【MySQL疑难杂症】如何将树形结构存储在数据库中（方案三 Closure Table）

【MySQL疑难杂症】如何将树形结构存储在数据库中（方案三 Closure Table）

2017.12.18 12:01 2071浏览

【MySQL疑难杂症】如何将树形结构存储在数据库中系列篇

如何将树形结构存储在数据库中（方案一 Adjacency List）

如何将树形结构存储在数据库中(方案二Path Enumeration）

如何将树形结构存储在数据库中（方案三 Closure Table）

今天介绍将树形结构存储在数据库中的第三种方法——终结表（原谅我这生硬的翻译。。）。

继续用上一篇的栗子，下面是要存储的结构图：

图片描述

需要回答的问题依旧是这样几个：

1.查询小天的直接上司。

2.查询老宋管理下的直属员工。

3.查询小天的所有上司。

4.查询老王管理的所有员工。

方案三、Closure Table 终结表法，保存每个节点与其各个子节点的关系，也就是记录以其为根节点的全部子节点信息。直接上代码就明白了：

这里要创建两个表，一个表用来存储信息：

CREATE TABLE employees3(
eid INT,
ename VARCHAR(100),
position VARCHAR(100)
)

一个表用来存储关系：

CREATE TABLE emp_relations(
root_id INT,
depth INT,
is_leaf TINYINT(1),
node_id INT
)

这里的root_id用来存放以其为根节点的路径，node_id表示节点处的eid，depth表示根节点到该节点的深度，is_leaf表示该节点是否为叶子节点。

接下来插入数据：

图片描述

图片描述

可以看出，这个关系表有点大，我们先来看看查询效果如何：

1.查询小天的直接上司。

这里只需要在关系表中找到node_id为小天id，depth为1的根节点id即可。

SELECT e2.ename BOSS FROM employees3 e1,employees3 e2,emp_relations rel 
WHERE e1.ename='小天' AND rel.node_id=e1.eid AND rel.depth=1 AND e2.eid=rel.root_id

查询结果如下：

图片描述

2.查询老宋管理下的直属员工。

思路差不多，只要查询root_id为老宋eid且深度为1的node_id即为其直接下属员工id

SELECT e1.eid,e1.ename 直接下属 FROM employees3 e1,employees3 e2,emp_relations rel 
WHERE e2.ename='老宋' AND rel.root_id=e2.eid AND rel.depth=1 AND e1.eid=rel.node_id

查询结果如下：

图片描述

3.查询小天的所有上司。

只要在关系表中找到node_id为小天eid且depth大于0的root_id即可

SELECT e2.eid,e2.ename 上司 FROM employees3 e1,employees3 e2,emp_relations rel 
WHERE e1.ename='小天' AND rel.node_id=e1.eid AND rel.depth>0 AND e2.eid=rel.root_id

查询结果如下：

图片描述

4.查询老王管理的所有员工。

只要在关系表中查找root_id为老王eid，depth大于0的node_id即可

SELECT e1.eid,e1.ename 下属 FROM employees3 e1,employees3 e2,emp_relations rel 
WHERE e2.ename='老王' AND rel.root_id=e2.eid AND rel.depth>0 AND e1.eid=rel.node_id

查询结果如下：

图片描述

我们可以发现，这四个查询的复杂程度是一样的，这就是这种存储方式的优点，而且可以让另一张表只存储跟节点紧密相关的信息，看起来更简洁。但缺点也显而易见，关系表会很庞大，当层次很深，结构很庞大的时候，关系表数据的增长会越来越快，相当于用空间效率来换取了查找上的时间效率。

至此，树形结构在数据库中存储的三种方式就介绍完了，接下来对比一下三种方法：

方案一：Adjacency List

优点：只存储上级id，存储数据少，结构类似于单链表，在查询相邻节点的时候很方便。添加删除节点都比较简单。

缺点：查询多级结构的时候会显得力不从心。

适用场合：对多级查询需求不大的场景比较适用。

方案二：Path Enumeration

优点：查询多级结构的时候比较方便。查询相邻节点时也比较ok。增加或者删除节点的时候比较简单。

缺点：需要存储的path值可能会很大，甚至超过设置的最大值范围，理论上无法无限扩张。

适用场合：结构相对简单的场景比较适合。

方案三：Closure Table

优点：在查询树形结构的任意关系时都很方便。

缺点：需要存储的数据量比较多，索引表需要的空间比较大，增加和删除节点相对麻烦。

适用场合：纵向结构不是很深，增删操作不频繁的场景比较适用。

当然，也可以再自己创新出其他更好的存储方案，如果有更好的想法，欢迎提出交流。

至此三种方案全部介绍完毕，欢迎大家继续关注。

真正重要的东西，用眼睛是看不见的。