层次(树型)数据的存储与访问(一)

在软件项目中，经常会遇到层次数据的处理问题，比如产品分类、树型目录、企业组织结构等等。一般情况下，这些数据不得不存储在关系数据库中，由于关系数据库表是扁平的二维结构，所以必须将层次数据平面化，才能适应关系模型的存储访问模式。目前基于此的转换方法很多，流行的主要有四种：多表模式、邻接表模式、编码模式、改进的前序前历模式。本文在收集整理的基础上，通过实例对比、分析、探讨，希望给不熟悉的朋友提供一些参考。

首先给出一个问题，是一个商品分类的例子，需要在关系数据库中存储和处理，为了简便起见，分类的层次尽量的少，并且在下文中只讨论处理分类，而并不涉及到具体产品内容。如图所示。

 

一、多表模式：

多表模式就是用多表来存储层次数据，方法是每一层用一张表表示，这是一种非常原始的方法，不过很好理解，在数据层次很少的，三层以下，特别是两层中得到了广泛的应用。上面的问题可以用三张表分解，根“商品”这一层在此可以是虚拟的，表中可以省略。

 

1、 一级分类表（table1）：

Id	Title
1	电器
2	服装

 

2、  二级分类表(table2)：

Id	Title	Parent
11	电视	1
12	冰箱	1
13	空调	1
14	成人	2
15	儿童	2

3、  三级分类表(table3)：

Id	Title	Parent1	Parent2
111	柜式	1	12
112	窗式	1	12
113	上衣	2	14

 

在上面表的设计中，每层保存上级Id字段，在三级分类表中，更保存了所有上级分类（只保留直接上级即可），可能不符合范式，但这样可以方便于数据库访问；表中Id字段值做了特别处理，是为了显而易见，实际当然不是这样的。

在多表模式下，每个分类节点都处在相应级别的表中，分类节点的增加、更新、删除操作都很方便，删除时需要先删除下级表中相关信息。

例一， 在“成人”分类节点下，增加一个新的分类节点“长裤”。

Insert into table3(Id,Title,Parent1,Parent2) values(114,”长裤”,2,14)

例二， 删除“成人”节点：

A， 先删除“成人”节点的下级节点：

delete from table3 where Parent2=14

B,再删除“成人”节点：

Delete from table3 where Id=114

查询操作根据需要有不同的复杂度，经常要横跨多表，不甚方便。

例三， 查询获取“窗式”节点的路径：

Select Title from table3 where Id=112 /*查询本层*/

Union

Select Title from table2 where Id=(select Parent2 from table3 where Id=112) /*上层*/

Union

Select Title from table1 where Id=(select Parent1 from table3 where Id=112)/*再上层*/

例四， 遍历并打印所有分类树：

通过循环，分别从第一级迭代到第三级，用C#实现（注：为了简便易阅读，其中数据库操作，使用了本人编写的数据库操作组件，在本人博客中有完整代码，可以下载使用）

Db db=new Db();

DataTable table1=db.RunDataTable("select * from table1",CommandType.Text); //获取一级分类

for(int i=0;i< P>

DataRow row1=table1.Rows[i];

Console.WriteLine(row1["Title"].ToString()+" ");

string sql="select * from table2 where Parent="+row1["Id"].ToString();

DataTable table2=db.RunDataTable(sql,CommandType.Text);//获取二级分类

for(int j=0; j< P>

DataRow row2=table2.Rows[j];

Console.WriteLine("----"+row2["Title"].ToString()+" ");

sql="select * from table3 where Parent2="+row2["Id"].ToString();

DataTable table3=db.RunDataTable(sql,CommandType.Text);//获取三级分类

for(int k=0;k< P>

Console.WriteLine("--------"+table3.rows[k]["Title"].ToString()+" ");

}

}

}

可以看到，在多表模式下，查询操作经常要扫描所有表，效率确实不高，同时随着层次的增加，查询复杂性也成倍增长，所以多表模式只能用于数据层次固定且层次很少的场合，当然如果只有两层，却是首选。

二、邻接表模式：

邻接表模式是使用最频繁的层次数据到关系表的转换方法，有数据结构基础的朋友，首先会想到这种方法，与多表方式不同，邻接表模式，把层次数据平面化到一张表中，而在每个分类节点中保存一个父节点的信息，根节点的父节点表示为空。如图

商品分类表（table1):

Parent	Title
	商品
商品	电器
商品	服装

电器	电视
电器	冰箱
电器	空调
服装	成人
服装	儿童
冰箱	柜式
冰箱	窗式
成人	上衣

在表中Parent字段直接使用父节点的Title值，这不是一个好的设计，应该使用数据标识表示较好，如此是因为这样比较容易看明白。

实际应用中，也可增加一个字段表示分类节在所在的层次。这样可是简化一些操作，如果合理使用索引也能提高访问效率。

下面看一些基本访问操作。

例一、在“成人”节点下增加一个新分类“长裤”：

insert into table1(Parent,Title) values("成","长裤")

例二、获取某一节点的子树：

在邻接表访问操作中，经常要用到递归方法，可以使用数据库的存储过程或函数实现，但存储过程或函数中，递归调用一般有层数限制，比如sql server2000被限制在32层之内。在下面的例子中都用C#函数实现。

public void DisplayTree(string title){

      string sql="select title from table1 where Parent='"+title+"'";

      Db db=new Db();

      DataTable table=db.RunDataTable(sql,Command.Text);

     for(int i=0;i

          Console.WriteLine("----"+table.Rows[i]["Title"].ToString()+" ");

          DisplayTree(table.Rows[i]["Title"].ToString());

   }

}

例三、获取某一节点的路径：

 public string NodePath(string title){

     Db db=new Db();

     string sql="select Parent from table1 where Title='"+title+"'";

    string? path=db.RunScalar("sql,CommandType.Text).ToString();

    if(path==null){

        path+=","+title;

    }

    else{

       path+=","+NodePath(path);

    }

return path;

}

例四，删除一个分类节点：

 public void DeleteTree(string title){

    string sql="select Title from table1 where Title='"+title+"'";

    Db db=new Db();

    DataTable dt=db.RunDataTable(sql,Command.Text);

    if(dt.Rows.Count<1) return;

   sql="select Title from table1 where Parent='"+dt.Rows[0]["Title"].ToSting();

   DataTable dt1=db.RunDataTable(sql,Command.Text);

   if(dt1.Rows.Count<1){

       db.RunNon("delete from table1 where Title='"+title+"'",CommandType.Text);

   }

   else{

       for(int i=0;i

           DeleteTree(dt1.Rows[i]["Title"].ToString());

       }

}

}

邻接表模式，直观、简明、操作简单、容易理解，并且可以实现无限级分类，是使用最多也是比较好的一种方法，但是在数据操作时，通常需要使用“递归”调用，并反复扫描数据库表，效率不高，cpu占用很大，如果数据量很大，运行会很慢，对于网络应用可能会引起超时。
上面先介绍两种常用方法。其它在《层次数据的存储与访问（二）》中继续探讨。

原文链接：https://blog.csdn.net/kkeemmgg/article/details/2747502