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。
