MySql无限分类结构
    无限分类是我们开发中非常常见的应用，像论坛的的版块，cms的类别，应用的地方特别多。<br>我们最常见最简单的方法就是在mysql里id ,parentid,name：<br>优点是简单，结构简单。<br>缺点是效率不高，因为每一次递归都要查询数据库，几百条数据库时就不是很快了！<br><br>存储树是一种常见的问题，多种解决方案。主要有两种方法：邻接表的模型，并修改树前序遍历算法。 <br><br>我们将探讨这两种方法的节能等级的数据。我会使用树从一个虚构的网上食品商店作为一个例子。这食品商店组织其食品类，通过颜色和类型。这棵树看起来像这样： <br><img src="http://www.blogjava.net/images/blogjava_net/lijie250/sitepoint_tree.gif" alt="" width="231" height="259"><br>下面我们将用另外一种方法，这就是预排序遍历树算法(modified?preorder?tree?traversal?algorithm)?<br>这种方法大家可能接触的比较少，初次使用也不像上面的方法容易理解，但是由于这种方法不使用递归查询算法，有更高的查询效率。<br>我们首先将多级数据按照下面的方式画在纸上，在根节点food的左侧写上?1?然后沿着这个树继续向下?在?fruit?的左侧写上?2?然后继续前进，沿着整个树的边缘给每一个节点都标上左侧和右侧的数字。最后一个数字是标在food?右侧的?18。?在下面的这张图中你可以看到整个标好了数字的多级结构。（没有看懂？用你的手指指着数字从1数到18就明白怎么回事了。还不明白，再数一遍，注意移动你的手指）。?<br>这些数字标明了各个节点之间的关系，"red"的号是3和6，它是?"food"?1-18?的子孙节点。?同样，我们可以看到?所有左值大于2和右值小于11的节点?都是"fruit"?2-11?的子孙节点?<br><br>如图所示：<br><img style="border: 0;" src="http://www.blogjava.net/images/blogjava_net/lijie250/sitepoint_numbering.gif" border="0" alt="" width="411" height="166"><br><br>这样整个树状结构可以通过左右值来存储到数据库中。继续之前，我们看一看下面整理过的数据表。?<br><img style="border: 0;" src="http://www.blogjava.net/images/blogjava_net/lijie250/table02.gif" border="0" alt="" width="243" height="193"><br>注意：由于"left"和"right"在?sql中有特殊的意义，所以我们需要用"lft"和"rgt"来表示左右字段。?另外这种结构中不再需要"parent"字段来表示树状结构。也就是?说下面这样的表结构就足够了。?
<code>select * from tree where lft between 2 and 11;<br><br></code>
<img style="border: 0;" src="http://www.blogjava.net/images/blogjava_net/lijie250/table03.gif" border="0" alt="" width="243" height="130"><br>看到了吧，只要一个查询就可以得到所有这些节点。为了能够像上面的递归函数那样显示整个树状结构，我们还需要对这样的查询进行排序。用节点的左值进行排序：?
<code>select * from tree where lft between 2 and 11 order by lft asc;</code>
那么某个节点到底有多少子孙节点呢？很简单，子孙总数=(右值-左值-1)/2?<br>descendants?=?(right?–?left?-?1)?/?2?，如果不是很清楚这个公式，那就去翻下书，我们在上数据结构写的很清楚！<br><br>添加同一层次的节点的方法如下：
<span style="color: #000000;"></span>

lock table nested_category write;select @myright := rgt from nested_categorywhere name = 'cherry';update nested_category set rgt = rgt + 2 where rgt > @myright;update nested_category set lft = lft + 2 where lft > @myright;insert into nested_category(name, lft, rgt) values('strawberry', @myright + 1, @myright + 2);unlock tables;

?
?
?
<br>添加树的子节点的方法如下：
<span style="color: #000000;"></span>

lock table nested_category write;select @myleft := lft from nested_categorywhere name = 'beef';update nested_category set rgt = rgt + 2 where rgt > @myleft;update nested_category set lft = lft + 2 where lft > @myleft;insert into nested_category(name, lft, rgt) values('charqui', @myleft + 1, @myleft + 2);unlock tables;

?
?
?
<br>每次插入节点之后都可以用以下sql进行查看验证：
<span style="color: #000000;"></span>

select concat( repeat( ' ', (count(parent.name) - 1) ), node.name) as namefrom nested_category as node,nested_category as parentwhere node.lft between parent.lft and parent.rgtgroup by node.nameorder by node.lft;

?
?
?
<br>删除节点的方法，稍微有点麻烦是有个中间变量,如下：
<span style="color: #000000;"></span>

lock table nested_category write;select @myleft := lft, @myright := rgt, @mywidth := rgt - lft + 1from nested_categorywhere name = 'cherry';delete from nested_category where lft between @myleft and @myright;update nested_category set rgt = rgt - @mywidth where rgt > @myright;update nested_category set lft = lft - @mywidth where lft > @myright;unlock tables;

?;
?
?
?
这种方式就是有点难的理解，但是适合数据量很大规模使用，查看所有的结构只需要两条sql语句就可以了，在添加节点和删除节点的时候略显麻烦，不过相对于效率来说还是值得的，这次发现让我发现了数据库结构真的很有用，但是我在学校学的树基本上都忘记了，这次遇到这个问题才应