提问



良好概述


一般来说,您需要在快速阅读时间(例如,嵌套集)或快速写入时间(邻接列表)之间做出决定。通常,您最终会得到最适合您需求的以下选项组合。以下提供一些深入阅读:



  • 另外一个嵌套间隔与邻接列表比较:邻接列表,物化路径,嵌套集和嵌套间隔的最佳比较我已找到。

  • 分层数据的模型:对权衡和示例用法有良好解释的幻灯片

  • 在MySQL中表示层次结构:特别是
  • 对嵌套集的非常好的概述
  • RDBMS中的分层数据:我见过的最全面,组织良好的链接集,但解释方式不多



选项 [26] [27] [28] [29]


我知道和一般的功能:



  1. 邻接清单:


    • 列:ID,ParentID

    • 易于实施。

    • 便宜节点移动,插入和删除。

    • 找到水平,血统和水平的昂贵后裔,路径​​

    • 在支持它们的数据库中通过公用表表达式避免使用N + 1


  2. 嵌套集(a.k.a Modified Preorder Tree Traversal)


    • 列:左,右

    • 廉价血统,后代

    • 非常昂贵O(n/2)由于易失性编码而移动,插入,删除


  3. 桥牌表(a.k.a.关闭表/w触发器)


    • 使用单独的连接表:ancestor,descendant,depth(optional)

    • 便宜的血统和后代

    • 为插入,更新,删除写入成本O(log n)(子树的大小)

    • 规范化编码:适用于RDBMS统计数据&查询规划器在连接中

    • 每个节点需要多行


  4. 谱系列(a.k.a.物化路径,路径枚举)


    • 专栏:血统(例如/parent/child/grandchild/etc ......)

    • 通过前缀查询的廉价后代(例如LEFT(lineage, #) = '/enumerated/path')

    • 为插入,更新,删除写入成本O(log n)(子树的大小)

    • 非关系型:依赖于Array数据类型或序列化字符串格式


  5. 嵌套间隔


    • 与嵌套集类似,但使用实数/浮点数/小数,以便编码不易变(廉价移动/插入/删除)

    • 具有实/浮点/小数表示/精度问题

    • 复杂矩阵编码变体为free
    • 添加了祖先编码(物化路径)

  6. 平台


    • 修改后的邻接列表,为每条记录添加级别和排名(例如排序)列。

    • 便宜迭代/分页

    • 昂贵的移动和删除

    • 好用:线程讨论 - 论坛/博客评论


  7. 多个谱系列


    • 列:每个谱系级别一个,指向根目录下的所有父级,从项目级别向下的级别设置为NULL

    • 便宜的祖先,后代,等级

    • 廉价插入,删除,移动树叶

    • 昂贵的插入,删除,移动内部节点

    • 层次结构有多深的硬性限制




数据库特定说明 [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40]


的MySQL



  • 使用会话变量用于邻接列表



甲骨文 [42]



  • 使用CONNECT BY遍历邻接列表



的PostgreSQL [43]



  • 物化路径的ltree数据类型



SQL Server [44]



  • 总摘要

  • 2008提供HierarchyId数据类型似乎有助于Lineage Column方法并扩展可以表示的深度。


最佳参考


我最喜欢的答案是这个帖子中第一句话的建议。使用邻接列表来维护层次结构并使用嵌套集来查询层次结构。[45] [46]


到目前为止的问题是从邻接列表到嵌套集的转换方法一直非常缓慢,因为大多数人使用称为推送栈的极端RBAR方法来进行转换,并且被认为是昂贵的方式通过邻接列表和嵌套集的强大性能来达到Nirvana的简单维护。结果,大多数人最终不得不满足于一个或另一个,特别是如果有超过10万个节点那么多。使用推送堆栈方法可能需要一整天的时间来完成MLMers认为是一个小百万节点层次结构的转换。


我想我会通过提出一种方法将Celacency List转换为嵌套的设置,以一种看似不可能的速度给Celko带来一些竞争。这就是我的i5笔记本电脑上推送栈方法的性能。


