# Hierarchies de données: Gestion des données hiérarchiques avec EF Core et PostgreSQL M SK1Aperçu) ## Introduction Les données hiérarchiques sont partout dans le développement de logiciels: les commentaires liés aux lignes de conduiteM SK1 les diagrammes organisationnels , les systèmes de fichiers [a écrit sur ce sujet pour la première fois en 2004](/blog/1188), et les défis fondamentaux demeurent les mêmes aujourd’hui ### Pourquoi les hiérarchies sont difficiles dans SQL C’est là le problème fondamental. **les bases de données relationnelles pensent dans des ensembles, non des arbres**. Comme Joe Celko l’explique dans son excellent livre [Penser en séries](https://www.amazon.com/Joe-Celkos-Thinking-Sets-Management/dp/0123741378), SQL fonctionne sur des tableaux entiers, non sur des lignes individuelles . Lorsque vous écrivez une demande SQL, le moteur de base fonctionne sur *les ensembles de lignes*. C'est une opération brilliante de ' qui permet d'effectuer toutes les commandes sur 100" ou ", ainsi que d'associer les clients à leurs achats, " et -; il s'agit là d'opérations définies qui correspondent naturellement au fonctionnement des tables. Mais une hiérarchie est intrinsèquement *Recursive*. Pour trouver tous les descendants d'un node, vous devez 1. Trouver les enfants immédiats 2. Pour chaque enfant, trouver *de leur* enfants 3. Répétez jusqu’à ce que vous ' avez traversé l’ensemble de la sous-arbre Cette traversation récursive ne permet pas de mapper naturellement les opérations. - [CTEs récursifs](https://www.postgresql.org/docs/current/queries-with.html#QUERIES-WITH-RECURSIVE) (ajoute à SQL:1999, mais coûte cher sur le plan computationnelM SK2 - Plusieurs voyages tournées vers la base de données - Dénormalisation intelligente qui présuppose les relations Chaque approche de la présente série représente un échange différent. [Trees and Hierarchies in SQL for Smarties](https://www.amazon.com/Hierarchies-Smarties-Kaufmann-Management-Systems/dp/0123877334), qui couvre toutes ces approches en profondeur [TOC] ## Exemple: Commentaires threadés Pour faire les comparaisons concrètes, nous' utiliserons des commentaires threaded comme notre exemple opérationnel M SK2 quelque chose que ce même blog utilise . Un thread de commentaire pourrait ressembler à ce ```mermaid flowchart TD subgraph Post["Post: How to Deploy Docker Containers"] C1["Comment 1: Great article!
depth 0"] C2["Comment 2: Thanks!
depth 1"] C3["Comment 3: Very helpful indeed
depth 1"] C4["Comment 4: Agreed!
depth 2"] C5["Comment 5: What about Kubernetes?
depth 0"] C6["Comment 6: That's covered in part 2
depth 1"] end C1 --> C2 C1 --> C3 C3 --> C4 C5 --> C6 style Post stroke:#10b981,stroke-width:2px style C1 stroke:#6366f1,stroke-width:2px style C2 stroke:#8b5cf6,stroke-width:2px style C3 stroke:#8b5cf6,stroke-width:2px style C4 stroke:#a855f7,stroke-width:2px style C5 stroke:#6366f1,stroke-width:2px style C6 stroke:#8b5cf6,stroke-width:2px ``` Nous devons soutenir ces opérations. - **Obtenez tous les commentaires pour un post** (avec structure de threading préservéeM SK1 - **Obtenir tous les ancêtres** d’un commentaire (traîneau de l’écorce-breadcrumbM SK1 - **Obtenir tous les descendants** d'un commentaire (arbre de sous-tree entière) - **Ajouter un nouveau commentaire** (en réponse à un commentaire existant) - **Supprimer un sous-arbre** (sortir un commentaire et toutes les réponsesM SK1 - **Déplacer un sous-arbre** (réparer un commentaire - plus raresM SK2 mais parfois nécessaires) ## Les cinq approches Chaque approche est décrite en détail dans son article. --- ### 1. Liste de voisinage Référence