Visión General
Una Common Table Expression (CTE) recursiva permite que una query se referencie a sí misma, así podés recorrer datos jerárquicos almacenados en una sola tabla. Tiene dos partes: un anchor member que selecciona las filas iniciales, y un recursive member que joinea esas filas de vuelta a la tabla fuente. Esa combinación sirve para org charts, árboles de categorías, file systems, comentarios anidados y cualquier relación parent-child ligada con una self-referencing foreign key.
Cuándo Usarlo
Usá una CTE recursiva cuando necesitás recorrer una jerarquía desde un punto de partida conocido. Los casos comunes incluyen encontrar todos los reports directos e indirectos de un manager, listar todas las subcategorías bajo una categoría padre, recorrer un directory tree, fetchear un comentario y todas sus respuestas, explotar un bill of materials en componentes, o seguir dependencias transitivas.
Cuándo NO Usarlo
Evitá la CTE recursiva para queries planas que no recorran una jerarquía; una CTE regular o un subquery es más simple. Tampoco es la herramienta correcta para jerarquías muy profundas (algunas bases de datos alcanzan límites de recursión), graph traversal con ciclos (las CTEs recursivas no manejan ciclos de forma nativa) o problemas de shortest path (para eso usá una graph database o un algoritmo especializado).
Solution
Estructura básica de CTE recursiva
WITH RECURSIVE hierarchy AS (
-- Anchor member: punto de partida
SELECT
id,
parent_id,
name,
1 AS depth
FROM categories
WHERE parent_id IS NULL
UNION ALL
-- Recursive member: join de vuelta a la CTE
SELECT
c.id,
c.parent_id,
c.name,
h.depth + 1 AS depth
FROM categories c
INNER JOIN hierarchy h ON c.parent_id = h.id
)
SELECT * FROM hierarchy ORDER BY depth, name;
Org chart: todos los reports de un manager específico
WITH RECURSIVE reports AS (
-- Anchor: reports directos del manager 5
SELECT
employee_id,
manager_id,
employee_name,
1 AS depth,
CAST(manager_id AS VARCHAR(1000)) AS path
FROM employees
WHERE manager_id = 5
UNION ALL
-- Recursive: reports de reports
SELECT
e.employee_id,
e.manager_id,
e.employee_name,
r.depth + 1,
r.path || ' -> ' || CAST(e.manager_id AS VARCHAR)
FROM employees e
INNER JOIN reports r ON e.manager_id = r.employee_id
)
SELECT
employee_id,
employee_name,
depth,
path
FROM reports
ORDER BY depth, employee_name;
Árbol de categorías con path completo
WITH RECURSIVE category_tree AS (
SELECT
id,
parent_id,
name,
CAST(name AS VARCHAR(1000)) AS full_path,
1 AS depth
FROM categories
WHERE parent_id IS NULL
UNION ALL
SELECT
c.id,
c.parent_id,
c.name,
ct.full_path || ' / ' || c.name,
ct.depth + 1
FROM categories c
INNER JOIN category_tree ct ON c.parent_id = ct.id
)
SELECT
id,
name,
full_path,
depth
FROM category_tree
ORDER BY full_path;
Encontrar todos los ancestors (traversal bottom-up)
WITH RECURSIVE ancestors AS (
-- Anchor: nodo inicial
SELECT
id,
parent_id,
name,
1 AS depth
FROM categories
WHERE id = 42 -- Empezar desde un nodo específico
UNION ALL
-- Recursive: subir al parent
SELECT
c.id,
c.parent_id,
c.name,
a.depth + 1
FROM categories c
INNER JOIN ancestors a ON c.id = a.parent_id
)
SELECT * FROM ancestors ORDER BY depth DESC;
Agregar a través de la jerarquía
WITH RECURSIVE category_tree AS (
SELECT id, parent_id, name, 1 AS depth
FROM categories
WHERE parent_id IS NULL
UNION ALL
SELECT c.id, c.parent_id, c.name, ct.depth + 1
FROM categories c
INNER JOIN category_tree ct ON c.parent_id = ct.id
)
SELECT
ct.id,
ct.name,
ct.depth,
COUNT(p.id) AS product_count,
COALESCE(SUM(p.price), 0) AS total_value
FROM category_tree ct
LEFT JOIN products p ON p.category_id = ct.id
GROUP BY ct.id, ct.name, ct.depth
ORDER BY ct.depth, ct.name;
Roll-up: sumar valores de hijos a todos los ancestors
WITH RECURSIVE descendants AS (
SELECT id, parent_id, name, amount, 1 AS depth
FROM nodes