Duration for     1,000 Nodes = 00:00:00:870 
Duration for    10,000 Nodes = 00:01:01:783 (70 times slower instead of just 10)
Duration for   100,000 Nodes = 00:49:59:730 (3,446 times slower instead of just 100) 
Duration for 1,000,000 Nodes = 'Didn't even try this'


这里是新方法的持续时间(在括号中使用推叠方法)。


Duration for     1,000 Nodes = 00:00:00:053 (compared to 00:00:00:870)
Duration for    10,000 Nodes = 00:00:00:323 (compared to 00:01:01:783)
Duration for   100,000 Nodes = 00:00:03:867 (compared to 00:49:59:730)
Duration for 1,000,000 Nodes = 00:00:54:283 (compared to something like 2 days!!!)


是的,这是正确的。在不到一分钟内转换了100万个节点,在4秒内转换了100,000个节点。


您可以阅读有关新方法的信息,并从以下URL获取代码的副本。
http://www.sqlservercentral.com/articles/Hierarchy/94040/[47]


我还使用类似的方法开发了预聚合层次结构。 MLM人员和制作物料清单的人将对本文特别感兴趣。
http://www.sqlservercentral.com/articles/T-SQL/94570/[48]


如果你停下来看看这两篇文章,请跳到加入讨论链接,让我知道你的想法。

其它参考1


这是对你的问题的非常局部的答案,但我希望仍然有用。


Microsoft SQL Server 2008实现了两个对管理分层数据非常有用的功能:



  • HierarchyId数据类型。

  • 公用表表达式,使用with关键字。



在MSDN上查看Kent Tegels的使用SQL Server 2008建模您的数据层次结构以获取启动。另请参阅我自己的问题:SQL Server 2008中的递归同表查询[49] [50] [51]

其它参考2


这个设计还没有提到:


多个谱系列



虽然它有局限性,如果你能承受它,它非常简单而且效率很高。特点:



  • 列:每个谱系级别一个,指所有父级到根,级别低于当前项级别设置为NULL

  • 限制层次结构的深度

  • 便宜的祖先,后代,等级

  • 廉价插入,删除,移动树叶

  • 昂贵的插入,删除,移动内部节点



下面是一个例子 - 鸟类的分类树,所以层次结构是Class/Order/Family/Genus/Species - 物种是最低级别,1行= 1个分类单元(对应于叶子节点的物种):


CREATE TABLE `taxons` (
  `TaxonId` smallint(6) NOT NULL default '0',
  `ClassId` smallint(6) default NULL,
  `OrderId` smallint(6) default NULL,
  `FamilyId` smallint(6) default NULL,
  `GenusId` smallint(6) default NULL,
  `Name` varchar(150) NOT NULL default ''
);


和数据的例子:


+---------+---------+---------+----------+---------+-------------------------------+
| TaxonId | ClassId | OrderId | FamilyId | GenusId | Name                          |
+---------+---------+---------+----------+---------+-------------------------------+
|     254 |       0 |       0 |        0 |       0 | Aves                          |
|     255 |     254 |       0 |        0 |       0 | Gaviiformes                   |
|     256 |     254 |     255 |        0 |       0 | Gaviidae                      |
|     257 |     254 |     255 |      256 |       0 | Gavia                         |
|     258 |     254 |     255 |      256 |     257 | Gavia stellata                |
|     259 |     254 |     255 |      256 |     257 | Gavia arctica                 |
|     260 |     254 |     255 |      256 |     257 | Gavia immer                   |
|     261 |     254 |     255 |      256 |     257 | Gavia adamsii                 |
|     262 |     254 |       0 |        0 |       0 | Podicipediformes              |
|     263 |     254 |     262 |        0 |       0 | Podicipedidae                 |
|     264 |     254 |     262 |      263 |       0 | Tachybaptus                   |


