在基于数据库的一般应用中，查询的需求总要大于删除和修改。为了避免对于树形结构查询时的“递归”过程，基于Tree的前序遍历设计一种全新的无递归查询、无限分组的左右值编码方案，来保存该树的数据。
依据此设计，我们可以推断出所有左值大于2，并且右值小于11的节点都是Fruit的后续节点，整棵树的结构通过左值和右值存储了下来。然而，这还不够，我们的目的是能够对树进行CRUD操作，即需要构造出与之配套的相关算法。
（1）获取某节点的子孙节点 （fruit)
SELECT* FROM Tree WHERE Lft BETWEEN 2 AND 11 ORDER BY Lft ASC
则子孙总数 = (右值 – 左值– 1) / 2，以Fruit为例，其子孙总数为：(11 –2 – 1) / 2 = 4。
树的层次=以Fruit为例：SELECT COUNT(*) FROM Tree WHERE Lft <= 2 AND Rgt >=11
（2）获取某节点的族谱路径
以Fruit为例：SELECT* FROM Tree WHERE Lft < 2 AND Rgt > 11 ORDER BY Lft ASC
（3）为某节点添加子孙节点
@rgt=6
update Treeset set Rgt = Rgt +2 where Rgt >= @rgt
update Treeset set Lft = Lft +2 where Lft >= @rgt
insert into Tree(Name, Lft, Rgt) values (@node_name, @rgt, @rgt +1)
（4）删除某节点
如果我们想要删除某个节点，会同时删除该节点的所有子孙节点，而这些被删除的节点的个数为：(被删除节点的右值 – 被删除节点的左值+ 1) / 2，而剩下的节点左、右值在大于被删除节点左、右值的情况下会进行调整。来看看树会发生什么变化，以Beef为例，删除效果如下图所示。
@lft=15 @rgt=16
delete from Tree where Lft >= @lft and Rgt <= @rgt
update Treeset Lft = Lft – (@rgt - @lft +1) where Lft > @lft
update Treeset Rgt = Rgt – (@rgt - @lft +1) where Rgt > @rgt
五、总结
我们可以对这种通过左右值编码实现无限分组的树形结构Schema设计方案做一个总结：
（1）优点：在消除了递归操作的前提下实现了无限分组，而且查询条件是基于整形数字的比较，效率很高。
（2）缺点：节点的添加、删除及修改代价较大，将会涉及到表中多方面数据的改动。
当然，本文只给出了几种比较常见的CRUD算法的实现，我们同样可以自己添加诸如同层节点平移、节点下移、节点上移等操作。有兴趣的朋友可以自己动手编码实现一下，这里不在列举了。值得注意的是，实现这些算法可能会比较麻烦，会涉及到很多条update语句的顺序执行，如果顺序调度考虑不周详，出现Bug的话将会对整个树形结构表产生惊人的破坏。因此，在对树形结构进行大规模修改的时候，可以采用临时表做中介，以降低代码的复杂度，同时，强烈推荐在做修改之前对表进行完整备份，以备不时之需。在以查询为主的绝大多数基于数据库的应用系统中，该方案相比传统的由父子继承关系构建的数据库Schema更为适用。
原文链接：https://blog.csdn.net/MONKEY_D_MENG/article/details/6647488
参考文献：《Storing Hierarchical Data in a Database Article》
java 自己写树结构 https://blog.csdn.net/jmppok/article/details/44566741
