最近在開發jSqlBox過程中，研究樹形結構的操作，突然發現一種新的樹結構數據庫存儲方案，在網上找了一下，沒有找到雷同的（也可能是花的時間不夠），現介紹如下: 目前常見的樹形結構數據庫存儲方案有以下四種，但是都存在一定問題:
1)Adjacency List:：記錄父節點。優點是簡單，缺點是訪問子樹需要遍歷，發出許多條SQL，對數據庫壓力大。
2)Path Enumerations：用一個字符串記錄整個路徑。優點是查詢方便，缺點是插入新記錄時要手工更改此節點以下所有路徑，很容易出錯。
3)Closure Table：專門一張表維護Path，缺點是占用空間大，操作不直觀。
4)Nested Sets：記錄左值和右值，缺點是復雜難操作。
以上方法都存在一個共同缺點：操作不直觀，不能直接看到樹結構，不利於開發和調試。
本文介紹的方法我暫稱它為“簡單粗暴多列存儲法”，它與Path Enumerations有點類似，但區別是用很多的數據庫列來存儲一個占位符(1或空值)，如下圖(https://github.com/drinkjava2/Multiple-Columns-Tree/blob/master/treemapping.jpg) 左邊的樹結構，映射在數據庫里的結構見右圖表格：
各種SQL操作如下：
1.獲取(或刪除)指定節點下所有子節點，已知節點的行號為"X",列名"cY":
select *(or delete) from tb where
line>=X and line<(select min(line) from tb where line>X and (cY=1 or c(Y-1)=1 or c(Y-2)=1 ... or c1=1))
例如獲取D節點及其所有子節點：
select * from tb where line>=7 and line< (select min(line) from tb where line>7 and (c2=1 or c1=1))
刪除D節點及其所有子節點：
delete from tb where line>=7 and line< (select min(line) from tb where line>7 and (c2=1 or c1=1))
僅獲取D節點的次級所有子節點：
select * from tb where line>=7 and c3=1 and line< (select min(line) from tb where line>7 and (c2=1 or c1=1))
2.查詢指定節點的根節點, 已知節點的行號為"X",列名"cY":
select * from tb where line=(select max(line) from tb where line<=X and c1=1)
例如查I節點的根節點：
select * from tb where line=(select max(line) from tb where line<=12 and c1=1)
3.查詢指定節點的上一級父節點, 已知節點的行號為"X",列名"cY":
select * from tb where line=(select max(line) from tb where line<X and c(Y-1)=1)
例如查L節點的上一級父節點：
select * from tb where line=(select max(line) from tb where line<11 and c3=1)
3.查詢指定節點的所有父節點, 已知節點的行號為"X",列名"cY":
select * from tb where line=(select max(line) from tb where line<X and c(Y-1)=1)
union select * from tb where line=(select max(line) from tb where line<X and c(Y-2)=1)
...
union select * from tb where line=(select max(line) from tb where line<X and c1=1)
例如查I節點的所有父節點：
select * from tb where line=(select max(line) from tb where line<12 and c2=1)
union select * from tb where line=(select max(line) from tb where line<12 and c1=1)
4.插入新節點：
視需求而定，例如在J和K之間插入一個新節點T：
update tb set line=line+1 where line>=10;
insert into tb (line,id,c4) values (10,'T',1)
這是與Path Enumerations模式最大的區別，插入非常方便，只需要利用SQL將后面的所有行號加1即可，無須花很大精力維護path字串，
不容易出錯。
另外如果表非常大，為了避免update tb set line=line+1 造成全表更新，影響性能，可以考慮增加
一個GroupID字段，同一個根節點下的所有節點共用一個GroupID，所有操作均在groupID組內進行，例如插入新節點改為:
update tb set line=line+1 where groupid=2 and line>=8;
insert into tb (groupid,line,c4) values (2, 8,'T')
因為一個groupid下的操作不會影響到其它groupid,對於復雜的增刪改操作甚至可以在內存中完成操作后，一次性刪除整個group的內容
並重新插入一個新group即可。
總結：
以上介紹的這種方法優點有：
1）直觀易懂，方便調試，是所有樹結構數據庫方案中唯一所見即所得，能夠直接看到樹的形狀的方案，空值的采用使得樹形結構一目了然。
2）SQL查詢、刪除、插入非常方便，沒有用到Like語法。
3）只需要一張表
4)兼容所有數據庫
5)占位符即為實際要顯示的內容應出現的地方，方便編寫Grid之類的表格顯示控件
缺點有 1)不是無限深度樹，數據庫最大允許列數有限制，通常最多為1000，這導致了樹的深度不能超過1000，而且考慮到列數過多對性能也有影響, 使用時建議定一個比較小的深度限制例如100。
