检索 mptt 查询集祖先查询集的高效函数

Question

有没有人有一个有效的算法来检索一个 mptt 查询集的所有祖先？到目前为止我能想到的最好的是这样的：

def qs_ancestors(queryset):
    if isinstance(queryset, EmptyQuerySet):
        return queryset
    queryset_aggs = queryset.values_list('tree_id', 'level').annotate(max_lft=Max('lft'), min_rght=Min('rght'))
    new_queryset = queryset.none()
    for tree_id, level, max_lft, min_rght in queryset_aggs:
        ancestors = MyModel.objects.filter(
           tree_id=tree_id,
           level__lt=level, 
           lft__lte=max_lft,
           rght__gte=min_rght,
        )
        new_queryset = ancestors | new_queryset
    return new_queryset

这种方法有两个问题：

1. 如果存在不相邻的分支（即它实际上不起作用），则会失败
2. 它的效率非常低，因为它最终在最终查询中包含number_of_trees*number_of_levels 子句，它可以很快变得非常大

我愿意在其他地方缓存祖先，但我想不出一种有效的方法。我考虑添加一个以逗号分隔的祖先 id 列表的字段，然后在额外内容中执行 GROUP_CONCAT（我在 MySQL 中），但我认为这可能会变得巨大/缓慢。

Answer 1

我曾经写过一个类似的算法。我有一个显示 MPTT 树的视图，它是一个非常大的树，所以我无法在 HTML 模板中加载它的所有数据。所以我在初始加载时只显示了根节点，并使用 Ajax 加载其他节点。

在我的老板要求我实施“搜索”选项之前，它一直运行良好。搜索必须查看所有节点并在找到匹配项时分解树。我花了一段时间才弄清楚这一点，但我终于明白了。这是a提出的解决方案：

from django.db.models import Q

def get_parents(self, qs):
    tree_list = {}
    query = Q()
    for node in qs:
        if node.tree_id not in tree_list:
            tree_list[node.tree_id] = []

        parent =  node.parent.pk if node.parent is not None else None,

        if parent not in tree_list[node.tree_id]:
            tree_list[node.tree_id].append(parent)

            query |= Q(lft__lt=node.lft, rght__gt=node.rght, tree_id=node.tree_id)

    return YourModel.objects.filter(query)

它只需要运行两个查询，初始qs 作为参数传递，最后一个查询集由函数返回。 tree_list 是一个字典，用于存储已添加到查询集中的节点，它是一种优化，算法不需要工作。但由于我使用的是一棵相对较大的树，所以我不得不将它包括在内。

我想你可以把这个方法变成一个管理器，让它更通用，即让它适用于任何 MPTT 模型，而不仅仅是YourModel

Answer 2

怎么样：

def qs_ancestors(queryset):
    if isinstance(queryset, EmptyQuerySet):
        return queryset
    new_queryset = queryset.none()
    for obj in queryset:
        new_queryset = new_queryset | obj.get_ancestors()
return new_queryset

它仍然是 len(queryset) 子句。您可以通过执行预处理传递来潜在地减少子句的数量，该传递删除作为查询集中其他对象的祖先的对象，例如：

min_obj_set = []
for obj in queryset.order_by('tree_id', '-level'):
    for obj2 in min_obj_set:
        if obj.is_ancestor_of(obj2):
            break
    else:
        min_obj_set.append(obj)

虽然上面的 sn-p 只是一个示例，但如果您的 querset 包含大量对象，您可能希望使用 BST。

不过，您必须测试与更大的数据库查询相比，这是否会提高速度。