最近研究分佈式數據庫架構，發現排序、分組及分頁讓着實人有點頭疼。現把問題及解決思路整理以下。web
1、 多分片（水平切分）返回結果合併（排序）redis
一、Select + None Aggregate Function的有序記錄合併排序 算法
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數據庫
並算法。緩存
二、Select + None Aggregate Function的無序記錄合併網絡
解決思路：對各分片返回的無序記錄，進行去重合並。架構
優勢：實現比較簡單。併發
缺點：數據量越大，字段越多，去重處理就會越耗時。分佈式
三、Select + Aggregate Function的記錄合併（排序）函數
Oracle經常使用聚合函數：Count、Max、Min、Avg、Sum。
AF：Max、Min
思路：經過算法對各分片返回結果再求max、min值。
AF：Avg、Sum、Count
思路：分片間無重複記錄或字段時，經過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字段時，先對各分片記錄去重合並，再經過算法求avg、sum、count值。
好比：
select count(*) from user
select count(deptno) from user;
select count(distinct deptno) from user;
2、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。
優勢： 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。
3、多分片（水平切分）查詢有分組語法的合併
一、Group By Having + None Aggregate Function時
Select + None Aggregate Function
好比：select job user group by job;
思路：直接去重（排序）合併。
Select + Aggregate Function
好比：select max(sal),job user group by job;
思路：同Select + Aggregate Function的記錄合併（排序）。
二、Group By Having + Aggregate Function時
解決思路：去掉having AF條件查詢各分片，而後把數據放到一張表裏。再用group by having 聚合函數查詢。
4、分佈式數據庫架構--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，經過Hdoop MapReduce完成數據計算，經過Hive HQL語言使用部分與RDBBS同樣的表格查詢特性和分佈式存儲計算特性。
優勢： 能夠解決問題
具備併發處理能力
能夠離線處理
缺點： 實時性不能保證
網絡延遲會增長
異常捕獲難度增長
Web應用起來比較複雜
解決方案2：總庫集中查詢。
優勢： 能夠解決問題
實現簡單
缺點： 總庫數據不能太大
併發壓力大
5、小結
對於分佈式數據庫架構來講，排序、分頁、分組一直就是一個比較複雜的問題。避免此問題須要好好地設計分庫、分表策略。同時根據特定的場景來解決問題。也能夠充分利用海量數據存儲（Hadoop-HDFS|Hive|HBse）、搜索引擎（Lucene|Solr）及分佈式計算（MapReduce）等技術來解決問題。別外，也能夠用NoSQL技術替代關係性數據庫來解決問題，好比MogonDB\redis。