2)SQL語句比較長，很多時候會出現c9=1 or c8=1 or c7=1 ... or c1=1這種n階乘式的查詢條件
3)樹的節點整體移動操作比較麻煩，需要將整個子樹平移或上下稱動，當節點須要經常移動時，不建議采用這種方案。對於一些只增減，不常移動節點的應用如論壇貼子和評論倒比較合適。
4)列非常多時，空間占用有點大。
以下為追加內容，是在前述基礎上，一種更簡單的無限深度樹方案
突 然發現上面的方法還是太笨了，如果不用多列而是只用一個列來存儲深度等級，則可以不受數據庫列數限制，從而進化為無限深度樹，雖然不再具有所見即所得的效 果，但是在性能和簡單性上要遠遠超過上述“簡單粗暴多列存儲法”，暫時給它取名"朱氏深度樹V2.0法"(備注：如果已有人發明了這個方法，刪掉前兩個字 就好了），方法如下： 如下圖 (https://github.com/drinkjava2/Multiple-Columns-Tree/blob/master/treemappingv2.png) 左邊的樹結構，映射在數據庫里的結構見右圖表格，注意每個表格的最后一行必須有一個END標記，level設為0：
1.獲取指定節點下所有子節點，已知節點的行號為X,level為Y, groupID為Z
select * from tb2 where groupID=Z and
line>=X and line<(select min(line) from tb where line>X and level<=Y and groupID=Z)
例如獲取D節點及其所有子節點：
select * from tb2 where groupID=1 and
line>=7 and line< (select min(line) from tb2 where groupid=1 and line>7 and level<=2)
刪除和獲取相似，只要將sql中select * 換成delete即可。
僅獲取D節點的次級所有子節點：(查詢條件加一個level=Y+1即可)：
select * from tb2 where groupID=1 and
line>=7 and level=3 and line< (select min(line) from tb2 where groupid=1 and line>7 and level<=2)
2.查詢任意節點的根節點, 已知節點的groupid為Z
select * from tb2 where groupID=Z and line=1 (或level=1)
3.查詢指定節點的上一級父節點, 已知節點的行號為X,level為Y, groupID為Z
select * from tb2 where groupID=Z and
line=(select max(line) from tb2 where groupID=Z and line<X and level=(Y-1))
例如查L節點的上一級父節點：
select * from tb2 where groupID=1
and line=(select max(line) from tb2 where groupID=1 and line<11 and level=3)
4.查詢指定節點的所有父節點, 已知節點的行號為X,深度為Y:
select * from tb2 where groupID=Z and
line=(select max(line) from tb2 where groupID=Z and line<X and level=(Y-1))
union select * from tb2 where groupID=Z and
line=(select max(line) from tb2 where groupID=Z and line<X and level=(Y-2))
...
union select * from tb2 where groupID=Z and
line=(select max(line) from tb2 where groupID=Z and line<X and level=1)
例如查I節點的所有父節點：
select * from tb2 where groupID=1 and
line=(select max(line) from tb2 where groupID=1 and line<12 and level=2)
union select * from tb2 where groupID=1 and
line=(select max(line) from tb2 where groupID=1 and line<12 and level=1)
5.插入新節點：例如在J和K之間插入一個新節點T：
update tb2 set line=line+1 where groupID=1 and line>=10;
insert into tb (groupid,line,id,level) values (1,10,'T',4);
總結： 此方法優點有：
1） 是無限深度樹
2） 雖然不象第一種方案那樣具有所見即所得的效果，但是依然具有直觀易懂，方便調試的特點。
3） 能充分利用SQL，查詢、刪除、插入非常方便，SQL比第一種方案簡單多了，也沒有用到like模糊查詢語法。
4） 只需要一張表。
5） 兼容所有數據庫。
6） 占用空間小
缺點有:
1)樹的節點整體移動操作有點麻煩, 適用於一些只增減，不常移動節點的場合如論壇貼子和評論等。當確實需要進行復雜的移動節點操作時，一種方案是在內存中進行整個樹的操作並完成排序，操作完成后刪除整個舊group再整體將新group一次性批量插入數據庫。
1月22日補充：
節點的移動操作有點麻煩，只是相對於查詢/刪除/插入來說，並不是說難上天了。例如在MySQL下移動整個B節點樹到H節點下，並位於J和K之間的操作如下：
update tb2 set tempno=line*1000000 where groupid=1;
set @nextNodeLine=(select min(line) from tb2 where groupid=1 and line>2 and level<=2);
update tb2 set tempno=9*1000000+line, level=level+2 where groupID=1 and line>=2 and line< @nextNodeLine;
