在关系数据库中存储分层数据的选项有哪些？

Question

好的概述

一般来说，您是在快速读取时间（例如，嵌套集）或快速写入时间（邻接表）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的组合。 以下提供了一些深入的阅读：

• 另一个嵌套区间与邻接列表比较：我发现的邻接列表、物化路径、嵌套集和嵌套区间的最佳比较。
• 分层数据模型：幻灯片很好地解释了权衡和示例用法
• 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：我见过的最全面和组织良好的链接集，但解释的方式不多

选项

我知道的和一般特征：

1. 邻接列表：

• 列：ID、ParentID
• 易于实施。
• 廉价的节点移动、插入和删除。
• 寻找关卡，祖先和后代，路径的成本很高
• 通过支持它们的数据库中的公用表表达式避免 N+1

2. 嵌套集（又名修改前序树遍历）

• 列：左，右
• 廉价的祖先，后代
• 由于易失编码，非常昂贵的O(n/2)移动、插入、删除

3. 桥接表（又名闭包表 /w 触发器）

• 使用带有祖先、后代、深度的单独连接表（可选）
• 廉价的祖先和后代
• 插入、更新、删除的写入成本为O(log n) （子树的大小）
• 规范化编码：适用于连接中的 RDBMS 统计信息和查询规划器
• 每个节点需要多行

4. 沿袭列（又名物化路径，路径枚举）

• 列：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' ）
• 插入、更新、删除的写入成本为O(log n) （子树的大小）
• 非关系：依赖 Array 数据类型或序列化字符串格式

5. 嵌套区间

• 像嵌套集，但使用实数/浮点数/小数，因此编码不是易失性的（廉价的移动/插入/删除）
• 有实数/浮点数/十进制表示/精度问题
• 矩阵编码变体为“免费”添加了祖先编码（物化路径），但增加了线性代数的技巧。

6. 平桌

• 一个修改过的邻接列表，为每条记录添加一个级别和排名（例如排序）列。
• 迭代/分页便宜
• 昂贵的移动和删除
• 良好用途：线程讨论 - 论坛/博客评论

7. 多个沿袭列

• 列：每个血统级别一个，指的是所有父级到根，从项目的级别向下的级别设置为 NULL
• 廉价的祖先，后代，等级
• 廉价的插入、删除、移动叶子
• 内部节点的昂贵插入、删除、移动
• 层次结构深度的硬性限制

数据库特定说明

MySQL

• 将会话变量用于邻接列表

甲骨文

• 使用CONNECT BY遍历邻接表

PostgreSQL

• 物化路径的ltree 数据类型

SQL 服务器

• 一般总结
• 2008 提供的HierarchyId数据类型似乎有助于使用 Lineage Column 方法并扩展可以表示的深度。

Answer 1

我最喜欢的答案是这个线程中的第一句话所建议的。 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。

到目前为止的问题是从邻接表到嵌套集的覆盖方法非常缓慢，因为大多数人使用称为“推送堆栈”的极端 RBAR 方法进行转换，并且被认为是昂贵的通过邻接表和嵌套集的出色性能达到维护简单的涅槃。 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，比如说，糟糕的 100,000 个左右的节点。 使用推送堆栈方法可能需要一整天的时间来转换传销者认为的百万级节点层次结构。

我想我会给 Celko 带来一点竞争，想出一种方法以似乎不可能的速度将邻接列表转换为嵌套集。 这是我的 i5 笔记本电脑上推送堆栈方法的性能。

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'

这是新方法的持续时间（括号中的推送堆栈方法）。

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!!!)

