sql反模式(二) — 单纯的树

摘要：其他的树形结构数据像职员与经理的关系，菜单等等很多方案以下所有方案中暂不考虑外键约束，数据库是邻接表这个可能是最常见的解决方案，直接添加字段，引用同一张表中的其他回复。

个人博客：http://www.80soho.com/?p=781

有这么个需求：设计开发一个评论系统，要求用户可以评论文章以及相互回复，无层级数限制。

这个需求开发人员基本都遇到过，可以先回忆或考虑这个数据表如何设计！

存在递归关系的数据很常见，数据常会像树或者以层级方式组织。在树形结构中，实例被称为节点(node)，每个节

点有多个子节点和一个父节点，最上面的节点叫根(root)节点,它没有父节点，最底层的没有子节点的节点叫叶

(leaf), 中间的节点简单地称为非叶(nonleaf)节点。

评论数据就是一种树形结构数据，评论的子节点就是它的回复。其他的树形结构数据像职员与经理的关系，菜单等等很多；

邻接表

这个可能是最常见的解决方案，直接添加parent_id字段，引用同一张表中的其他回复。表结构如下

 CREATE TABLE `Comments` (
  `comment_id` int(11) NOT NULL AUTO_INCREMENT COMMENT "评论ID",
  `parent_id` int(11) NOT NULL DEFAULT "0" COMMENT "评论的父ID",
  `article_id` int(11) NOT NULL DEFAULT "0" COMMENT "文章ID",
  `comment` varchar(200) DEFAULT "" COMMENT "评论内容",
  PRIMARY KEY (`comment_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT="简化的评论表";

邻接表总是依赖父节点，看看它的优缺点：

无法完成树操作中最普通的有一项，查询一个节点的所有后代；

要用一条简单的sql检索一个很长的回复分支还是很困难的；

也可先获取文章的所有评论，在程序的栈内存中处理整合，但数据量，访问量都大，每次有人访问都要做一次数据处理也不切实际；

增加叶子节点操作是非常方便的；

删除节点会变得比较复杂：考虑数据完整性，删除一棵子树，不得不考虑处理其所有的后代节点；

要合理的使用反模式：邻接表设计的优势在于能快速地获取一个给定节点的直接父节点，也很容易插入新节点。如果这样的需求就是你的应用程序的需求，那使用邻接表就可以很好地工作！

下面再看看其他的方案：

路径枚举

路径枚举的设计通过将所有的祖先的信息联合成一个字符串，并保存为每个节点的一个属性：

CREATE TABLE `Comments` (
  `comment_id` int(11) NOT NULL AUTO_INCREMENT COMMENT "评论ID",
  `path` varchar(1000) NOT NULL DEFAULT "0" COMMENT "路径：eg: 1/2/4",
  `article_id` int(11) NOT NULL DEFAULT "0" COMMENT "文章ID",
  `comment` varchar(200) DEFAULT "" COMMENT "评论内容",
  PRIMARY KEY (`comment_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT="简化的评论表";

来看看该方案有没有解决邻接表的问题，

1. 通过比较每个节点的路径来查询一个节点的祖先：例如查找comment_id 为4的所有的祖先的sql：

    SELECT * from Comments AS c where "1/3/4/" like  CONCAT(c.path,"%");

2. 查询一个节点的所有后台：例如 comment_id 为 1 的所有后台：

 SELECT * from Comments AS c where c.path like CONCAT("1/","%");

3. 插入节点：只需一份父节点的路径即可；comment_id是自动生成，需要先插入再修改；

该方案的缺点：数据库不能确保路径的格式总是正确或者路径中的节点确实存在，需应用程序的逻辑代码来维护，且验证字符串的正确性的开销很大；再者，无论将varcharde的长度设定为多大，依旧存在长度限制，因而不能支持树结构的无限扩展。

闭包表

闭包表记录树中所有节点间的关系，而不仅仅只有那些直接的父子关系，是一个简单而优雅的分级存储解决方案。

该方案不再使用Comments表来存储树的结构，而是将树中任何具有祖先-后代关系的节点对都存储在新表中，即使两个节点不是直接的父子关系，同时，还增加一行指向节点自己，表结构如下：

CREATE TABLE `Comments` (
  `comment_id` int(11) NOT NULL AUTO_INCREMENT COMMENT "评论ID",
  `article_id` int(11) NOT NULL DEFAULT "0" COMMENT "文章ID",
  `comment` varchar(200) DEFAULT "" COMMENT "评论内容",
  PRIMARY KEY (`comment_id`)
) ENGINE=InnoDB AUTO_INCREMENT=6 DEFAULT CHARSET=utf8 COMMENT="简化的评论表";

CREATE TABLE `TreePaths` (
  `ancestor` int(11) NOT NULL DEFAULT "0" COMMENT "祖先",
  `descendant` int(11) NOT NULL DEFAULT "0" COMMENT "后代"
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

下面看看相关操作

1. 搜索祖先：搜索评论5的祖先：

  SELECT c.* from Comments as c JOIN TreePaths as t on c.`comment_id` = t.ancestor WHERE t.descendant=5;

2. 搜索后台：搜索评论1的后代：

  SELECT c.* from Comments as c JOIN TreePaths as t on c.`comment_id` = t.descendant WHERE t.ancestor=1;

3. 插入子节点：

例如评论5新增一个子节点，应首先插入一条自己到自己的关系，然后搜索TreePaths表中后代是评论5的所有节点，增加这些节点和新节点的’祖先-后代‘关系。

TreePaths表可以继续优化：增加path_length字段表示祖先与后代的层级数等等；

综述

以上列举了三个方案，没种设计都各有优劣，如何选择设计依赖于应用程序中的哪种操作最需要性能上的优化：

邻接表是最方面的设计，并且很多开发中都了解它；

路径枚举能够很直观地展示出祖先与后代之间的路径，但同时由于它不能确保引用完整性，使得这个设计十分脆弱，

闭包表示通用的设计，它要求一个张额外的表来存储关系，使用空间换时间的方案减少操作过程中冗余的计算所造成的消耗。