层级式模型 Hierarchy Modeling Techniques
(11) 树形聚合Tree Aggregation
树形或是任意的图需反规格化）可以被直接打成一条记录或文档存放。
- 当树形结构被一次性取出时这会非常有效率如：我们需要展示一个blog的树形评论）
- 搜索和任何存取这个实体都会存在问题。
- 对于大多数NoSQL的实现来说，更新数据都是很不经济的相比起独立结点来说）
Tree Aggregation
适用性: Key-Value 键值对数据库, Document Databases 文档数据库
(12) 邻接列表 Adjacency Lists
Adjacency Lists 邻接列表是一种图 – 每一个结点都是一个独立的记录，其包含了 所有的父结点或子结点。这样，我们就可以通过给定的父或子结点来进行搜索。当然，我们需要通过hop查询遍历图。这个技术在广度和深度查询，以及得到某个结点的子树上没有效率。
适用性: Key-Value 键值对数据库, Document Databases 文档数据库
(13) Materialized Paths
Materialized Paths 可以帮助避免递归遍历如：树形结构）。这个技术也可以被认为是反规格化的一种变种。其想法是为每个结点加上父结点或子结点的标识属性，这样就可以不需要遍历就知道所有的后裔结点和祖先结点了：
Materialized Paths for eShop Category Hierarchy
这个技术对于全文搜索引擎来说非常有帮助，因为其可以允许把一个层级结构转成一个文档。上面的示图中我们可以看到所有的商品或Men’s Shoes下的子分类可以被一条很短的查询语句处理——只需要给定个分类名。
Materialized Paths 可以存储一个ID的集合，或是一堆ID拼出的字符串。后者允许你通过一个正则表达式来搜索一个特定的分支路径。下图展示了这个技术分支的路径包括了结点本身）：
Query Materialized Paths using RegExp
适用性: Key-Value 键值对数据库, Document Databases 文档数据, Search Engines 搜索引擎
(14) 嵌套集 Nested Sets
Nested sets 嵌套集是树形结构的标准技术。它被广泛地用在了关系性数据库中，它完全地适用于 Key-Value 键值对数据库 和 Document Databases 文档数据库。这个技术的想法是把叶子结点存储成一个数组，并通过使用索引的开始和结束来映射每一个非叶子结点到一个叶子结点集，就如下图所示一样：
Modeling of eCommerce Catalog using Nested Sets
这样的数据结构对于immutable data不变的数据 有非常不错的效率，因为其点内存空间小，并且可以很快地找出所有的叶子结点而不需要树的遍历。尽管如此，在插入和更新上需要很高的性能成本，因为新的叶子结点需要大规模地更新索引。
适用性: Key-Value Stores 键值数据库, Document Databases 文档数据库