数据库多维迭代算法.pdfVIP

数据库多维迭代算法 关键词：数据库迭代递归多维 一、两种传统的数据库迭代结构算法 对于数据库的迭代结构，有两种传统的算法：递归算法和边界算法。 比如对于下面图1 的结构： 图1 递归算法的数据结构如表1 所示： 节点id 节点值 父节点id 1 1111 -2 3 1112 1 4 1113 1 5 1114 4 6 1115 4 7 1116 1 8 1117 7 9 1118 8 表1 父节点id 如为负值，表示这是一个根节点。 从表1 可以看出，我们用若干组父－子递归的结构来表达完整的迭代结构。 这种算法很容易理解，但是缺点也很明显： 1. 要从任意一个节点展现整个结构时，要从此节点向根节点做一个逆向递归，然后由根节点向所 有层的子节点做N 次正向递归，数据库的运算开销很大。特别是正向递归到达所有外围节点时 要做一个空查询，形成浪费。 2. 尽管oracle 对递归查询有优化算法，如 select distinct * from table1 start with 节点值=1111 connect by prior 节点id=父节点id 这样可以形成以’1111’为根的整个节点树结构。 但是这种优化在统计时是无能为力的，而且此查询返回的结果丢失了很多结构的细节。 下面我们再来分析第二种迭代算法：边界算法。 这种算法有点类似邮递员送信路径的传统数学难题，方法是将节点的边界串起来，同时记录其结构。 对于图1 的结构，数据库中记录如表2 所示： 节点值 结构id 节点顺序 节点层次 1111 1001 1 1 1112 1001 2 2 1113 1001 3 2 1114 1001 4 3 1115 1001 5 3 1116 1001 6 2 1117 1001 7 3 1118 1001 8 4 表2 这里1001 是此结构的id。因此我们可以用结构id，仅通过一次查询，就可以将整个结构展现出来。 此算法的缺点是： 1. 取子结构麻烦，比如我们要查询1113-1114-1115 的子结构，我们要从1113 开始将整个结构截 取出来，然后分析哪些是它的子结构。 2. 数据更新麻烦，在插入或删除某个子结构时，要将节点顺序重新排序。 二、多维迭代算法的原理 所谓多维迭代算法，是指任意一个节点，在继承父节点的特性同时，创建自己的特性维度。 对于图1 的结构，其数据库中的记录如表3 所示： 节点值 结构id 节