樹形結構的資料在專案開發中比較常見，比如比較典型的是論壇主題留言。
每一個主題（節點）可以有n個留言（子節點）。這些留言又可以有自己的留言。因此這種結構就是一顆樹。本文討論的是資料庫中如何儲存這種樹形結構。
假設有如下一棵樹：
方法一
注意：本例中的資料庫是SQLite，因此SQL語句只對SQLite有效，其他資料庫可以參考該寫法。
要儲存於資料庫中，最簡單直接的方法，就是儲存每個元素的父節點ID。
暫且把這種方法命名依賴父節點法，因此表結構設計如下：
儲存的資料如下格式：
這種結構下，如果查詢某一個節點的直接子節點，十分容易，比如要查詢D節點的子節點。
|
1
|
select * from tree1 where parentid=4
|
如果要插入某個節點，比如在D節點下，再次插入一個M節點。
只需要如下SQL：
|
1
|
INSERT INTO tree1 (value,parentid) VALUES('M',4);
|
這種結構在查詢某個節點的所有子節點，就稍顯複雜，無論是SELECT還是DELETE都可能涉及到獲取所有子節點的問題。比如要刪除一個節點並且該節點的子節點也要全部刪除，那麼首先要獲得所有子節點的ID，因為子節點並不只是直接子節點，還可能包含子節點的子節點。比如刪除D節點及其子節點，必須先查出D節點下的所有子節點，然後再做刪除，SQL如下：
|
1
2
3
4
|
select nodeid from tree1 where parentid=4 --返回8,9
select nodeid from tree1 where parentid in (8,9) --返回10,11,12
select nodeid from tree1 where parentid in (10,11,12) --返回空
delete from tree1 where nodeid in (4,8,9,10,11,12)
|
如果是隻刪除D節點，對於其它節點不做刪除而是做提升，那麼必須先修改子節點的parentid，然後才能刪除D節點。
正如上面演示的，對於這種依賴父節點法，最大的缺點就是無法直接獲得某個節點的所有子節點。因此如果要select所有的子節點，需要繁瑣的步驟，這不利於做聚合操作。
對於某些資料庫產品，支援遞迴查詢語句的，比如微軟的SQL Server，可以使用CTE技術實現遞迴查詢。比如，要查詢D節點的所有子節點。只需要如下語句：
|
1
2
3
4
5
6
|
WITH tmp AS(
SELECT * FROM Tree1 WHERE nodeid = 4
UNION ALL
SELECT a.* FROM Tree1 AS a,tmp AS b WHERE a.parentid = b. nodeid
)SELECT * FROM tmp
|
但是對於那些不支援遞迴查詢的資料庫來說，實現起來就比較複雜了。
方法二
還有一種比較土的方法，就是儲存路徑。暫且命名為路徑列舉法。
這種方法，將儲存根結點到每個節點的路徑。
這種資料結構，可以一眼就看出子節點的深度。
如果要查詢某個節點下的子節點，只需要根據path的路徑去匹配，比如要查詢D節點下的所有子節點。
|
1
|
select * from tree2 where path like '%/4/%'
|
或者出於效率考慮，直接寫成
|
1
|
select * from tree2 where path like '1/4/%'
|
如果要做聚合操作，也很容易，比如查詢D節點下一共有多少個節點。
select count(*) from tree2 where path like '1/4/%';
要插入一個節點，則稍微麻煩點。要插入自己，然後查出父節點的Path，並且把自己生成的ID更新到path中去。比如，要在L節點後面插入M節點。
首先插入自己M，然後得到一個nodeid比如nodeid=13，然後M要插入到L後面，因此，查出L的path為1/4/8/12/,因此update M的path為1/4/8/12/13
|
1
2
3
4
5
|
update tree2 set
path=(select path from tree2 where nodeid=12) --此處開始拼接
||last_insert_rowid()||'/'
wherenodeid= last_insert_rowid(); |
這種方法有一個明顯的缺點就是path欄位的長度是有限的，這意味著，不能無限制的增加節點深度。因此這種方法適用於儲存小型的樹結構。
方法三
下面介紹一種方法，稱之為閉包表。
該方法記錄了樹中所有節點的關係，不僅僅只是直接父子關係，它需要使用2張表，除了節點表本身之外，還需要使用1張表來儲存節祖先點和後代節點之間的關係（同時增加一行節點指向自身）,並且根據需要，可以增加一個欄位，表示深度。因此這種方法資料量很多。設計的表結構如下：
Tree3表：
NodeRelation表：
如例子中的樹，插入的資料如下：
Tree3表的資料
NodeRelation表的資料
可以看到，NodeRelation表的資料量很多。但是查詢非常方便。比如，要查詢D節點的子元素
只需要
|
1
|
select * from NodeRelation where ancestor=4;
|
要查詢節點D的直接子節點，則加上depth=1
|
1
|
select * from NodeRelation where ancestor=4 and depth=1;
|
要查詢節點J的所有父節點，SQL：
|
1
|
select * from NodeRelation where descendant=10;
|
如果是插入一個新的節點，比如在L節點後新增子節點M,則插入的節點除了M自身外，還有對應的節點關係。即還有哪些節點和新插入的M節點有後代關係。這個其實很簡單，只要和L節點有後代關係的，和M節點必定會有後代關係，並且和L節點深度為X的和M節點的深度必定為X+1。因此，在插入M節點後，找出L節點為後代的那些節點作為和M節點之間有後代關係，插入到資料表。
|
1
2
3
4
5
6
7
|
INSERT INTO tree3 (value) VALUES('M');--插入節點
INSERT INTO NodeRelation(ancestor,descendant,depth)
select n.ancestor,last_insert_rowid(),n.depth+1--此處深度+1作為和M節點的深度
from NodeRelation n
where n.descendant=12
Union ALL
select last_insert_rowid() ,last_insert_rowid(),0 --加上自身
|
在某些並不需要使用深度的情況下，甚至可以不需要depth欄位。
如果要刪除某個節點也很容易，比如，要刪除節點D，這種情況下，除了刪除tree3表中的D節點外，還需要刪除NodeRelation表中的關係。
首先以D節點為後代的關係要刪除，同時以D節點的後代為後代的這些關係也要刪除：
|
1
2
|
delete from NodeRelation where descendant in
(select descendant from NodeRelation where ancestor=4 )；--查詢以D節點為祖先的那些節點，即D節點的後代。
|
這種刪除方法，雖然徹底，但是它也刪除了D節點和它原本的子節點的關係。
如果只是想割裂D節點和A節點的關係，而對於它原有的子節點的關係予以保留，則需要加入限定條件。
限制要刪除的關係的祖先不以D為祖先，即如果這個關係以D為祖先的，則不用刪除。因此把上面的SQL加上條件。
|
1
2
3
|
delete from NodeRelation where descendant in
(select descendant from NodeRelation where ancestor=4 )；--查詢以D節點為祖先的那些節點，即D節點的後代。
and ancestor not in (select descendant from NodeRelation where ancestor =4 )
|
上面的SQL用文字描述就是，查詢出D節點的後代，如果一個關係的祖先不屬於D節點的後代，並且這個關係的後代屬於D節點的後代，就刪除它。
這樣的刪除，保留了D節點自身子節點的關係，如上面的例子，實際上刪除的節點關係為：
如果要刪除節點H，則為
總結：
上面主要講了3種方式，各有優點缺點。可以根據實際需要，選擇合適的資料模型。