ElasticSearch分页与深度分页问题解决

ElasticSearch分页

POST movies/_search
{
  "from": 10000,
  "size": 1,
  "query": {
    "match_all": {

    }
  }
}

这是ElasticSearch最简单的分页查询，但以上命令是会报错的。

报错信息，指window默认是10000。

"root_cause": [
      {
        "type": "illegal_argument_exception",
        "reason": "Result window is too large, from + size must be less than or equal to: [10000] but was [10001]. See the scroll api for a more efficient way to request large data sets. This limit can be set by changing the [index.max_result_window] index level setting."
      }
    ],
    "type": "search_phase_execution_exception",

怎么解决这个问题，首先能想到的就是调大这个window。

PUT movies/_settings
{ 
    "index" : { 
        "max_result_window" : 20000
    }
}

但这种方法只是暂时解决问题，当数据量越来越大，分页也越来越深，还是会出问题的。

ElasticSearch在分布式系统中的深度分页

理解为什么深度分页是有问题的，我们可以假设在一个有 4 个主分片的索引中搜索。当我们请求结果的第一页（结果从 1 到 10 ），每一个分片产生前 10 的结果，并且返回给协调节点，协调节点对 40 个结果排序得到全部结果的前 10 个。

现在假设我们请求第 990 页--结果从 990 到 1000 。所有都以相同的方式工作除了每个分片不得不产生前1000个结果以外。然后协调节点对全部 4000 个结果排序最后丢弃掉这些结果中的 3990 个结果。

可以看到，在分布式系统中，对结果排序的成本随分页的深度成指数上升。这就是 web 搜索引擎对任何查询都不要返回超过 10000 个结果的原因。

ElasticSearch深度分页解决方法

Search After

实时获取下一页文档信息

不支持指定页数
只能往下翻

假设Size 10,当查询990-1000，它通过唯一排序值定位，将每次要处理的文档数都控制在10。

如何使用？举个例子

插入示例数据

POST users/_bulk
{ "index" : { } }
{ "name":"user10","age":10}
{ "index" : { } }
{ "name":"user11","age":11}
{ "index" : { } }
{ "name":"user12","age":12}
{ "index" : { } }
{ "name":"user13","age":13}

查询第一页

POST users/_search
{
    "size": 1,
    "query": {
        "match_all": {}
    },
    "sort": [
        {"age": "desc"} ,
        {"_id": "asc"}    
    ]
}

这里返回数据

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 5,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [
      {
        "_index" : "users",
        "_type" : "_doc",
        "_id" : "sP8mOG0BISxFcLcZlTXF",
        "_score" : null,
        "_source" : {
          "name" : "user13",
          "age" : 13
        },
        "sort" : [
          13,
          "sP8mOG0BISxFcLcZlTXF"
        ]
      }
    ]
  }
}

拿到上一页sort信息，放入search_after，往下翻

POST users/_search
{
    "size": 1,
    "query": {
        "match_all": {}
    },
    "search_after":
        [
          13,
          "sP8mOG0BISxFcLcZlTXF"],
    "sort": [
        {"age": "desc"} ,
        {"_id": "asc"}    
    ]
}

Scroll

创建一个快照，所以当新的数据写入时，无法被查询到。

需要每次查询后，输入上一次的Scroll id。

如何使用？举个例子

插入示例数据
可以使用search-after例子上的数据

查询第一页

POST /users/_search?scroll=5m
{
    "size": 1,
    "query": {
        "match_all" : {
        }
    }
}

拿到scroll_id后，往下翻。不同于search_after,接下去第三页、第四页继续使用这个id即可。

POST /_search/scroll
{
    "scroll" : "5m",
    "scroll_id" : "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAWAWbWdoQXR2d3ZUd2kzSThwVTh4bVE0QQ=="
}

查询当前有多少scroll,并删除

为了防止因打开太多卷轴而导致的问题，不允许用户打开滚动超过某个限制。默认情况下，打开的滚动的最大数量为500.可以使用search.max_open_scroll_context群集设置更新此限制。

获取有多少个scroll

GET /_nodes/stats/indices/search

删除所有的scroll或者根据scroll_id删除

DELETE /_search/scroll
{
    "scroll_id" : [
      "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAD4WYm9laVYtZndUQlNsdDcwakFMNjU1QQ==",
      "DnF1ZXJ5VGhlbkZldGNoBQAAAAAAAAABFmtSWWRRWUJrU2o2ZExpSGJCVmQxYUEAAAAAAAAAAxZrUllkUVlCa1NqNmRMaUhiQlZkMWFBAAAAAAAAAAIWa1JZZFFZQmtTajZkTGlIYkJWZDFhQQAAAAAAAAAFFmtSWWRRWUJrU2o2ZExpSGJCVmQxYUEAAAAAAAAABBZrUllkUVlCa1NqNmRMaUhiQlZkMWFB"
    ]
}

DELETE /_search/scroll
{
    "scroll_id" : "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAD4WYm9laVYtZndUQlNsdDcwakFMNjU1QQ=="
}

DELETE /_search/scroll/_all

总结

传统方式（from&size）
需要实时获取顶部的部分文档。例如查询最新的订单。
Scroll
需要全部文档，例如导出全部数据
Search After
需要做到深度分页

ElasticSearch分页与深度分页问题解决