
Tree（Name,
Rgt）
values（@node_name,
@rgt,
1）
COMMIT
TRANSACTION
OFF
18.
（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：
[dbo].[DelNode]
delete
–
（@rgt
-
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。
当然，本文只给出了几种比较常见的CRUD算法的实现，我们同样可以自己添加诸如同层节点平移、节点下移、节点上移等操作。
有兴趣的朋友可以自己动手编码实现一下，这里不在列举了。
值得注意的是，实现这些算法可能会比较麻烦，会涉及到很多条update语句的顺序执行，如果顺序调度考虑不周详，出现Bug的话将会对整个树形结构表产生惊人的破坏。
因此，在对树形结构进行大规模修改的时候，可以采用临时表做中介，以降低代码的复杂度，同时，强烈推荐在做修改之前对表进行完整备份，以备不时之需。
在以查询为主的绝大多数基于数据库的应用系统中，该方案相比传统的由父子继承关系构建的数据库Schema更为适用。
升级会员 