在PostgreSQL中实现递归查询的教程
介绍
在nilenso,哥在搞一个 (开源的哦!)用来设计和发起调查的应用。
下面这个是一个调查的例子:
在内部,它是这样表示滴:
一个调查包括了许多问题(question)。一系列问题可以归到(可选)一个分类(category)中。我们实际的数据结构会复杂一点(特别是子问题sub-question部分),但先当它就只有question跟category吧。
我们是这样保存question跟category的。
每个question和category都有一个order_number字段。是个整型,用来指定它自己与其它兄弟的相对关系。
举个例子,比如对于上面这个调查:
bar的order_number比baz的小。
这样一个分类下的问题就能按正确的顺序出现:
# in category.rb def sub_questions_in_order questions.order('order_number') end
实际上一开始我们就是这样fetch整个调查的。每个category会按顺序获取到全部其下的子问题,依此类推遍历整个实体树。
这就给出了整棵树的深度优先的顺序:
对于有5层以上的内嵌、多于100个问题的调查,这样搞跑起来奇慢无比。
递归查询
哥也用过那些awesome_nested_set之类的gem,但据我所知,它们没一个是支持跨多model来fetch的。
后来哥无意中发现了一个文档说postgresql有对递归查询的支持!唔,这个可以有。
那就试下用递归查询搞搞这个问题吧(此时哥对它的了解还很水,有不到位,勿喷)。
要在postgres做递归查询,得先定义一个初始化查询,就是非递归部分。
本例里,就是最上层的question跟category。最上层的元素不会有父分类,所以它们的category_id是空的。
( select id, content, order_number, type, category_id from questions where questions.survey_id = 2 and questions.category_id is null ) union ( select id, content, order_number, type, category_id from categories where categories.survey_id = 2 and categories.category_id is null )
(这个查询和接下来的查询假定要获取的是id为2的调查)
这就获取到了最上层的元素。
下面要写递归的部分了。根据下面这个postgres文档:
递归部分就是要获取到前面初始化部分拿到的元素的全部子项。
with recursive first_level_elements as ( -- non-recursive term ( ( select id, content, order_number, category_id from questions where questions.survey_id = 2 and questions.category_id is null union select id, content, order_number, category_id from categories where categories.survey_id = 2 and categories.category_id is null ) ) union -- recursive term select q.id, q.content, q.order_number, q.category_id from first_level_elements fle, questions q where q.survey_id = 2 and q.category_id = fle.id ) select * from first_level_elements;
等等,递归部分只能获取question。如果一个子项的第一个子分类是个分类呢?postgres不给引用非递归项超过一次。所以在question跟category结果集上做union是不行的。这里得搞个改造一下:
with recursive first_level_elements as ( ( ( select id, content, order_number, category_id from questions where questions.survey_id = 2 and questions.category_id is null union select id, content, order_number, category_id from categories where categories.survey_id = 2 and categories.category_id is null ) ) union ( select e.id, e.content, e.order_number, e.category_id from ( -- fetch questions and categories select id, content, order_number, category_id from questions where survey_id = 2 union select id, content, order_number, category_id from categories where survey_id = 2 ) e, first_level_elements fle where e.category_id = fle.id ) ) select * from first_level_elements;
在与非递归部分join之前就将category和question结果集union了。
这就产生了所有的调查元素:
不幸的是,顺序好像不对。
在递归查询内排序
这问题出在虽然有效的为一级元素获取到了全部二级元素,但这做的是广度优先的查找,实际上需要的是深度优先。
这可怎么搞呢?
postgres有能在查询时建array的功能。
那就就建一个存放fetch到的元素的序号的array吧。将这array叫做path好了。一个元素的path就是:
父分类的path(如果有的话)+自己的order_number
如果用path对结果集排序,就可以将查询变成深度优先的啦!
with recursive first_level_elements as ( ( ( select id, content, category_id, array[id] as path from questions where questions.survey_id = 2 and questions.category_id is null union select id, content, category_id, array[id] as path from categories where categories.survey_id = 2 and categories.category_id is null ) ) union ( select e.id, e.content, e.category_id, (fle.path || e.id) from ( select id, content, category_id, order_number from questions where survey_id = 2 union select id, content, category_id, order_number from categories where survey_id = 2 ) e, first_level_elements fle where e.category_id = fle.id ) ) select * from first_level_elements order by path;
这很接近成功了。但有两个 what's your favourite song?
这是由比较id来查找子项引起的:
where e.category_id = fle.id
fle同时包含question和category。但需要的是只匹配category(因为question不会有子项)。
那就给每个这样的查询硬编码一个类型(type)吧,这样就不用试着检查question有没有子项了:
with recursive first_level_elements as ( ( ( select id, content, category_id, 'questions' as type, array[id] as path from questions where questions.survey_id = 2 and questions.category_id is null union select id, content, category_id, 'categories' as type, array[id] as path from categories where categories.survey_id = 2 and categories.category_id is null ) ) union ( select e.id, e.content, e.category_id, e.type, (fle.path || e.id) from ( select id, content, category_id, 'questions' as type, order_number from questions where survey_id = 2 union select id, content, category_id, 'categories' as type, order_number from categories where survey_id = 2 ) e, first_level_elements fle -- look for children only if the type is 'categories' where e.category_id = fle.id and fle.type = 'categories' ) ) select * from first_level_elements order by path;
这看起来就ok了。搞定!
下面就看看这样搞的性能如何。
用下面这个脚本(在界面上创建了一个调查之后),哥生成了10个子问题序列,每个都有6层那么深。
survey = survey.find(9) 10.times do category = factorygirl.create(:category, :survey => survey) 6.times do category = factorygirl.create(:category, :category => category, :survey => survey) end factorygirl.create(:single_line_question, :category_id => category.id, :survey_id => survey.id) end
每个问题序列看起来是这样滴:
那就来看看递归查询有没有比一开始的那个快一点吧。
pry(main)> benchmark.ms { 5.times { survey.find(9).sub_questions_using_recursive_queries }} => 36.839999999999996 pry(main)> benchmark.ms { 5.times { survey.find(9).sub_questions_in_order } } => 1145.1309999999999
快了31倍以上?不错不错。
推荐阅读
-
有关数据库SQL递归查询在不同数据库中的实现方法
-
在MySQL中创建实现自增的序列(Sequence)的方法教程
-
在Python中实现贪婪排名算法的教程
-
在JDBC中实现SQL语句的模糊查询
-
在Python程序中实现分布式进程的教程
-
在IE8/IE9中添加货币转换查询工具的实现方法
-
利用查询条件对象,在Asp.net Web API中实现对业务数据的分页查询处理
-
在字符串中插入千位分隔符的实现教程(代码教程)
-
在SQL Server中,索引是一种增强式的存在,这意味着,即使没有索引,SQL Server仍然可以实现应有的功能。但索引可以在大多数情况下大大提升查询性能,
-
Linq实现SQL中的递归查询