分布式数据库架构--排序分页分组探讨

分布式数据库架构--排序分页分组探讨

          最近对分布式数据库架构产生了兴趣，发现排序、分组及分页让人有点头疼。现把问题及解决思路整理如下，希望有兴趣的朋友能指出问题或是给出好的解决方法。当然，如果有经过实践的好方案，也希望能共享一二。

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 emp;

          select count(deptno) from emp;

          select count(distinct deptno) from emp;

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 emp group by job;

        思路：直接去重（排序）合并。

        Select + Aggregate Function

         比如：select max(sal),job emp 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。