mysql多级分类设计

简介

在数据库设计中，经常会遇到需要存储多级分类信息的情况，如商品分类、地区分类等。本文将详细介绍如何在Mysql中设计和管理多级分类数据

解决方案

一. 层级字段（Hierarchy Field）方法

层级字段方法是最常见和简单的多级分类设计方法之一。它通过在分类表中添加一个表示层级关系的字段来实现。每个分类记录包含一个字段来表示其父级分类的ID

数据表结构

CREATE TABLE cateGories (    id INT PRIMARY KEY,    name VARCHAR(255),    parent_id INT,    level INT);

• id：分类ID，作为主键
• name：分类名称
• parent_id：父级分类的ID
• level：分类所处的层级

数据插入

在向分类表中插入数据时，我们可以根据父级分类的ID来设置相应的层级字段和层级信息。

例如，插入三级分类数据的示例：

INSERT INTO categories (id, name, parent_id, level) VALUES(1, '电子产品', NULL, 1),(2, '手机', 1, 2),(3, '平板电脑', 1, 2),(4, '苹果手机', 2, 3),(5, '华为手机', 2, 3),(6, 'iPad', 3, 3),(7, '安卓平板', 3, 3);

查询分类

使用层级字段方法，可以轻松地进行分类的查询。例如，要获取所有二级分类的手机列表，可以执行以下查询：

SELECT * FROM categories WHERE level = 2 AND parent_id = 1;

层级字段方法的优缺点

优点：

• 简单直观，易于理解和实现
• 查询和操作单个层级的分类很高效

缺点：

• 难以处理复杂的层级关系，如循环引用或动态变化的层级
• 查询多级分类和递归操作时，性能可能受到影响
• 从根节点进行递归查询，时间复杂度是 O(n)

二. MPTT预排序算法

什么是MPTT算法？

MPTT算法是一种用于处理树状结构数据的算法，其中MPTT代表Modified Preorder Tree Traversal（修改的先序遍历树遍历）。它通过为树中的每个节点分配一个预排序值来组织和表示树的结构。这种预排序值允许我们以一维的方式存储和操作树，同时保持树的层次结构和父子关系。
MPTT 正是为了解决多层级关系数据的查询效率问题，它的时间复杂度竟然能高效到一个常量，即 O(1)

MPTT算法的原理

MPTT算法的原理很简单，它通过以下几个步骤来为树节点分配预排序值：

1. 初始化左值和右值为1
2. 对树进行深度优先搜索（DFS）的先序遍历
3. 遍历到一个节点时，将该节点的左值设为当前左值，并将当前左值加1
4. 递归处理节点的每个子节点
5. 当处理完所有子节点后，将节点的右值设为当前左值，并将当前左值加1

通过这个过程，我们可以为每个节点分配唯一的左值和右值，从而形成树的预排序遍历结构。

MPTT分析

以下是Django-mptt模块定义的一个部门

from mptt.models import MPTTModel, TreeForeignKeyclass Department(MPTTModel):    """组织"""    name = models.CharField("组织名称", max_length=255)    # 部门标识，不同于自增 id，多数情况存储各个公司组织架构系统的id, 非必须    code = models.CharField("组织标识", null=True, blank=True, unique=True, max_length=64)    parent = TreeForeignKey("self", on_delete=models.CASCADE, null=True, blank=True, related_name="children")    order = models.IntegerField("顺序", default=1)    profiles = models.ManyToManyField(Profile, blank=True, related_name="departments", verbose_name="成员")    enabled = models.BooleanField("是否启用", default=True)    extras = JSONField("额外信息", default={})    category_id = models.IntegerField("用户目录ID", null=True, blank=True)    class Meta:        ordering = ["id"]        verbose_name = "组织表"        verbose_name_plural = "组织表"        index_together = [            ["tree_id", "lft", "rght"],            ["parent_id", "tree_id", "lft"],        ]

在上述代码中，在进行数据库迁移后，数据库里面额外多出了 5个字段，分别是： lft、rgt、level、tree_id、parent_id。
这些多出来的字段就是为了定义树的结构和层级。下面我们就来分析一下，每个字段的作用是什么

• tree_id：树的 id，用来区分数据库中众多树的某一颗树。
• level：一颗标准的树会有高度、深度、层级，根节点的层级是 1，子节点的层级是父节点层级加 1
• parent_id：父 id，节点的父级 id，根节点没有父节点，所以值为 NULL
• lft：节点左值
• rgt：节点右值。

树结构如下：

查询

• 遍历整棵树：
  遍历整棵树只需要查找 tree_id 等于 1 的条件即可

• 某节点下所有的子孙节点：
  查找节点 4 的所有子孙节点，以 4 作为参考点。左值大于 6 且右值小于 11 的所有子孙节点，就是节点 4 的所有子孙节点。

• 找到某节点下所有的子节点
  查找节点 1 的所有子节点，以 1 作为参考点。tree_id 等于 1 且 level 等于 2

• 查找某节点的路径
  查找节点 9 的所有上级路径，以 9 作为参考点。左值小于 14 且右值大于 15 的所有节点，就是节点 ``9的路径。结果是：1 -> 7 -> 8 -> 9`。

新增

MPTT 在遍历的时候很快，但是其他的操作就会变得很慢，所以使用 MPTT 要尽量避免查询之外的其他操作，这是因为节点在插入、更新（移动）、删除会破坏树的平衡。所以在做这些操作的时候需要对数进行调整，达到新的平衡

以新增节点操作为例，算法可分解为以下几个步骤：

• 如果要在不存在的树中新增节点，即要创建一颗新树。那么它是没有 parent_id 的，所以 parent_id 值为 NULL，level 是 1，tree_id 是根据已有树的最大 tree_id 加 1
• 如果要在已存在的树中新增节点。那么它的 parent_id 是父节点的 id，level 是父节点的 level 加 1，tree_id 和父节点保持一致。
• 修复被破坏平衡的其他节点的左值。大于 parent_id 右值的所有节点的左值加 2
• 修复被破坏平衡的其他节点的右值。大于等于 parent_id 右值的所有节点的右值加 2

删除

和增加类似，只不过删除一个节点以后对左值和右值进行相反的操作，即减 2

更新

更新（移动）其实就是删除一个老节点，再新增一个新节点，具体算法参考上面的例子

MPTT预排序算法优缺点

优点：

• 查询操作较多的场景，查询的效率不受分类层级的增加的影响，为o(1)

缺点：

• 随着数据的增多，每增删数据，都要同时操作多条受影响数据，执行效率逐渐下降

来源地址：https://blog.csdn.net/qq_40861391/article/details/131001468