当前位置:   article > 正文

ES(elasticsearch) - 三种姿势进行分页查询_elasticsearch分页查询

elasticsearch分页查询

1. from + size 浅分页

"浅"分页可以理解为简单意义上的分页。它的原理很简单,就是查询前20条数据,然后截断前10条,只返回10-20的数据。这样其实白白浪费了前10条的查询。

  1. GET test_dev/_search
  2. {
  3. "query": {
  4. "bool": {
  5. "filter": [
  6. {
  7. "term": {
  8. "age": 28
  9. }
  10. }
  11. ]
  12. }
  13. },
  14. "size": 10,
  15. "from": 20,
  16. "sort": [
  17. {
  18. "timestamp": {
  19. "order": "desc"
  20. },
  21. "_id": {
  22. "order": "desc"
  23. }
  24. }
  25. ]
  26. }

其中,from定义了目标数据的偏移值,size定义当前返回的数目。默认from为0,size为10,即所有的查询默认仅仅返回前10条数据。

在这里有必要了解一下from/size的原理:
因为es是基于分片的,假设有5个分片,from=100,size=10。则会根据排序规则从5个分片中各取回100条数据数据,然后汇总成500条数据后选择最后面的10条数据。

做过测试,越往后的分页,执行的效率越低。总体上会随着from的增加,消耗时间也会增加。而且数据量越大,就越明显!

2. scroll 深分页

from+size查询在10000-50000条数据(1000到5000页)以内的时候还是可以的,但是如果数据过多的话,就会出现深分页问题。

为了解决上面的问题,elasticsearch提出了一个scroll滚动的方式。
scroll 类似于sql中的cursor,使用scroll,每次只能获取一页的内容,然后会返回一个scroll_id。根据返回的这个scroll_id可以不断地获取下一页的内容,所以scroll并不适用于有跳页的情景。

  1. GET test_dev/_search?scroll=5m
  2. {
  3. "query": {
  4. "bool": {
  5. "filter": [
  6. {
  7. "term": {
  8. "age": 28
  9. }
  10. }
  11. ]
  12. }
  13. },
  14. "size": 10,
  15. "from": 0,
  16. "sort": [
  17. {
  18. "timestamp": {
  19. "order": "desc"
  20. },
  21. "_id": {
  22. "order": "desc"
  23. }
  24. }
  25. ]
  26. }
  1. scroll=5m表示设置scroll_id保留5分钟可用。
  2. 使用scroll必须要将from设置为0。
  3. size决定后面每次调用_search搜索返回的数量

然后我们可以通过数据返回的_scroll_id读取下一页内容,每次请求将会读取下10条数据,直到数据读取完毕或者scroll_id保留时间截止:

  1. GET _search/scroll
  2. {
  3. "scroll_id": "DnF1ZXJ5VGhlbkZldGNoBQAAAAAAAJZ9Fnk1d......",
  4. "scroll": "5m"
  5. }

注意:请求的接口不再使用索引名了,而是 _search/scroll,其中GET和POST方法都可以使用。

scroll删除
根据官方文档的说法,scroll的搜索上下文会在scroll的保留时间截止后自动清除,但是我们知道scroll是非常消耗资源的,所以一个建议就是当不需要了scroll数据的时候,尽可能快的把scroll_id显式删除掉。

清除指定的scroll_id:

DELETE _search/scroll/DnF1ZXJ5VGhlbkZldGNo.....
  • 1

清除所有的scroll:

DELETE _search/scroll/_all
  • 1

3. search_after 深分页

scroll 的方式,官方的建议不用于实时的请求(一般用于数据导出),因为每一个 scroll_id 不仅会占用大量的资源,而且会生成历史快照,对于数据的变更不会反映到快照上。

search_after 分页的方式是根据上一页的最后一条数据来确定下一页的位置,同时在分页请求的过程中,如果有索引数据的增删改查,这些变更也会实时的反映到游标上。但是需要注意,因为每一页的数据依赖于上一页最后一条数据,所以无法跳页请求。

为了找到每一页最后一条数据,每个文档必须有一个全局唯一值,官方推荐使用 _uid 作为全局唯一值,其实使用业务层的 id 也可以。

  1. GET test_dev/_search
  2. {
  3. "query": {
  4. "bool": {
  5. "filter": [
  6. {
  7. "term": {
  8. "age": 28
  9. }
  10. }
  11. ]
  12. }
  13. },
  14. "size": 20,
  15. "from": 0,
  16. "sort": [
  17. {
  18. "timestamp": {
  19. "order": "desc"
  20. },
  21. "_id": {
  22. "order": "desc"
  23. }
  24. }
  25. ]
  26. }
  1. 使用search_after必须要设置from=0。
  2. 这里我使用timestamp和_id作为唯一值排序。
  3. 我们在返回的最后一条数据里拿到sort属性的值传入到search_after。

使用sort返回的值搜索下一页:

  1. GET test_dev/_search
  2. {
  3. "query": {
  4. "bool": {
  5. "filter": [
  6. {
  7. "term": {
  8. "age": 28
  9. }
  10. }
  11. ]
  12. }
  13. },
  14. "size": 10,
  15. "from": 0,
  16. "search_after": [
  17. 1541495312521,
  18. "d0xH6GYBBtbwbQSP0j1A"
  19. ],
  20. "sort": [
  21. {
  22. "timestamp": {
  23. "order": "desc"
  24. },
  25. "_id": {
  26. "order": "desc"
  27. }
  28. }
  29. ]
  30. }

4. 比较图

分页方式性能优点缺点场景
from + size灵活性好,实现简单深度分页问题数据量比较小,能容忍深度分页问题
scroll解决了深度分页问题无法反应数据的实时性(快照版本)维护成本高,需要维护一个 scroll_id海量数据的导出需要查询海量结果集的数据
search_after性能最好不存在深度分页问题能够反映数据的实时变更实现复杂,需要有一个全局唯一的字段连续分页的实现会比较复杂,因为每一次查询都需要上次查询的结果海量数据的分页
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/2023面试高手/article/detail/619950
推荐阅读
相关标签
  

闽ICP备14008679号