set @mycnt=0;
update tb2 set line=(@mycnt := @mycnt + 1) where groupid=1 order by tempno;
上例需要在表中新增一個名為tempno的整數類型列， 這是個懶人算法，雖然簡單明了，但是對整棵樹進行了重新排序，所以效率並不高。 在需要頻繁移動節點的場合下，用Adjacency List方案可能更合適一些。
如 果需要頻繁移動節點的場合，又想保留方案2高效查詢的優點，還有一種方案就是再添加一個父節點pid字段和兩個輔助字段tempno和 temporder用於排序，(暫時稱其為“深度樹V3.0法"), 這樣相當於V2.0法和Adjacency List模式的合並了，優點是每次移動節點，只需要更改PID即可，不需要復雜的算法，一次可以任意移動、增加、刪除多個節點，最后統一調用以下算法簡單 地進行一下重排序即可，下面這個示例完整演示了一個Adjacency List模式到V2.0模式的轉換，這相當於一個重新給樹建查詢索引的過程：
create table tb3 (
id varchar(10),
comments varchar(55),
pid varchar(10),
line integer,
level integer,
tempno bigint,
temporder integer
)
insert into tb3 (id,comments,Pid) values('A','found a bug',null);
insert into tb3 (id,comments,Pid) values('B','is a worm','A');
insert into tb3 (id,comments,Pid) values('C','no','A');
insert into tb3 (id,comments,Pid) values('D','is a bug','A');
insert into tb3 (id,comments,Pid) values('E','oh, a bug','B');
insert into tb3 (id,comments,Pid) values('F','solve it','B');
insert into tb3 (id,comments,Pid) values('G','careful it bites','C');
insert into tb3 (id,comments,Pid) values('H','it does not bit','D');
insert into tb3 (id,comments,Pid) values('I','found the reason','D');
insert into tb3 (id,comments,Pid) values('J','solved','H');
insert into tb3 (id,comments,Pid) values('K','uploaded','H');
insert into tb3 (id,comments,Pid) values('L','well done!','H');
set @mycnt=0;
update tb3 set line=0,level=0, tempno=0, temporder=(@mycnt := @mycnt + 1) order by id;
update tb3 set level=1, line=1 where pid is null;
update tb3 set tempno=line*10000000 where line>0;
update tb3 a, tb3 b set a.level=2, a.tempno=b.tempno+a.temporder where a.level=0 and
a.pid=b.id and b.level=1;
set @mycnt=0;
update tb3 set line=(@mycnt := @mycnt + 1) where level>0 order by tempno;
update tb3 set tempno=line*10000000 where line>0;
update tb3 a, tb3 b set a.level=3, a.tempno=b.tempno+a.temporder where a.level=0 and
a.pid=b.id and b.level=2;
set @mycnt=0;
update tb3 set line=(@mycnt := @mycnt + 1) where level>0 order by tempno;
update tb3 set tempno=line*10000000 where line>0;
update tb3 a, tb3 b set a.level=4, a.tempno=b.tempno+a.temporder where a.level=0 and
a.pid=b.id and b.level=3;
set @mycnt=0;
update tb3 set line=(@mycnt := @mycnt + 1) where level>0 order by tempno;
以上算法利用了SQL的功能，將原來可能需要非常多SQL遞歸查詢的過程轉變成了有限次數(=樹最大深度)的SQL操作，為了突出算法，以上示例 假設只有一個根節點,刪除了groupid和endtag，實際使用中要完善一下這個細節, order by id也可改成以其它字段排序。因時間關系我就不給出V2.0模式到Adjacency List模式逆推的算法了（也即pid為空，根據V2.0表格倒過來給pid賦值的過程），不過這個算法倒不重要，因為通常v3.0表中每一行會一直保存 着一個pid)。
總結一下：
Adjacency List模式:移/增/刪節點方便，查詢不方便
深度樹V2.0模式:查詢方便，增/刪節點方便，但存在效率問題，移動節點不方便
深度樹V3.0模式:移/增/刪節點方便，查詢方便，缺點是每次移/增/刪節點后要重建line和level值以供查詢用。它是結合了上兩種模式 的合並體，並可以根據側重，隨時在這兩種模式(修改模式和查詢模式)間切換。v3.0法相當於給Adjacency List模式設計了一個查詢索引。