这很好,因为只要内部类别不改变树中的级别,这种方式就可以非常简单地完成所有需要的操作。

其它参考3


邻接模型+嵌套集模型



我去了它,因为我可以轻松地向树中插入新项目(你只需要一个分支的id来向它插入一个新项目)并且还可以非常快速地查询它。


+-------------+----------------------+--------+-----+-----+
| category_id | name                 | parent | lft | rgt |
+-------------+----------------------+--------+-----+-----+
|           1 | ELECTRONICS          |   NULL |   1 |  20 |
|           2 | TELEVISIONS          |      1 |   2 |   9 |
|           3 | TUBE                 |      2 |   3 |   4 |
|           4 | LCD                  |      2 |   5 |   6 |
|           5 | PLASMA               |      2 |   7 |   8 |
|           6 | PORTABLE ELECTRONICS |      1 |  10 |  19 |
|           7 | MP3 PLAYERS          |      6 |  11 |  14 |
|           8 | FLASH                |      7 |  12 |  13 |
|           9 | CD PLAYERS           |      6 |  15 |  16 |
|          10 | 2 WAY RADIOS         |      6 |  17 |  18 |
+-------------+----------------------+--------+-----+-----+



  • 每当您需要任何父的所有子时,您只需查询parent列。

  • 如果您需要任何父级的所有后代,则查询父级lftrgt之间lft的项目。

  • 如果您需要任何节点的所有父节点直到树的根,则查询lft低于节点lftrgt大于节点的项目s rgt并按parent排序。



我需要比插入更快地访问和查询树,这就是我选择的原因


唯一的问题是在插入新项目时修复leftright列。好吧,我为它创建了一个存储过程,并在每次插入一个新项目时调用它,这在我的情况下很少见,但它真的很快。
我从Joe Celko的书中得到了这个想法,并且在DBA SE中解释了存储过程以及我如何想出它
https://dba.stackexchange.com/q/89051/41481[54]

其它参考4


如果数据库支持数组,则还可以将lineage列或实现路径实现为父ID数组。


特别是使用Postgres,您可以使用set运算符来查询层次结构,并使用GIN索引获得出色的性能。这使得在单个查询中查找父,子女和深度非常简单。更新也非常易于管理。


如果你好奇的话,我已经完整地写了使用数组来实现物化路径。[55]

其它参考5


这实际上是一个方形钉,圆孔问题。


如果关系数据库和SQL是您拥有或愿意使用的唯一锤子,那么到目前为止已发布的答案就足够了。但是,为什么不使用专门用于处理分层数据的工具呢?图数据库是复杂分层数据的理想选择。[56]


与图形数据库解决方案解决相同问题的难易程度相比,关系模型的低效率以及将图形/层次模型映射到关系模型的任何代码/查询解决方案的复杂性都是不值得的。


将物料清单视为通用的分层数据结构。


class Component extends Vertex {
    long assetId;
    long partNumber;
    long material;
    long amount;
};

class PartOf extends Edge {
};

class AdjacentTo extends Edge {
};


两个子装配之间的最短路径:简单的图形遍历算法。可接受的路径可以根据标准进行限定。


相似性:两个装配体之间的相似程度是多少?在两个子树上执行遍历,计算两个子树的交集和并集。相似的百分比是交叉点除以并集。


传递关闭:遍历子树并总结感兴趣的字段,例如子组件中有多少铝?


是的,您可以使用SQL和关系数据库解决问题。但是,如果您愿意使用正确的工具来完成工作,那么有更好的方法。

其它参考6


我正在使用PostgreSQL和我的层次结构的闭包表。
我有一个用于整个数据库的通用存储过程:


