MySQL多层级结构-树搜索介绍

基本上在每个系统中都有那么几张表是自关联父子关系的结构。往往有很多人都是使用pid来做关联。在刚进入IT行业时使用CAKEPHP框架编写WEB的时候，使用它里面的一个ACL plugin实现权限管理的时候。发现一个表结构硬是不明白是怎么回事。具体表结构如下：

CREATE TABLE acos ( id INTEGER(10) UNSIGNED NOT NULL AUTO_INCREMENT, parent_id INTEGER(10) DEFAULT NULL, model VARCHAR(255) DEFAULT '', foreign_key INTEGER(10) UNSIGNED DEFAULT NULL, alias VARCHAR(255) DEFAULT '', lft INTEGER(10) DEFAULT NULL, rght INTEGER(10) DEFAULT NULL, PRIMARY KEY (id));

我们可以看到上面 acos 表用有lft、rght这两个字段。起初我根本就不明白这两个是做什么用的，几次直接修改数据导致数据错乱。

1.2. 原理解释

其实这就是树的后续遍历的每个节点的左值、右值。如下图表示:

1.3. 树的使用（引用上图树结构）

构造数据

DROP TABLE IF EXISTS comment;CREATE TABLE `comment` ( `comment_id` int(11) DEFAULT NULL, `left_num` int(11) DEFAULT NULL, `right_num` int(11) DEFAULT NULL);INSERT INTO `comment` VALUES  (1,1,14), (2,2,5), (3,3,4), (4,6,13), (5,7,8), (6,9,12), (7,10,11); CREATE INDEX idx$comment$left_num$right_num ON `comment` (`left_num`, `right_num`);

查找 '节点4' 的所有子节点

思路:我们只要查找出 节点左值在 '节点4' 左值和右值之间的节点
通俗说法:能被 '节点4' 包住的节点,通过左节点和右节点来判断是否被 '节点4' 包住。

-- 获得 '节点4' 孩子SELECT c.*FROM comment AS p, comment AS cWHERE c.left_num BETWEEN p.left_num AND p.right_num AND p.comment_id = 4;+------------+----------+-----------+| comment_id | left_num | right_num |+------------+----------+-----------+|     4 |    6 |    13 ||     5 |    7 |     8 ||     6 |    9 |    12 ||     7 |    10 |    11 |+------------+----------+-----------+

查找 '节点6' 的所有父节点
思路: 找出 左值小于 '节点6' 并且 右值大于 '节点6' 的节点。
通俗说法: 找出那个节点能将 '节点6' 给包住。

-- 获得 '节点6' 父亲SELECT p.* FROM comment AS p, comment AS cWHERE c.left_num BETWEEN p.left_num AND p.right_num AND c.comment_id = 6;+------------+----------+-----------+| comment_id | left_num | right_num |+------------+----------+-----------+|     1 |    1 |    14 ||     4 |    6 |    13 ||     6 |    9 |    12 |+------------+----------+-----------+

计算 '节点4' 的深度
如果是mysql/' target='_blank'>mysql5.7 需要修改sql_mode

SET SESSION sql_mode = 'STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION';SELECT c.*, COUNT(c.comment_id) AS depthFROM comment AS p, comment AS cWHERE c.left_num BETWEEN p.left_num AND p.right_num AND c.comment_id = 4GROUP BY c.comment_id;+------------+----------+-----------+-------+| comment_id | left_num | right_num | depth |+------------+----------+-----------+-------+|     4 |    6 |    13 |   2 |+------------+----------+-----------+-------+

获取 '节点4' 的所有子节点, 和相关深度

SELECT sub_child.*, (COUNT(sub_parent.comment_id) - 1) AS depthFROM ( SELECT child.* FROM comment AS parent, comment AS child WHERE child.left_num BETWEEN parent.left_num AND parent.right_num  AND parent.comment_id = 4) AS sub_child, ( SELECT child.* FROM comment AS parent, comment AS child WHERE child.left_num BETWEEN parent.left_num AND parent.right_num  AND parent.comment_id = 4) AS sub_parentWHERE sub_child.left_num BETWEEN sub_parent.left_num AND sub_parent.right_numGROUP BY sub_child.comment_idORDER BY sub_child.left_num;+------------+----------+-----------+-------+| comment_id | left_num | right_num | depth |+------------+----------+-----------+-------+|     4 |    6 |    13 |   0 ||     5 |    7 |     8 |   1 ||     6 |    9 |    12 |   1 ||     7 |    10 |    11 |   2 |+------------+----------+-----------+-------+

插入数据
数据的插入是一件相当麻烦的事，需要更新节点的所有父节点的右值和和所有孩子节点的 '左值、右值'
如上图，如果我们想为 '节点4' 添加一个孩子 '节点44'(为了不给自己挖坑，我们将添加的孩子放在父节点的最左边)，就是将 '节点44' 放在 '节点5' 的左边。如下图：

最终我们获得的结果，如下图：

上图 '紫色' 的是节点需要变更的左值和右值，'绿色' 的是新增节点的值。
更新思路：
1、将左值大于 '节点4' 的左值的节点的左值 加2。
2、将右值大于 '节点4' 的左值的节点的右值 加2。

-- 获得 '节点4' 和 '节点4'的第一个孩子的(节点5)的左右值SELECT c.*FROM comment AS p, comment AS cWHERE c.left_num BETWEEN p.left_num AND p.right_num AND p.comment_id = 4;+------------+----------+-----------+| comment_id | left_num | right_num |+------------+----------+-----------+|     4 |    6 |    13 ||     5 |    7 |     8 |... omit ...-- 通过上面获得的信息更新 '节点4' 的父子几点的左右值UPDATE comment SET left_num = left_num + 2 WHERE left_num > 6;UPDATE comment SET right_num = right_num + 2 WHERE right_num > 6;

插入思路
1、将 '节点44' 的左值设置为 '节点4' 的左值 加1
2、将 '节点44' 的右值设置为 '节点4' 的左值 加2

INSERT INTO comment SELECT 44, left_num + 1, left_num + 2FROM comment WHERE comment_id = 4;

验证

-- 获得 '节点4' 孩子SELECT c.*FROM comment AS p, comment AS cWHERE c.left_num BETWEEN p.left_num AND p.right_num AND p.comment_id = 4;+------------+----------+-----------+| comment_id | left_num | right_num |+------------+----------+-----------+|     4 |    6 |    15 ||     5 |    9 |    10 ||     6 |    11 |    14 ||     7 |    12 |    13 ||     44 |    7 |     8 |+------------+----------+-----------+-- 获得 '节点44' 父亲SELECT p.* FROM comment AS p, comment AS cWHERE c.left_num BETWEEN p.left_num AND p.right_num AND c.comment_id = 44;+------------+----------+-----------+| comment_id | left_num | right_num |+------------+----------+-----------+|     1 |    1 |    16 ||     4 |    6 |    15 ||     44 |    7 |     8 |+------------+----------+-----------+

1.4. 总结

这种树结构一般会用在查询多增加修改少的场景中（比如地区表，类别表之类的）。
在现实中其实还有些表的数据字段很多，并且具有层级关系。但是他们层级关系并不需要实时的那么准确(最终能达到数据数据一直就行)，这是我们会将这种层级关系的字段和主表分开放在另外一个表。这样为了加快更新。如果实时更新影响到了性能，这是我们会考虑使用kafka(我们还没有发现性能很差)。