parentaleM SK2 **[Lire l'article complet](/blog/efcore-hierarchical-data-adjacency)** L’approche la plus simple et la plus intuitive. Chacune de ces lignes conserve une référence à son node parent. **Comment il fonctionne:** Chaque commentaire a un nullable `ParentCommentId` column. Les commentaires Root ont NULLM SK1 les réponses indiquent leur parent. **Le meilleur pour:** Hiérarchies étroites ( moins élevées que 5-6 niveaux), déplacements fréquents d'un sous-arbreM SK3 lorsque vous voulez que les propriétés de navigation du Core EFMSC4 fonctionnent naturellement **Commerce-offs** Pour obtenir des ancêtres ou des descendants, il faut faire appel à des CTE récursives ou à plusieurs demandes. --- ### 2. Tableau de fermeture **[Lire l'article complet](/blog/efcore-hierarchical-data-closure)** Précompute et stocke tous les ancêtres-relations descendantes dans une table séparéeM SK1 Au lieu de déterminer les relations au moment de la demande, nous les stockons explicitement avec leur profondeur . **Comment il fonctionne:** Un système distinct `CommentClosure` table stores (ancesteur_idM SK2 descendantMSC3id\, profondeurMNK5 pour chaque coupleMRK6 Commentaire 4 sous Commentaires 1 via Commentaires **Le meilleur pour:** Lire-applications lourdes, lorsque vous avez besoin de faire une recherche à des profondeurs arbitraires **Commerce-offs** Insérations plus complexes (il faut ajouter des entrées de fermetureM SK1 le stockage augmente avec la profondeur , les sous-arbres qui se déplacent nécessitent des fermetures de reconstruction. --- ### 3. Voie materialisée **[Lire l'article complet](/blog/efcore-hierarchical-data-path)** Entretenir l’ancienneté complète comme une chaîne délimitée. Pensez à ce qu’il s’agisse d’entreposer l’adresse postale complète plutôt que simplement le nom de la rue. **Comment il fonctionne:** Chaque commentaire a un `Path` column comme "1/3/7" signifiant "root est |1, parent est \3, il s'agit de ♫7". Les ancêtres peuvent être analysés à partir de la chaîneM SK5 descendants trouvés avec les demandes LIKE. **Le meilleur pour:** Génération de crustacés, lorsque les ancêtres sont recherchés plus que leurs descendants, lorsque vous voulez des humainsM SK2 chemins lisibles pour le débugging . **Commerce-offs** Les demandes LIKE peuvent être lentes sans index appropriés, les chaînes de chemin ont des limites de longueurM SK1 les sous-arbres en mouvement nécessitent la mise à jour de tous les chemins descendants. --- ### 4. Ensembles nichés **[Lire l'article complet](/blog/efcore-hierarchical-data-nested)** Attribue à chaque node des numéros de limite gauche et droite d'une profondeur-première traverséeM SK1 Tous les descendants ont des valeurs *entre* les limites du parent' des limites de . **Comment il fonctionne:** Chaque commentaire a `Left` et `Right` valeurs. Un node avec LM SK1 RMSC2 contient tous les nodes où 4 < gauche et droite < ≥7. Des descendants sont trouvés avec des demandes de ranges simples **Le meilleur pour:** Lire- lourde, écrireM SK2 rarement des scénarios comme les arbres de catégorie . Excellent pour MSC4 obtenir l'ensemble du sous-arbre en ordre d'affichage **Commerce-offs** Les insertions nécessitent la mise à jour de nombreuses lignes (changer tous les valeurs pour faire room), le déplacement des sous-arbres est complexe . Ne convient pas aux écritures fréquentesM SK3 --- ### 5. L'arbre PostgreSQL **[Lire l'article complet](/blog/efcore-hierarchical-data-ltree)** PostgreSQL's extension native pour les données hiérarchiques . Comme des chemins materialisés mais avec base de données-optimisation du niveau et combinaison puissante d'un