处理 mysql 中的嵌套集？答案

【问题标题】：Dealing with nested sets in mysql?处理 mysql 中的嵌套集？
【发布时间】：2011-06-09 22:08:28
【问题描述】：

我决定关注http://www.artfulsoftware.com/mysqlbook/sampler/mysqled1ch20.html

所以现在我正在寻找有关代码的帮助。

我正在使用他们的数据进行测试，所以，我想象这棵树是这样的：

    array('value' => 'Richard Shakespeare',
        array('value' => 'Henry',
            array('value' => 'Joan'),
            array('value' => 'Margaret'),
            array('value' => 'William',
                array('value' => 'Susana',
                    array('value' => 'Elizabeth Hall',
                        array('value' => 'John Bernard'))),
                array('value' => 'Hamnet'),
                array('value' => 'Judith',
                    array('value' => 'Shakespeare Quiney'),
                    array('value' => 'Richard Quiney'),
                    array('value' => 'Thomas Quiney'))),
            array('value' => 'Gilbert'),
            array('value' => 'Joan',
                array('value' => 'William Hart'),
                array('value' => 'Mary Hart'),
                array('value' => 'Thomas Hart'),
                array('value' => 'Micheal Hart')),
            array('value' => 'Anne'),
            array('value' => 'Richard'),
            array('value' => 'Edmond')),
        array('value' => 'John'));

因此，如果我们想将其插入到数据库中，我们希望以

结尾

所以想到了这个问题，如何最好地做到这一点？

我的解决方案是：

$container = array();

function children($item){
  $children = 0;
  foreach($item as $node)
    if(is_array($node))
      $children += children($node)+1;
    return $children;
}

function calculate($item, &$container, $data = array(0,0)){
  //althought this one is actually of no use, it could be useful as it contains a count 
  $data[0]++; //$left

  $right = ($data[0]+(children($item)*2))+1;

  //store the values in the passed container
  $container[] = array(
    'value' => $item['value'],
    'left'  => $data[0],
    'right' => $right,
  );

  //continue looping
  $level = $data[1]++;
  foreach($item as &$node)
    if(is_array($node))
      $data = calculate($node, $container, $data);

    $data[1] = $level;
    $data[0]++;
    return $data;
}

calculate($tree, $container);

效率如何我不知道。

现在开始查询。

选择一个节点的所有后代，我们可以使用

SELECT child.value AS 'Descendants of William', COUNT(*) AS `Level`
FROM tester AS parent
JOIN tester AS child ON child.`left` BETWEEN parent.`left` AND parent.`right`
WHERE parent.`left` > 7 AND parent.`right` < 24
GROUP BY child.value ORDER BY `level`;

要选择节点的所有后代，我们可以使用特定深度
请注意，我们选择威廉的后代，深度为 2
Williams 左： 7，威廉姆斯右：24，水平：2

SELECT child.value AS 'Descendants of William', COUNT(*) AS `Level`
FROM tester AS parent
JOIN tester AS child ON child.`left` BETWEEN parent.`left` AND parent.`right`
WHERE parent.`left` > 7 AND parent.`right` < 24
GROUP BY child.value HAVING `level` <= 2 ORDER BY `level`;

所以这很容易。

但现在我想知道一些事情，
请注意，在实际数据库中以及左/右所有行都有一个唯一的 ID，以及一个包含其邀请者 ID 的“父”列，或者如果没有被邀请，则为 null

假设我想插入David 作为Judith 的孩子，我该怎么做？
假设我想获得 Mary Hart's 父母和父母父母 (array('Henery', 'Joan', 'Mary Hart'))，我该怎么做？
假设我想从Joan 中删除William Hart，我该怎么做？

【问题讨论】：

你试过什么？我不想问，但是嵌套集很复杂，而且您的问题听起来像是在众包您的工作。另外，你甚至还没有开始略过问题的难度。例如：“如果我想颠倒 david 和 judith，让 judith 现在取代 david 作为孩子的位置，反之亦然，我该怎么做 [无需重新索引树两次]？”

标签： php mysql nested-sets

【解决方案1】：

要更新/删除，您需要增加/减少分支的所有元素的left/right 值。
您可以找到here 的查询示例。

效率如何我不知道。

嵌套集在更新/插入/删除时对大树的工作非常缓慢。而且选择速度非常快。
所以这个模型只使用静态数据，大部分时间不会改变存储，这棵树不会包含数千个节点（或者任何更新都需要几分钟才能完成）。物化路径的工作速度要快得多。

【讨论】：

所以，如果我正在使用用户表，因此，数据会经常插入，最终会有数十万行，但不会经常更新/删除，但会几乎在每次页面加载时都可以阅读（树结构是我们网站的中心部分）我应该使用嵌套集吗？
@OZ 实际上不仅是分支的元素，而且是所有具有 left_id > current_element.right_id 的元素。
@OZ_：我不赞成你，因为这不适用于 MySQL。也许 PostGreSql 是这样，Celco 也在这里。
@malko，对，谢谢。 @epitaph，pff，这只是现实。我过去花了很多时间检查它——去做吧。如果表将包含 70000 个节点，则插入新节点可能需要更新许多项目，成千上万。
@Hailwood，不，不要使用 users 表。层次结构中的用户？尝试物化路径模型。

【解决方案2】：

要获取节点的父节点，您需要 left_id child.right_id 的节点，如果您只希望直接祖先从前一组中选择具有最高 left_id 的节点。
要删除一个节点，将其删除，然后将所有大于已删除元素右 id 的左/右 id 降低两倍。 if( leftId > deleted.leftId ) leftId-=2 与 rightId 相同
要插入一个节点，为其留出一些空间，将 +2 添加到 leftId > parent.rightId 然后 parent.rightId += 2 的所有节点，然后插入 leftId = parent.rightId-2 和 rightId=parent 的节点。 rightId-1

【讨论】：

【解决方案3】：

如果您对每个关系使用 DFS，然后如果您希望更详细地使用您的函数 calculate()，您的所有问题都可以非常容易地解决。

【讨论】：

Hailwood：深度优先搜索。