第2方法是：针对第1种方法的改进，是采用多源点方法，这里是以节点"p"和节点"j"为中心向外层扩展，直到两圆外切点，如图4：

图4

　　实现：

　　在接下来，我描述在SQL Server中，如何实现。当然我这里采用的前面说的第2种方法，以"P"和"J"为始点像中心外层层扩展。

　　这里提供有表RelactionGraph的create& Insert数据的脚本：

    use TestDB    
    go
    if object_id('RelactionGraph') Is not null drop table RelactionGraph
    create table RelactionGraph(ID int identity，Item nvarchar(50)，RelactionItemnvarchar(20)，constraint PK_RelactionGraph primary key(ID))
    go
    create nonclustered index IX_RelactionGraph_Item on RelactionGraph(Item)include(RelactionItem)
    create nonclustered index IX_RelactionGraph_RelactionItem on RelactionGraph(RelactionItem)include(Item)
    go
    insert into RelactionGraph (Item， RelactionItem ) values
        ('a'，'b')，('a'，'c')，('a'，'d')，('a'，'e')，
        ('b'，'f')，('b'，'g')，('b'，'h')，
        ('c'，'i')，('c'，'j')，
        ('f'，'k')，('f'，'l')，
        ('k'，'o')，('k'，'p')，
        ('o'，'i')，('o'，'l')
    go

　　编写一个存储过程up_GetPath

    use TestDB
    go
    exec dbo.up_GetPath
            @Node = 'p'，
    @RelatedNode = 'j'
    go

　　上面的存储过程，主要分为两大部分，第1部分是实现如何搜索，第2部分实现如何构造返回结果。其中第1部分的代码根据前面的方法2，通过@Node 和 @RelatedNode 两个节点向外层搜索，每次搜索返回的节点都保存至临时表#1和#2，再判断临时表#1和#2有没有出现切点，如果出现说明已找到短的路径（经过多节点数少），否则继续循环搜索，直到循环至大的搜索深度（@MaxLevel smallint=100）或找到切点。要是到100层都没搜索到切点，将放弃搜索。这里使用大可搜索深度@MaxLevel，目的是控制由于数据量大可能会导致性能差，因为在这里数据量与搜索性能成反比。代码中还说到一个正向和反向搜索，主要是相对Node 和 RelatedNode来说，它们两者互为参照对象，进行向外搜索使用。

　　下面是存储过程的执行：