WHERE id = 1 -- Root node
UNION ALL
SELECT
n.id,
n.parent_id,
n.name,
n.amount,
d.depth + 1
FROM nodes n
INNER JOIN descendants d ON n.parent_id = d.id
),
rollup AS (
SELECT
d.id,
d.name,
SUM(child.amount) AS total_descendant_amount
FROM descendants d
INNER JOIN descendants child
ON child.id = d.id OR child.depth > d.depth
-- Este approach es simplificado; un rollup más preciso
-- requiere construir el path y checkear containment
GROUP BY d.id, d.name
)
SELECT * FROM rollup ORDER BY total_descendant_amount DESC;
Detección de ciclos
WITH RECURSIVE traversal AS (
SELECT
id,
parent_id,
CAST(id AS VARCHAR(1000)) AS path,
1 AS depth,
false AS has_cycle
FROM nodes
WHERE id = 1
UNION ALL
SELECT
n.id,
n.parent_id,
t.path || ' -> ' || CAST(n.id AS VARCHAR),
t.depth + 1,
POSITION(CAST(n.id AS VARCHAR) IN t.path) > 0 AS has_cycle
FROM nodes n
INNER JOIN traversal t ON n.parent_id = t.id
WHERE t.has_cycle = false
AND t.depth < 100 -- Safety limit
)
SELECT * FROM traversal WHERE has_cycle = true;
Limitar profundidad de recursión
WITH RECURSIVE limited_tree AS (
SELECT id, parent_id, name, 1 AS depth
FROM categories
WHERE parent_id IS NULL
UNION ALL
SELECT c.id, c.parent_id, c.name, lt.depth + 1
FROM categories c
INNER JOIN limited_tree lt ON c.parent_id = lt.id
WHERE lt.depth < 5 -- Solo 5 niveles de profundidad
)
SELECT * FROM limited_tree ORDER BY depth, name;
Explosión de bill of materials
WITH RECURSIVE bom AS (
-- Anchor: assembly top-level
SELECT
component_id,
assembly_id,
quantity,
1 AS level,
CAST(component_id AS VARCHAR(1000)) AS component_path
FROM bill_of_materials
WHERE assembly_id = 'PRODUCT-001'
UNION ALL
-- Recursive: componentes de componentes
SELECT
b.component_id,
b.assembly_id,
b.quantity * bom.quantity AS total_quantity,
bom.level + 1,
bom.component_path || ' -> ' || CAST(b.component_id AS VARCHAR)
FROM bill_of_materials b
INNER JOIN bom ON b.assembly_id = bom.component_id
)
SELECT
component_id,
level,
total_quantity,
component_path
FROM bom
ORDER BY level, component_id;
Variants
PostgreSQL: usar ARRAY para path
WITH RECURSIVE category_tree AS (
SELECT
id,
parent_id,
name,
ARRAY[id] AS path,
1 AS depth
FROM categories
WHERE parent_id IS NULL
UNION ALL
SELECT
c.id,
c.parent_id,
c.name,
ct.path || c.id,
ct.depth + 1
FROM categories c
INNER JOIN category_tree ct ON c.parent_id = ct.id
WHERE c.id != ALL(ct.path) -- Prevención de ciclos
)
SELECT id, name, path, depth FROM category_tree ORDER BY path;
MySQL 8.0+: sintaxis de CTE recursiva
WITH RECURSIVE org_tree AS (
SELECT employee_id, manager_id, employee_name, 1 AS level
FROM employees
WHERE manager_id IS NULL
UNION ALL
SELECT e.employee_id, e.manager_id, e.employee_name, ot.level + 1
FROM employees e
JOIN org_tree ot ON e.manager_id = ot.employee_id
)
SELECT * FROM org_tree WHERE level <= 3 ORDER BY level;
SQL Server: sin keyword RECURSIVE
WITH org_tree AS (
SELECT employee_id, manager_id, employee_name, 1 AS level
FROM employees
WHERE manager_id IS NULL
UNION ALL
SELECT e.employee_id, e.manager_id, e.employee_name, ot.level + 1
FROM employees e
JOIN org_tree ot ON e.manager_id = ot.employee_id
)
SELECT * FROM org_tree OPTION (MAXRECURSION 100);
Snowflake: usar CONNECT BY (alternativa)
SELECT
employee_id,
manager_id,
employee_name,
LEVEL AS depth,
SYS_CONNECT_BY_PATH(employee_name, ' -> ') AS path
FROM employees
START WITH manager_id IS NULL
CONNECT BY PRIOR employee_id = manager_id
ORDER SIBLINGS BY employee_name;
Buenas Prácticas
- Siempre incluí una columna
deptholevel. Ayuda a debuggear y te da una forma fácil de limitar la recursión. - Agregá un safety limit como
WHERE depth < Npara prevenir recursión infinita en datos cíclicos. - Usá
UNION ALLen lugar deUNION;UNIONdeduplica, lo cual agrega overhead que usualmente no necesitás. - Construí una columna path para debugging, así podés ver la ruta exacta de recorrido.
