在数据库中存储层次型数据

前言

层次型数据在数据库中的存储已经是老生常谈，常见的： 

1. 邻接表
2. 改进前序遍历树

下面我将简要介绍这两种方法的思路并附上代码，然后会探讨两种方法的优劣，以及背后原因，最后提出一种折衷的办法：改进邻接表。

 

---

 

方法一：邻接表

假设我们需要在数据库中存储如下的结构

 

（图片来自：参考1）

 

那么使用邻接表将会在数据库中这么存放数据：

 

（图片来自：参考1）

 

表结构很简单明了，值得一提的是实际项目中parent一般是写id号的，这里只是为了可读性。

那么我们从数据库中恢复树状结构只要使用递归的方法，代码如下

 

 1 #coding=utf-8
 2 
 3 import sqlite3 as lite
 4 import time
 5 
 6 if __name__ == "__main__":
 7 
 8     con = lite.connect('data.sqlite3')
 9     allline = con.execute("select * from foods").fetchall()    
10     
11     def show_item(parent, level):
12         sql = "select * from foods where parent='%s' " % parent
13         cur = con.execute(sql)
14         for one in cur.fetchall():
15             print '---'*level + one[1]
16             show_item(one[1], level+1)
17             
18     show_item('food',0)

 

很明显，这种方法主要的时间都耗在递归和递归中的查询，具体哪个是主要原因目前还不得知，不过在下文我们将会刨根究底。 

 

---

 

方法二：改进前序遍历树

数据库中的存储结构，和邻接表对比发现，少了parent，多了left和right。这left和right是怎么来的呢？

 

 

 主要思路如下图所示：

 

（图来自参考1）

 

我们希望将树状结构用水平结构来表示，按照如图所示的路线进行标注。

首先在food的左边标1，然后fruit左边标2，如此下去，我们发现这样一种结构

 

 

，最上方的粗线就是food，第二行的第一根是fruit，第二根是meat，这样看是不是觉得把树状结构用在数轴上表示出来了？

那么遍历这样一种结构十分方便，如果我们要查找food的字节点，那么只要

 

select * from foods where left > 1 and right < 18 order by left

“order by left”刚好就是按照正常的顺序进行排列，剩下一个问题就是缩进！？

解决办法就是运用stack：访问到哪个节点，如果发现节点的right比栈顶的大，那么出栈，直到栈顶比节点的right小，然后只要计算栈的大小就是缩进的长度了。