modèle à l'autre **Comment il fonctionne:** Utilise le `ltree` le type de données avec des chemins comme "1.3.7". les indices GiST permettent d'effectuer des recherches efficientes sur l'ancesteur /descendant en utilisant des opérateurs comme `@>` et `<@`. **Le meilleur pour:** PostgreSQL-seulement les déploiements où la performance est importante, lorsque vous avez besoin de réponses à des questions correspondantes à un modèleM SK2 quand vous voulez le meilleur des chemins materialisés . **Commerce-offs** PostgreSQL-seulement,ajoute la dépendance de l'extension des bases de données . Note [Le fournisseur de Npgsql appuie les traductions LINQ](https://www.npgsql.org/efcore/mapping/translations.html#ltree-functions) pour ltree par le biais du `LTree` type, bien que les CTE récursives aient encore besoin d’une SQL brute --- ## Résumé de la comparaison | Approche | Insérer |----------|--------|---------------|-----------------|--------------|---------|-----------------| | **Liste de voisinage** | OM SK1 | O≥(n) avec l’Équipe spéciale de gestion des ressources humaines (EEC) | OdMSC7 avec le Équipe spécialisée de la gestion des finances publiques (EEC) | O=(1) | **Tableau de clôture** | OM SK1d | O+(1) \| O=(1) | | | O~s x d=MSC9 || O^(n x d^) ±| Bon | **Voie materialisée** | OM SK1 | O≥(1)* | OM SK1 | O≥(s) | | 5 | 6 | 7 | par node | 8 | Bonne | 9 | **Réparties en niche** | OM SK1n | O+(1) \| O=(1) | | | O~ nMSC9 ♪| Minimale ♪ | Bonne ♪ | **L'arbre** | OM SK1 | O+(1) \| O=(1) ♪| O~(s) | | | O^d^MSC11 par node \ | Bonne \ via `LTree` type) M SK1 *n = nodes totauxM SK1 d = profondeur, s = taille de sous-arbre* *Avec un index approprié ## Diagramme de décision ```mermaid flowchart TD Start([Start]) --> Q1{Shallow tree?
< 5 levels} Q1 -->|Yes| Q2{Need EF Core
navigation properties?} Q2 -->|Yes| AL[Adjacency List] Q2 -->|No| Q3{Performance
critical?} Q3 -->|No| AL Q3 -->|Yes| MP[Materialised Path] Q1 -->|No| Q4{Read-heavy?} Q4 -->|Yes| Q5{Writes rare?} Q5 -->|Yes| NS[Nested Sets] Q5 -->|No| CT[Closure Table] Q4 -->|No| Q6{PostgreSQL only?} Q6 -->|Yes| LT[ltree] Q6 -->|No| Q7{Need breadcrumbs?} Q7 -->|Yes| MP Q7 -->|No| CT style Start stroke:#10b981,stroke-width:2px style AL stroke:#6366f1,stroke-width:2px style MP stroke:#8b5cf6,stroke-width:2px style NS stroke:#ec4899,stroke-width:2px style CT stroke:#f59e0b,stroke-width:2px style LT stroke:#14b8a6,stroke-width:2px ``` ## Real-World Choice: Ce blog Ce blog utilise un **Tableau de clôture** approche pour les commentaires. La justificationM SK1 1. Les commentaires sont lus beaucoup plus souvent que les écrits 2. Nous devons afficher efficacement les threads d'observation enchâssés 3. Depth-Les demandes limitées sont importantes pour le rendement M SK1la limite est atteinte à des niveaux 5de profondeur 4. Les commentaires sont rares (les modérateurs ont parfois besoin de le faireM SK1 Voir [Partie 1.2: Tableau de fermeture](/blog/efcore-hierarchical-data-closure) pour plus de détails sur la mise en œuvre intégrale. ## Navigation des séries - **Partie 1: Aperçu** (le présent articleM SK1 - [Partie 1.1: Liste de voisinage](/blog/efcore-hierarchical-data-adjacency) - Références parentales simples - [Partie 1.2: Tableau de fermeture](/blog/efcore-hierarchical-data-closure) - Relations précomputées - [Partie 1.3: Voie matérialisée](/blog/efcore-hierarchical-data-path) - Les chaînes de chemin - [Partie 1.4: Ensembles en positionnement](/blog/efcore-hierarchical-data-nested) -à gaucheM SK1à droite limites - [Partie 1.5: ltree](/blog/efcore-hierarchical-data-ltree) - Extension native PostgreSQL - Partie 2: Raw SQL and Dapper (coming soon)