最近研究分布式数据库架构，发现排序、分组及分页让着实人有点头疼。现把问题及解决思路整理如下。

一、 多分片(水平切分)返回结果合并(排序)

1、Select + None Aggregate Function的有序记录合并排序

解决思路：对各分片返回的有序记录，进行排序去重合并。此处主要是编写排序去重合

并算法。

2、Select + None Aggregate Function的无序记录合并

解决思路：对各分片返回的无序记录，进行去重合并。

优点：实现比较简单。

缺点：数据量越大，字段越多，去重处理就会越耗时。

3、Select + Aggregate Function的记录合并(排序)

Oracle常用聚合函数：Count、Max、Min、Avg、Sum。

AF：Max、Min

思路：通过算法对各分片返回结果再求max、min值。

AF：Avg、Sum、Count

思路：分片间无重复记录或字段时，通过算法对各分片返回结果再求avg、sum、count值。分片间有重复记录或字段时，先对各分片记录去重合并，再通过算法求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)返回结果分页

解决思路：合并各分片返回结果，逻辑分页。

优点：  实现简单。

缺点：  数据量越大，缓存压力就越大。

分片数据量越大，查询也会越慢。

三、多分片(水平切分)查询有分组语法的合并

1、Group By Having + None Aggregate Function时

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的记录合并(排序)。

2、Group By Having + Aggregate Function时

解决思路：去掉having AF条件查询各分片，然后把数据放到一张表里。再用group by having 聚合函数查询。

四、分布式数据库架构--排序分组分页参考解决方案

解决方案1：Hadoop + Hive。

思路：使用Hadoop HDFS来存储数据，通过Hdoop MapReduce完成数据计算，通过Hive HQL语言使用部分与RDBBS一样的表格查询特性和分布式存储计算特性。

优点： 可以解决问题

具有并发处理能力

可以离线处理

缺点：  实时性不能保证

网络延迟会增加

异常捕获难度增加

Web应用起来比较复杂

解决方案2：总库集中查询。

优点： 可以解决问题

实现简单

缺点： 总库数据不能太大

并发压力大

五、小结

对 于分布式数据库架构来说，排序、分页、分组一直就是一个比较复杂的问题。避免此问题需要好好地设计分库、分表策略。同时根据特定的场景来解决问题。也可以 充分利用海量数据存储(Hadoop-HDFS|Hive|HBse)、搜索引擎(Lucene|Solr)及分布式计算(MapReduce)等技术来 解决问题。 别外，也可以用NoSQL技术替代关系性数据库来解决问题，比如MogonDB\redis。