分布式數據庫架構--排序、分頁、分組、實現
最近研究分布式數據庫架構，發現排序、分組及分頁讓著實人有點頭疼。現把問題及解決思路整理如下。
一、 多分片（水平切分）返回結果合并（排序）
1、Select + None Aggregate Function的有序記錄合并排序
解決思路：對各分片返回的有序記錄，進行排序去重合并。此處主要是編寫排序去重合
并算法。
2、Select + None Aggregate Function的無序記錄合并
解決思路：對各分片返回的無序記錄，進行去重合并。
優點：實現比較簡單。
缺點：數據量越大，字段越多，去重處理就會越耗時。
3、Select + Aggregate Function的記錄合并（排序）
Oracle常用聚合函數：Count、Max、Min、Avg、Sum。
AF：Max、Min
思路：通過算法對各分片返回結果再求max、min值。
AF：Avg、Sum、Count
思路：分片間無重復記錄或字段時，通過算法對各分片返回結果再求avg、sum、count值。分片間有重復記錄或字段時，先對各分片記錄去重合并，再通過算法求avg、sum、count值。
比如：
select count(*) from user
select count(deptno) from user;
select count(distinct deptno) from user;
二、多分片（水平切分）返回結果分頁
解決思路：合并各分片返回結果，邏輯分頁。
優點： 實現簡單。
缺點： 數據量越大，緩存壓力就越大。
分片數據量越大，查詢也會越慢。
三、多分片（水平切分）查詢有分組語法的合并
1、Group By Having + None Aggregate Function時
Select + None Aggregate Function
比如：select job user group by job;
思路：直接去重（排序）合并。
Select + Aggregate Function
比如：select max(sal),job user group by job;
思路：同Select + Aggregate Function的記錄合并（排序）。
2、Group By Having + Aggregate Function時
解決思路：去掉having AF條件查詢各分片，然后把數據放到一張表里。再用group by having 聚合函數查詢。
四、分布式數據庫架構--排序分組分頁參考解決方案
解決方案1：Hadoop + Hive。
思路：使用Hadoop HDFS來存儲數據，通過Hdoop MapReduce完成數據計算，通過Hive HQL語言使用部分與RDBBS一樣的表格查詢特性和分布式存儲計算特性。
優點： 可以解決問題
具有并發處理能力
可以離線處理
缺點： 實時性不能保證
網絡延遲會增加
異常捕獲難度增加
Web應用起來比較復雜
解決方案2：總庫集中查詢。
優點： 可以解決問題
實現簡單
缺點： 總庫數據不能太大
并發壓力大
五、小結
對于分布式數據庫架構來說，排序、分頁、分組一直就是一個比較復雜的問題。避免此問題需要好好地設計分庫、分表策略。同時根據特定的場景來解決問題。也可以充分利用海量數據存儲（Hadoop-HDFS|Hive|HBse）、搜索引擎（Lucene|Solr）及分布式計算（MapReduce）等技術來解決問題。
別外，也可以用NoSQL技術替代關系性數據庫來解決問題，比如MogonDB\redis。