CREATE FUNCTION nomen_tree() RETURNS trigger
    LANGUAGE plpgsql
    AS $_$
DECLARE
  old_parent INTEGER;
  new_parent INTEGER;
  id_nom INTEGER;
  txt_name TEXT;
BEGIN
-- TG_ARGV[0] = name of table with entities with PARENT-CHILD relationships (TBL_ORIG)
-- TG_ARGV[1] = name of helper table with ANCESTOR, CHILD, DEPTH information (TBL_TREE)
-- TG_ARGV[2] = name of the field in TBL_ORIG which is used for the PARENT-CHILD relationship (FLD_PARENT)
    IF TG_OP = 'INSERT' THEN
    EXECUTE 'INSERT INTO ' || TG_ARGV[1] || ' (child_id,ancestor_id,depth) 
        SELECT $1.id,$1.id,0 UNION ALL
      SELECT $1.id,ancestor_id,depth+1 FROM ' || TG_ARGV[1] || ' WHERE child_id=$1.' || TG_ARGV[2] USING NEW;
    ELSE                                                           
    -- EXECUTE does not support conditional statements inside
    EXECUTE 'SELECT $1.' || TG_ARGV[2] || ',$2.' || TG_ARGV[2] INTO old_parent,new_parent USING OLD,NEW;
    IF COALESCE(old_parent,0) <> COALESCE(new_parent,0) THEN
      EXECUTE '
      -- prevent cycles in the tree
      UPDATE ' || TG_ARGV[0] || ' SET ' || TG_ARGV[2] || ' = $1.' || TG_ARGV[2]
        || ' WHERE id=$2.' || TG_ARGV[2] || ' AND EXISTS(SELECT 1 FROM '
        || TG_ARGV[1] || ' WHERE child_id=$2.' || TG_ARGV[2] || ' AND ancestor_id=$2.id);
      -- first remove edges between all old parents of node and its descendants
      DELETE FROM ' || TG_ARGV[1] || ' WHERE child_id IN
        (SELECT child_id FROM ' || TG_ARGV[1] || ' WHERE ancestor_id = $1.id)
        AND ancestor_id IN
        (SELECT ancestor_id FROM ' || TG_ARGV[1] || ' WHERE child_id = $1.id AND ancestor_id <> $1.id);
      -- then add edges for all new parents ...
      INSERT INTO ' || TG_ARGV[1] || ' (child_id,ancestor_id,depth) 
        SELECT child_id,ancestor_id,d_c+d_a FROM
        (SELECT child_id,depth AS d_c FROM ' || TG_ARGV[1] || ' WHERE ancestor_id=$2.id) AS child
        CROSS JOIN
        (SELECT ancestor_id,depth+1 AS d_a FROM ' || TG_ARGV[1] || ' WHERE child_id=$2.' 
        || TG_ARGV[2] || ') AS parent;' USING OLD, NEW;
    END IF;
  END IF;
  RETURN NULL;
END;
$_$;


然后,对于每个具有层次结构的表,我创建一个触发器


CREATE TRIGGER nomenclature_tree_tr AFTER INSERT OR UPDATE ON nomenclature FOR EACH ROW EXECUTE PROCEDURE nomen_tree('my_db.nomenclature', 'my_db.nom_helper', 'parent_id');


为了从现有层次结构填充闭包表,我使用此存储过程:


CREATE FUNCTION rebuild_tree(tbl_base text, tbl_closure text, fld_parent text) RETURNS void
    LANGUAGE plpgsql
    AS $$
BEGIN
    EXECUTE 'TRUNCATE ' || tbl_closure || ';
    INSERT INTO ' || tbl_closure || ' (child_id,ancestor_id,depth) 
        WITH RECURSIVE tree AS
      (
        SELECT id AS child_id,id AS ancestor_id,0 AS depth FROM ' || tbl_base || '
        UNION ALL 
        SELECT t.id,ancestor_id,depth+1 FROM ' || tbl_base || ' AS t
        JOIN tree ON child_id = ' || fld_parent || '
      )
      SELECT * FROM tree;';
END;
$$;


闭包表定义为3列 - ANCESTOR_ID,DESCENDANT_ID,DEPTH。有可能(我甚至建议)为ANCESTOR和DESCENDANT存储具有相同值的记录,并为DEPTH存储零值。这将简化检索层次结构的查询。它们确实非常简单:


-- get all descendants
SELECT tbl_orig.*,depth FROM tbl_closure LEFT JOIN tbl_orig ON descendant_id = tbl_orig.id WHERE ancestor_id = XXX AND depth <> 0;
-- get only direct descendants
SELECT tbl_orig.* FROM tbl_closure LEFT JOIN tbl_orig ON descendant_id = tbl_orig.id WHERE ancestor_id = XXX AND depth = 1;
-- get all ancestors
SELECT tbl_orig.* FROM tbl_closure LEFT JOIN tbl_orig ON ancestor_id = tbl_orig.id WHERE descendant_id = XXX AND depth <> 0;
-- find the deepest level of children
SELECT MAX(depth) FROM tbl_closure WHERE ancestor_id = XXX;