新闻详情

新闻详情

首页 / 资讯中心 / 详情

java树结构的处理

发布时间:2026/11/11 4:36:09来源:尧图网络
java树结构的处理
文章目录数据库组装树如果某个节点缺失如何判断呢?如何迁移?授权时的树和查询时是不一样的树结构很常见例如组织结构菜单等所以必须会套路。数据库至少要包含以下几个主要字段idparent_idlevel # 层级leaf_flag # 是否叶子节点CREATETABLEsys_tree_node(idbigint(20)NOTNULLAUTO_INCREMENTCOMMENT主键ID,parent_idbigint(20)DEFAULT0COMMENT父节点ID根节点默认为0,ancestorsvarchar(500)DEFAULTCOMMENT祖级列表例如0,100,200,node_namevarchar(100)NOTNULLCOMMENT节点名称,node_codevarchar(100)DEFAULTCOMMENT节点编码用于业务关联如部门编码、菜单标识,node_typetinyint(4)DEFAULT1COMMENT节点类型如1-公司, 2-部门, 3-岗位,levelint(11)DEFAULT1COMMENT层级深度根节点为1,leaf_flagtinyint(1)DEFAULT0COMMENT是否叶子节点0-否, 1-是,sort_orderint(11)DEFAULT0COMMENT显示排序,statustinyint(4)DEFAULT1COMMENT状态0-停用, 1-正常,del_flagtinyint(1)DEFAULT0COMMENT删除标志0-正常, 1-已删除,create_byvarchar(64)DEFAULTCOMMENT创建者,create_timedatetimeDEFAULTCURRENT_TIMESTAMPCOMMENT创建时间,update_byvarchar(64)DEFAULTCOMMENT更新者,update_timedatetimeDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMPCOMMENT更新时间,remarkvarchar(500)DEFAULTNULLCOMMENT备注,PRIMARYKEY(id),KEYidx_parent_id(parent_id),KEYidx_ancestors(ancestors))ENGINEInnoDBDEFAULTCHARSETutf8mb4COMMENT通用树结构表;组装树有各种方法例如层推法等等。比较好的是所有节点放到一个map里然后快速遍历。代码publicListTreeNodebuildTree(ListTreeNodeflatList){// 1. 将扁平列表转为 MapKey 为节点 ID实现 O(1) 查找MapLong,TreeNodenodeMapflatList.stream().collect(Collectors.toMap(TreeNode::getId,node-node));ListTreeNoderootsnewArrayList();// 2. 遍历组装找到每个节点的父节点并挂载上去for(TreeNodenode:flatList){if(node.getParentId()null||node.getParentId()0){// 顶级节点根节点直接加入结果集roots.add(node);}else{// 非根节点通过 Map 快速找到父节点并加入其 children 列表TreeNodeparentnodeMap.get(node.getParentId());if(parent!null){parent.getChildren().add(node);}}}returnroots;}这种写法不仅时间复杂度仅为 O(n)而且代码逻辑非常清晰。如果某个节点缺失如何判断呢?分不同情况例如某个叶子节点缺失那确实发现不了。如果某个上级节点缺失容易发现如果node有parentId但是没在map中也没在数据库中那可以报错该节点找不到上级节点。如何迁移?例如A公司下有3层100个公司迁移到另外一个中心要做什么?方案很明确1、只需要修改A公司的parentId因为其他子节点的parentId不变。2、level也需要刷新但是要用优雅的方式先计算层级差例如原来A公司level3现在level2那么所有子节点的level1。A公司及所有子节点查出来level1后批量入库即可速度很快。授权时的树和查询时是不一样的授权时是整个树结构(不能只展示已授权机构否则怎么加权限)通过复选框实现授权和取消授权。查询时可以采用平面结构判断起来更方便。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/10 15:15:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