对，那是正确的。 100 万个节点在不到 1 分钟的时间内完成转换，100,000 个节点在 4 秒内完成。

您可以阅读有关新方法的信息并在以下 URL 获取代码副本。 http://www.sqlservercentral.com/articles/Hierarchy/94040/

我还使用类似的方法开发了一个“预聚合”层次结构。 传销者和制作物料清单的人会对本文特别感兴趣。 http://www.sqlservercentral.com/articles/T-SQL/94570/

如果您确实停下来看看任何一篇文章，请跳转到“加入讨论”链接，让我知道您的想法。

Answer 2

邻接模型+嵌套集模型

我选择它是因为我可以轻松地将新项目插入到树中（你只需要一个分支的 id 来插入一个新项目）并且查询它的速度也很快。

+-------------+----------------------+--------+-----+-----+
| 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 |
+-------------+----------------------+--------+-----+-----+

• 每次您需要任何父级的所有子级时，您只需查询parent列。
• 如果您需要任何父项的所有后代，则查询其lft在父项的lft和rgt之间的项目。
• 如果您需要直到树根的任何节点的所有父节点，则查询lft低于节点的lft且rgt大于节点的rgt的项目，并按parent排序。

我需要比插入更快地访问和查询树，这就是我选择这个的原因

唯一的问题right left 。 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，DBA SE https://dba.stackexchange.com/q/89051/41481中解释了存储过程以及我是如何想出它的

Answer 3

尚未提及此设计：

多个沿袭列

虽然它有局限性，但如果你能承受它们，它是非常简单和非常有效的。 特征：

• 列：每个血统级别一个，指的是直到根的所有父项，当前项级别以下的级别设置为0（或NULL）
• 层次结构的深度有一个固定限制
• 廉价的祖先，后代，等级
• 廉价的插入、删除、移动叶子
• 内部节点的昂贵插入、删除、移动

下面是一个示例 - 鸟类的分类树，因此层次结构是 Class/Order/Family/Genus/Species - 物种是最低级别，1 行 = 1 个分类单元（在叶节点的情况下对应于物种）：

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 ''
);

以及数据示例：

+---------+---------+---------+----------+---------+-------------------------------+
| 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，因为这样您就可以非常轻松地完成所有需要的操作，只要内部类别不改变它们在树中的级别。

Answer 4

这是对您问题的一个非常部分的答案，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。

查看 MSDN 上 Kent Tegels 撰写的“使用 SQL Server 2008 建模您的数据层次结构”以了解开始。 另请参阅我自己的问题： SQL Server 2008 中的递归同表查询

Answer 5

如果您的数据库支持数组，您还可以将沿袭列或物化路径实现为父 ID 数组。

特别是使用 Postgres，您可以使用集合运算符来查询层次结构，并通过 GIN 索引获得出色的性能。 这使得在单个查询中查找父母、孩子和深度变得非常简单。 更新也很容易管理。

如果你好奇的话，我有一个完整的关于使用数组作为物化路径的文章。

Answer 6

这真的是一个方钉圆孔的问题。

如果关系数据库和 SQL 是您拥有或愿意使用的唯一锤子，那么到目前为止发布的答案就足够了。 但是，为什么不使用旨在处理分层数据的工具呢？ 图数据库是复杂层次数据的理想选择。

与图形数据库解决方案可以轻松解决相同问题相比，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。

将物料清单视为一种常见的分层数据结构。

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

class PartOf extends Edge {
};

class AdjacentTo extends Edge {
};

两个子组件之间的最短路径：简单的图遍历算法。 可接受的路径可以根据标准进行限定。

相似度：两个程序集之间的相似度是多少？ 对两个子树执行遍历，计算两个子树的交集和并集。 相似百分比是交集除以并集。

传递闭包：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 和关系数据库来解决问题。 但是，如果您愿意为工作使用正确的工具，还有更好的方法。

Answer 7

我正在为我的层次结构使用带有闭包表的 PostgreSQL。 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;
$_$;

然后对于我有层次结构的每个表，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中填充闭包表，我使用以下存储过程：

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。 可以（我什至建议）存储 ANCESTOR 和 DESCENDANT 具有相同值的记录，而 DEPTH 的值为零。 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;