分散式資料庫架構--分庫、分表、排序、分頁、分組、實現
最近研究分散式資料庫架構，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）返回結果合併（排序）
1、Select + None Aggregate Function的有序記錄合併排序
解決思路：對各分片返回的有序記錄，進行排序去重合並。此處主要是編寫排序去重合
並演算法。
2、Select + None Aggregate Function的無序記錄合併
解決思路：對各分片返回的無序記錄，進行去重合並。
優點：實現比較簡單。
缺點：資料量越大，欄位越多，去重處理就會越耗時。
3、Select + Aggregate Function的記錄合併（排序）
Oracle常用聚合函式：Count、Max、Min、Avg、Sum。
AF：Max、Min
思路：通過演算法對各分片返回結果再求max、min值。
AF：Avg、Sum、Count
思路：分片間無重複記錄或欄位時，通過演算法對各分片返回結果再求avg、sum、count值。分片間有重複記錄或欄位時，先對各分片記錄去重合並，再通過演算法求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：合併各分片返回結果，邏輯分頁。
優點： 實現簡單。
缺點： 資料量越大，快取壓力就越大。
分片資料量越大，查詢也會越慢。
三、多分片（水平切分）查詢有分組語法的合併
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）合併。
Select + Aggregate Function
比如：select max(sal),job user group by job;
思路：同Select + Aggregate Function的記錄合併（排序）。
2、Group By Having + Aggregate Function時
解決思路：去掉having AF條件查詢各分片，然後把資料放到一張表裡。再用group by having 聚合函式查詢。
四、分散式資料庫架構--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來儲存資料，通過Hdoop MapReduce完成資料計算，通過Hive HQL語言使用部分與RDBBS一樣的表格查詢特性和分散式儲存計算特性。
優點： 可以解決問題
具有併發處理能力
可以離線處理
缺點： 實時性不能保證
網路延遲會增加
異常捕獲難度增加
Web應用起來比較複雜
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： 總庫資料不能太大
併發壓力大
五、小結
對 於分散式資料庫架構來說，排序、分頁、分組一直就是一個比較複雜的問題。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 充分利用海量資料儲存（Hadoop-HDFS|Hive|HBse）、搜尋引擎（Lucene|Solr）及分散式計算（MapReduce）等技術來 解決問題。
別外，也可以用NoSQL技術替代關係性資料庫來解決問題，比如MogonDB\redis。