- Testeá primero con datasets pequeños, porque las CTEs recursivas pueden ser lentas en tablas grandes.
- Indexá
parent_ideid; el join recursivo golpea esas columnas repetidamente. - En SQL Server, usá
OPTION (MAXRECURSION N)para anular el límite default de 100.
Para una guía más profunda, consultá Transform Data in the Warehouse with dbt.
Errores Comunes
- Olvidar el anchor member. Sin un punto de partida la CTE no retorna nada; el anchor tiene que seleccionar filas que no dependan de la CTE.
- Usar
UNIONen lugar deUNION ALL.UNIONdeduplica resultados y agrega overhead, así que usáUNION ALLa menos que realmente necesites deduplicación. - Saltearse la detección de ciclos. Los datos cíclicos causan recursión infinita, así que agregá una columna path y verificá repeticiones, o poné un límite de profundidad.
- No indexar
parent_id. El join recursivo haceJOIN c ON c.parent_id = h.id; sin índice enparent_id, cada nivel se convierte en un full table scan. - Esperar orden breadth-first. Las CTEs recursivas retornan depth-first por default. Usá
ORDER BY depthsi querés output breadth-first.
Preguntas frecuentes
¿Qué es una CTE recursiva?
Es una CTE que se referencia a sí misma. Tiene un anchor member (el caso base) y un recursive member (la parte que joinea de vuelta a la CTE). La base de datos evalúa el anchor primero y sigue aplicando el recursive member hasta que deja de generar filas nuevas.
¿Qué bases de datos soportan CTEs recursivas?
PostgreSQL, MySQL 8.0+, SQLite 3.8.4+, SQL Server (2008+), Oracle (11gR2+), Snowflake, BigQuery y DuckDB las
soportan. La sintaxis es similar en todos; algunos requieren el keyword RECURSIVE, y otros no (por ejemplo SQL
Server).
¿Cómo prevengo recursión infinita?
Agregá un depth limit como WHERE depth < 100, o trackeá los nodos visitados en un array o string de path y
verificá repeticiones. En SQL Server, usá OPTION (MAXRECURSION N).
¿Cuál es la diferencia entre CTE recursiva y CONNECT BY?
CONNECT BY es la sintaxis propietaria de Oracle, también soportada por Snowflake. Las CTEs recursivas son el
estándar SQL. CONNECT BY es más conciso pero menos flexible, así que usá CTEs recursivas cuando te importe la
portabilidad.
¿Puedo usar CTEs recursivas para graph traversal?
Para árboles simples sin ciclos, sí. Para grafos con ciclos o problemas de shortest path, usá una graph database o un algoritmo especializado. Las CTEs recursivas no soportan detección de ciclos de forma nativa, así que tenés que construirla a mano.
Recursos Relacionados
Construir un Pipeline ETL con pandas y Parquet
Cómo construir un pipeline extract-transform-load usando pandas para procesamiento de datos y Parquet para almacenamiento columnar con coerción de tipos y validación.
RecipeTransformar Datos en el Warehouse con dbt
Cómo usar dbt para transformaciones de datos basadas en SQL con models, tests, materializations, macros e incremental loading en un data warehouse.
RecipeAgregaciones a Gran Escala con PySpark
Cómo realizar agregaciones group-by en datasets grandes con PySpark, cubriendo window functions, UDFs, broadcast joins y tuning de performance.
RecipeLeer Archivos CSV con Python y Pandas
Cómo leer, filtrar y transformar archivos CSV grandes de forma eficiente con pandas y el módulo csv de Python.
RecipePatrones de Procesamiento por Lotes
Diseña pipelines robustos de procesamiento por lotes para grandes datasets con retry, idempotencia y observabilidad.
RecipeOperaciones de DataFrame de Alto Rendimiento con Polars
Cómo usar Polars para operaciones rápidas de DataFrame con lazy evaluation, expression API, streaming e interop con pandas para datasets grandes.