背景
处理不确定深度的层级结构，比如组织机构，一个常用的设计是在一张表里面保存 ID 和 Parent_ID ，并且通过自联结的办法构造一颗树。这种方式对写数据的过程很友好，但是查询过程就变得相对复杂。在不引入MPTT模型的前提下，必须通过递归算法来查询某个节点和下级子节点。
Oracle提供的connect by扩展语法，简单好用。但是其他的RDBMS就没这么人性化了（或者我不知道）。最近在项目中使用PostgreSQL来查询树形数据，记录一下。
构造样本数据
drop table if exists demo.tree_data; create table demo.tree_data ( id integer, code text, pid integer, sort integer ); insert into demo.tree_data values(1, '中国', null, 1); insert into demo.tree_data values(2, '四川', 1, 1); insert into demo.tree_data values(3, '云南', 1, 2); insert into demo.tree_data values(4, '成都', 2, 1); insert into demo.tree_data values(5, '绵阳', 2, 2); insert into demo.tree_data values(6, '武侯区', 4, 1); insert into demo.tree_data values(7, '昆明', 3, 1);
connectby函数
如果安装了 tablefunc 扩展，就可以使用PG版本的connectby函数。这个没有Oracle那么强大，但是可以满足基本要求。
-- API 如下 connectby(text relname, -- 表名称 text keyid_fld, -- id字段 text parent_keyid_fld -- 父id字段 [, text orderby_fld ], -- 排序字段 text start_with, -- 起始行的id值 int max_depth -- 树深度，0表示无限 [, text branch_delim ]) -- 路径分隔符
-- 基本用法如下，必须通过AS子句定义返回的字段名称和类型
select *
from connectby('demo.tree_data', 'id', 'pid', 'sort', '1', 0, '~')
as (id int, pid int, lvl int, branch text, sort int);
-- 查询结果
id | pid | lvl | branch | sort
----+-----+-----+---------+------
1 | | 0 | 1 | 1
2 | 1 | 1 | 1~2 | 2
4 | 2 | 2 | 1~2~4 | 3
6 | 4 | 3 | 1~2~4~6 | 4
5 | 2 | 2 | 1~2~5 | 5
3 | 1 | 1 | 1~3 | 6
7 | 3 | 2 | 1~3~7 | 7
(7 rows)
-- 仅仅使用基本用法，只能查询出id的相关信息，如果要查询code等其他字段，就需要通过额外的join操作来实现。
select
t.id, n.code, t.pid, p.code as pcode, lvl, branch
from (
select * from connectby('demo.tree_data', 'id', 'pid', 'sort', '1', 0, '~')
as (id int, pid int, lvl int, branch text, sort int)
) as t
left join demo.tree_data as n on (t.id = n.id)
left join demo.tree_data as p on (t.pid = p.id)
order by t.sort ;
id | code | pid | pcode | lvl | branch
----+--------+-----+-------+-----+---------
1 | 中国 | | | 0 | 1
2 | 四川 | 1 | 中国 | 1 | 1~2
4 | 成都 | 2 | 四川 | 2 | 1~2~4
6 | 武侯区 | 4 | 成都 | 3 | 1~2~4~6
5 | 绵阳 | 2 | 四川 | 2 | 1~2~5
3 | 云南 | 1 | 中国 | 1 | 1~3
7 | 昆明 | 3 | 云南 | 2 | 1~3~7
(7 rows)
PS：虽然通过join可以查询出节点的code，但是branch部分不能直接转换成对应的code，使用上还是不太方便。
CTE语法
使用CTE语法，通过 with recursive 来实现树形数据的递归查询。这个方法虽然没有connectby那么直接，但是灵活性和显示效果更好。
-- with recursive cte as ( -- 先查询root节点 select id, code, pid, '' as pcode, code as branch from demo.tree_data where id = 1 union all -- 通过cte递归查询root节点的直接子节点 select origin.id, origin.code, cte.id as pid, cte.code as pcode, cte.branch || '~' || origin.code from cte join demo.tree_data as origin on origin.pid = cte.id ) select id,code, pid, pcode, branch, -- 通过计算分隔符的个数，模拟计算出树形的深度 (length(branch)-length(replace(branch, '~', ''))) as lvl from cte; -- id | code | pid | pcode | branch | lvl ----+--------+-----+-------+-----------------------+----- 1 | 中国 | | | 中国 | 0 2 | 四川 | 1 | 中国 | 中国~四川 | 1 3 | 云南 | 1 | 中国 | 中国~云南 | 1 4 | 成都 | 2 | 四川 | 中国~四川~成都 | 2 5 | 绵阳 | 2 | 四川 | 中国~四川~绵阳 | 2 7 | 昆明 | 3 | 云南 | 中国~云南~昆明 | 2 6 | 武侯区 | 4 | 成都 | 中国~四川~成都~武侯区 | 3 (7 rows)
执行过程说明
从上面的例子可以看出，WITH RECURSIVE语句包含了两个部分
执行步骤如下
以上面的query为例，来看看具体过程
执行non-recursive query
-- step 1 执行 select id, code, pid, '' as pcode, code as branch from demo.tree_data where id = 1 -- 结果集和working table为 id | code | pid | pcode | branch ----+------+-----+-------+-------- 1 | 中国 | | | 中国
执行recursive query
-- step 2 执行递归，此时自引用cte中的数据是step 1的结果 select origin.id, origin.code, cte.id as pid, cte.code as pcode, cte.branch || '~' || origin.code from cte join demo.tree_data as origin on origin.pid = cte.id -- 结果集和working table为 id | code | pid | pcode | branch ----+--------+-----+-------+--------------------- 2 | 四川 | 1 | 中国 | 中国~四川 3 | 云南 | 1 | 中国 | 中国~云南
3、继续执行recursive query，直到结果集和working table为空
4、结束递归，将前三个步骤的结果集合并，即得到最终的WITH RECURSIVE的结果集。
严格来讲，这个过程实现上是一个迭代的过程而非递归，不过RECURSIVE这个关键词是SQL标准委员会定立的，所以PostgreSQL也延用了RECURSIVE这一关键词。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对呐喊教程的支持。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。