mysql树形结构的查询案例

表结构

这种情况可以通过左连接实现

可以看到左连接是以左表为基准，通过关联关系id = pid去找到对应的上级组织记录，所以空的id找不到对应的记录，返回空

有时候我们需要获取某个组织的完整路径 如

部门C/部门C_2/部门C_2_1/部门C_2_1_1

编写存储过程，生成一个临时表tmpLst，按照层级把每一条记录插入到临时表，然后每次从临时表查当前层级的组织，循环去查组织表的上级组织，直到结果ROW_COUNT = 0为止，代表当前层级下的所有组织已经是最后一级

查询到的结果，大家可以自行优化一下显示方式和查询的字段

当然还有另一种方式，从设计上解决

如新加一个唯一约束，把组织的约束定义为 ORG_001_ORG_001_002_ORG_001_003 这样的形式

当需要查询ORG_001所有的下级时，只需要查询约束 like ORG_001% 即可

当需要查询ORG_001_002所有上级时，只需要查询约束 like %ORG_001_002

不过问题在于如果组织的存在架构调整，如，ORG_001_002调整到了 ORG_002下，因为树型结构变化了，直接用like无法查询到正确数据，这个时候要考虑是否允许调整或者调整后修改对应的唯一约束

面试时候经常会被问到mysql的索引结构，B+树相较二叉树，红黑树的优势等问题，接下来就分析下这些问题。

首先，让我们先看一张图：

从图中可以看到，我们为 user 表（用户信息表）建立了一个二叉查找树的索引。

图中的圆为二叉查找树的节点，节点中存储了键（key）和数据（data）。键对应 user 表中的 id，数据对应 user 表中的行数据。

二叉查找树的特点就是任何节点的左子节点的键值都小于当前节点的键值，右子节点的键值都大于当前节点的键值。顶端的节点我们称为根节点，没有子节点的节点我们称之为叶节点。

如果我们需要查找 id=12 的用户信息，利用我们创建的二叉查找树索引，查找流程如下：

利用二叉查找树我们只需要 3 次即可找到匹配的数据。如果在表中一条条的查找的话，我们需要 6 次才能找到。

上面我们讲解了利用二叉查找树可以快速的找到数据。但是，如果上面的二叉查找树是这样的构造：

这个时候可以看到我们的二叉查找树变成了一个链表。如果我们需要查找 id=17 的用户信息，我们需要查找 7 次，也就相当于全表扫描了。 导致这个现象的原因其实是二叉查找树变得不平衡了，也就是高度太高了，从而导致查找效率的不稳定。为了解决这个问题，我们需要保证二叉查找树一直保持平衡，就需要用到平衡二叉树了。 平衡二叉树又称 AVL 树，在满足二叉查找树特性的基础上，要求每个节点的左右子树的高度差不能超过 1。

下面是平衡二叉树和非平衡二叉树的对比：

由平衡二叉树的构造我们可以发现第一张图中的二叉树其实就是一棵平衡二叉树。

平衡二叉树保证了树的构造是平衡的，当我们插入或删除数据导致不满足平衡二叉树不平衡时，平衡二叉树会进行调整树上的节点来保持平衡。具体的调整方式这里就不介绍了。平衡二叉树相比于二叉查找树来说，查找效率更稳定，总体的查找速度也更快。

因为内存的易失性。一般情况下，我们都会选择将 user 表中的数据和索引存储在磁盘这种外围设备中。但是和内存相比，从磁盘中读取数据的速度会慢上百倍千倍甚至万倍，所以，我们应当尽量减少从磁盘中读取数据的次数。另外，从磁盘中读取数据时，都是按照磁盘块来读取的，并不是一条一条的读。如果我们能把尽量多的数据放进磁盘块中，那一次磁盘读取 *** 作就会读取更多数据，那我们查找数据的时间也会大幅度降低。如果我们用树这种数据结构作为索引的数据结构，那我们每查找一次数据就需要从磁盘中读取一个节点，也就是我们说的一个磁盘块。我们都知道平衡二叉树可是每个节点只存储一个键值和数据的。那说明什么？说明每个磁盘块仅仅存储一个键值和数据！那如果我们要存储海量的数据呢？

可以想象到二叉树的节点将会非常多，高度也会极其高，我们查找数据时也会进行很多次磁盘 IO，我们查找数据的效率将会极低！

为了解决平衡二叉树的这个弊端，我们应该寻找一种单个节点可以存储多个键值和数据的平衡树。也就是我们接下来要说的 B 树。

B 树（Balance Tree）即为平衡树的意思，下图即是一棵 B 树：

图中的 p 节点为指向子节点的指针，二叉查找树和平衡二叉树其实也有，因为图的美观性，被省略了。

图中的每个节点称为页，页就是我们上面说的磁盘块，在 MySQL 中数据读取的基本单位都是页，所以我们这里叫做页更符合 MySQL 中索引的底层数据结构。

从上图可以看出，B 树相对于平衡二叉树，每个节点存储了更多的键值（key）和数据（data），并且每个节点拥有更多的子节点，子节点的个数一般称为阶，上述图中的 B 树为 3 阶 B 树，高度也会很低。

基于这个特性，B 树查找数据读取磁盘的次数将会很少，数据的查找效率也会比平衡二叉树高很多。

假如我们要查找 id=28 的用户信息，那么我们在上图 B 树中查找的流程如下：

B+ 树是对 B 树的进一步优化。让我们先来看下 B+ 树的结构图：

根据上图我们来看下 B+ 树和 B 树有什么不同：

通过上图可以看到，在 InnoDB 中，我们通过数据页之间通过双向链表连接以及叶子节点中数据之间通过单向链表连接的方式可以找到表中所有的数据。

MyISAM 中的 B+ 树索引实现与 InnoDB 中的略有不同。在 MyISAM 中，B+ 树索引的叶子节点并不存储数据，而是存储数据的文件地址。

摘自： http://www.liuzk.com/410.html

输入 root的 密码。

1. 安装MySQL

使用管理员权限运行apt-get获取最新的MySQL及Python编程接口（之后用于数据库编程）：

$ sudo apt-get install mysql-server python-mysqldb

安装过程中需要输入root管理员的密码，该密码之后用于访问数据库系统。

2. 测试MySQL

通过以下命令运行MySQL的命令提示系统，并输入在安装过程中设置的密码：

mysql -u root -pEnter password:Welcome to the MySQL monitor. Commands end with or \g.Your MySQL connection id is 47Server version: 5.5.41-0+wheezy1 (Debian)Copyright (c) 2000, 2014, Oracle and/or its affiliates. All rights reserved.Oracle is a registered trademark of Oracle Corporation and/or its

affiliates. Other names may be trademarks of their respective

owners.Type 'help' or '\h' for help. Type '\c' to clear the current input statement.

查看当前已建立的数据库：

mysql>SHOW DATABASES+--------------------+| Database |+--------------------+| information_schema || mysql || performance_schema |+--------------------+

rows in set (0.00 sec)

3. 创建一个新的数据库和表单

以上数据库都是系统建立的数据库，要想开始插入数据，首先需要建立新的数据库和表单。这里假设要实现一个CPU温度记录的功能，存放在名为"sensordb"的数据库中。使用以下命令建立数据库：

mysql>CREATE DATABASE sensordbQuery OK, 1 row affected (0.00 sec)

查看数据库是否建立成功：

mysql>SHOW databases+--------------------+| Database |+--------------------+| information_schema || mysql || performance_schema || sensordb |+--------------------+

rows in set (0.01 sec)

---