sql反模式(二) — 單純的樹

個人博客：http://www.80soho.com/?p=781

場景：

有這麼個需求：設計開發一個評論系統，要求用戶可以評論文章以及相互回覆，無層級數限制。

這個需求開發人員基本都遇到過，可以先回憶或考慮這個數據表如何設計！

---

定義：

存在遞歸關係的數據很常見，數據常會像樹或者以層級方式組織。在樹形結構中，實例被稱爲節點(node)，每個節

點有多個子節點和一個父節點，最上面的節點叫根(root)節點,它沒有父節點，最底層的沒有子節點的節點叫葉

(leaf), 中間的節點簡單地稱爲非葉(nonleaf)節點。

評論數據就是一種樹形結構數據，評論的子節點就是它的回覆。其他的樹形結構數據像職員與經理的關係，菜單等等很多；

---

方案：以下所有方案中暫不考慮外鍵約束，數據庫是MYSQL!

• 鄰接表

  這個可能是最常見的解決方案，直接添加parent_id字段，引用同一張表中的其他回覆。表結構如下

   CREATE TABLE `Comments` (
    `comment_id` int(11) NOT NULL AUTO_INCREMENT COMMENT '評論ID',
    `parent_id` int(11) NOT NULL DEFAULT '0' COMMENT '評論的父ID',
    `article_id` int(11) NOT NULL DEFAULT '0' COMMENT '文章ID',
    `comment` varchar(200) DEFAULT '' COMMENT '評論內容',
    PRIMARY KEY (`comment_id`)
  ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='簡化的評論表';

  鄰接表總是依賴父節點，看看它的優缺點：

  1. 無法完成樹操作中最普通的有一項，查詢一個節點的所有後代；

     • 要用一條簡單的sql檢索一個很長的回覆分支還是很困難的；
     • 也可先獲取文章的所有評論，在程序的棧內存中處理整合，但數據量，訪問量都大，每次有人訪問都要做一次數據處理也不切實際；
  2. 增加葉子節點操作是非常方便的；
  3. 刪除節點會變得比較複雜：考慮數據完整性，刪除一棵子樹，不得不考慮處理其所有的後代節點；

上述這種方案可被叫做：‘單純的數‘ 反模式！

要合理的使用反模式：鄰接表設計的優勢在於能快速地獲取一個給定節點的直接父節點，也很容易插入新節點。如果這樣的需求就是你的應用程序的需求，那使用鄰接表就可以很好地工作！

---

下面再看看其他的方案：

• 路徑枚舉

  路徑枚舉的設計通過將所有的祖先的信息聯合成一個字符串，並保存爲每個節點的一個屬性：

  CREATE TABLE `Comments` (
    `comment_id` int(11) NOT NULL AUTO_INCREMENT COMMENT '評論ID',
    `path` varchar(1000) NOT NULL DEFAULT '0' COMMENT '路徑：eg: 1/2/4',
    `article_id` int(11) NOT NULL DEFAULT '0' COMMENT '文章ID',
    `comment` varchar(200) DEFAULT '' COMMENT '評論內容',
    PRIMARY KEY (`comment_id`)
  ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='簡化的評論表';

來看看該方案有沒有解決鄰接表的問題，

1. 通過比較每個節點的路徑來查詢一個節點的祖先：例如查找comment_id 爲4的所有的祖先的sql：

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

2. 查詢一個節點的所有後臺：例如 comment_id 爲 1 的所有後臺：

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

3. 插入節點：只需一份父節點的路徑即可；comment_id是自動生成，需要先插入再修改；

該方案的缺點：數據庫不能確保路徑的格式總是正確或者路徑中的節點確實存在，需應用程序的邏輯代碼來維護，且驗證字符串的正確性的開銷很大；再者，無論將varcharde的長度設定爲多大，依舊存在長度限制，因而不能支持樹結構的無限擴展。

---

• 閉包表

  閉包表記錄樹中所有節點間的關係，而不僅僅只有那些直接的父子關係，是一個簡單而優雅的分級存儲解決方案。

  該方案不再使用Comments表來存儲樹的結構，而是將樹中任何具有祖先-後代關係的節點對都存儲在新表中，即使兩個節點不是直接的父子關係，同時，還增加一行指向節點自己，表結構如下：

  CREATE TABLE `Comments` (
    `comment_id` int(11) NOT NULL AUTO_INCREMENT COMMENT '評論ID',
    `article_id` int(11) NOT NULL DEFAULT '0' COMMENT '文章ID',
    `comment` varchar(200) DEFAULT '' COMMENT '評論內容',
    PRIMARY KEY (`comment_id`)
  ) ENGINE=InnoDB AUTO_INCREMENT=6 DEFAULT CHARSET=utf8 COMMENT='簡化的評論表';

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

下面看看相關操作

1. 搜索祖先：搜索評論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. 搜索後臺：搜索評論1的後代：

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

3. 插入子節點：

例如評論5新增一個子節點，應首先插入一條自己到自己的關係，然後搜索TreePaths表中後代是評論5的所有節點，增加這些節點和新節點的’祖先-後代‘關係。

---

TreePaths表可以繼續優化：增加path_length字段表示祖先與後代的層級數等等；

---

• 綜述

  以上列舉了三個方案，沒種設計都各有優劣，如何選擇設計依賴於應用程序中的哪種操作最需要性能上的優化：

  • 鄰接表是最方面的設計，並且很多開發中都瞭解它；
  • 路徑枚舉能夠很直觀地展示出祖先與後代之間的路徑，但同時由於它不能確保引用完整性，使得這個設計十分脆弱，
  • 閉包表示通用的設計，它要求一個張額外的表來存儲關係，使用空間換時間的方案減少操作過程中冗餘的計算所造成的消耗。

---

當然還有其他的設計方案，沒有最好的方案，只有最適合某個應用需求的方案，歡迎多多交流！