如何跳过es分页这个坑？

刺骨的言语ヽ痛彻心扉 2022-01-16 11:09 272阅读 0赞

[2019独角兽企业重金招聘Python工程师标准>>> ][2019_Python_] ![hot3.png][]

--------------------

## 1、分页查询 ##

### 1.1、 正常分页查询代码如下 ###

> 假设现在你要查询第100页的10条数据，但是对于es来说，from=1000000，size=100，这时 es需要从各个分片上查询出来10000100条数据，然后汇总计算后从其中取出100条。如果有5个分片则需要查询出来5\*10000100条数据，如果现在有一个100个查询请求呢，50亿左右的数据，一条数据2KB，就需要9000G左右的内存，什么样的机器能够支持这么庞大的查询，所以如果你在使用es的分页查询过程中，刚开始翻页可能速度比较快，可能到第一百页查询就需要4-5s，翻到1000页以后，直接报错了。

NativeSearchQueryBuilder query = new NativeSearchQueryBuilder();
            if(!StringUtils.isEmpty(ulqBean.getStartTime()) && !StringUtils.isEmpty(ulqBean.getEndTime())) {
                query.withQuery(QueryBuilders.rangeQuery("logTime").from(ulqBean.getStartTime()).to(ulqBean.getEndTime()));
            }
    
            if(!StringUtils.isEmpty(ulqBean.getSearch())) {
                BoolQueryBuilder shouldQuery = QueryBuilders.boolQuery()
                        .should(QueryBuilders.wildcardQuery("content", "*" + ulqBean.getSearch() + "*"))
                        .should(QueryBuilders.wildcardQuery("code", "*" + ulqBean.getSearch() + "*"))
                        .should(QueryBuilders.wildcardQuery("name", "*" + ulqBean.getSearch() + "*"));
                query.withQuery(shouldQuery);
            }
    
            query.withSort(new FieldSortBuilder("logTime").order(SortOrder.DESC));
            if(ulqBean.getPageNo() != null && ulqBean.getPageSize() != null) {
                //es结果从第0页开始算
                query.withPageable(new PageRequest(ulqBean.getPageNo() - 1, ulqBean.getPageSize()));
            }
            NativeSearchQuery build = query.build();
            org.springframework.data.domain.Page<ConductAudits> conductAuditsPage = template.queryForPage(build, ConductAudits.class);
            ulqBean.getPagination().setTotal((int) conductAuditsPage.getTotalElements());
            ulqBean.getPagination().setList(conductAuditsPage.getContent());

### 1.2、 错误信息 ###

[root@localhost elasticsearch-2.4.6]# curl -XGET 'http://11.12.84.126:9200/_audit_0102/_log_0102/_search?size=2&from=10000&pretty=true'
    {
      "error" : {
        "root_cause" : [ {
          "type" : "query_phase_execution_exception",
          "reason" : "Result window is too large, from + size must be less than or equal to: [10000] but was [10002]. 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 parameter."
        } ],
        "type" : "search_phase_execution_exception",
        "reason" : "all shards failed",
        "phase" : "query",
        "grouped" : true,
        "failed_shards" : [ {
          "shard" : 0,
          "index" : "_audit_0102",
          "node" : "f_CQitYESZedx8ZbyZ6bHA",
          "reason" : {
            "type" : "query_phase_execution_exception",
            "reason" : "Result window is too large, from + size must be less than or equal to: [10000] but was [10002]. 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 parameter."
          }
        } ]
      },
      "status" : 500
    }

### 1.3、 修改问题 ###

> 如果你的数据大小在你的控制范围内，想要进一步深度分页，你可以通过如下命令修改窗口大小:

curl -XPUT "http://11.12.84.126:9200/_audit_0102/_settings" -d '{
            "index": {
                "max_result_window": 100000
            }
        }'

## 2、深度查询问题 ##

> 但是这只是允许你更进一步深度分页，却没有从根本上解决深度分页的问题，而且随着页码的增加，系统资源占用成指数级上升，很容易就会出现OOM。

> 这时如果你的产品经理要求你按照常规的做法去分页，你可以很明确的告诉他，你的系统不支持这么深度的分页，翻的越深，性能也就越差。

> 不过这种深度分页场景在现实中确实存在，有些场景下，我们可以说服产品经理很少有人会翻看很久之前的历史数据，但是有些场景下可能一天都产生几百万。这个时候我们可以根据具体场景具体分析。

## 3、 利用scroll遍历数据 ##

> scroll查询原理是在第一次查询的时候一次性生成一个快照，根据上一次的查询的id来进行下一次的查询，这个就类似于关系型数据库的游标，然后每次滑动都是根据产生的游标id进行下一次查询，这种性能比上面说的分页性能要高出很多，基本都是毫秒级的。 注意：scroll不支持跳页查询。 使用场景：对实时性要求不高的查询，例如微博或者头条滚动查询。 具体java代码实现

#### 3.1、设置查询条件 ####

BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
           QueryBuilder builder = QueryBuilders.queryStringQuery("123456").field("code");
           boolQueryBuilder.must(QueryBuilders.termQuery("logType", "10"))
                   .must(builder);

#### 3.2、 第一次查询 ####

1.  第一次查询，跟平时的search查询一样需要设置index和type以及查询条件。
2.  如果把查询类型设置成SCAN，那么不能获取结果并且不支持排序，只能获得scrollId，如果使用默认设置或者不设置，那么第一次在获取id的同时也可以获取到查询结果。
3.  这个size大小的意思不是总分页的大小，实际数量应该是：所以实际返回的数量是：分片的数量\*size
4.  滚动时间设置是指在这个查询搜索结果的缓存时间，时间不能太久，毕竟内存空间是有限的。

SearchResponse response1 = client.prepareSearch("_audit_0221").setTypes("_log_0221")
                        .setQuery(boolQueryBuilder)
                        .setSearchType(.setSearchType(SearchType.DEFAULT))
                        .setSize(10).setScroll(TimeValue.timeValueMinutes(5))
                        .addSort("logTime", SortOrder.DESC)
                        .execute().actionGet();//第一次查询
    for (SearchHit searchHit : response1.getHits().hits()) {
                biz handle....;
    }

#### 3.3、 第二次查询，循环获取查询结果 ####

while (response1.getHits().hits().length>0) {
                for (SearchHit searchHit : response1.getHits().hits()) {
                    System.out.println(searchHit.getSource().toString());
                }
                response1 = client.prepareSearchScroll(response1.getScrollId()).setScroll(TimeValue.timeValueMinutes(5))
                        .execute().actionGet();
            }

如果是一次性的搜索，可以清除查询结果，毕竟可以减少对内存的消耗。

ClearScrollRequest request = new ClearScrollRequest();
            request.addScrollId(scrollId);
            client.clearScroll(request);

## 4、 利用scroll-scan遍历数据 ##

使用场景：我有500w用户，需要遍历所有用户发送数据，并且对顺序没有要求，这个时候我们可以使用scroll-scan。

具体使用方式：

#### 4.1、 查询 ####

SearchResponse response = client.prepareSearch("_audit_0221").setTypes("_log_0221")
                        .setQuery(boolQueryBuilder)
                        .setSearchType(SearchType.SCAN)
                        .setSize(5).setScroll(TimeValue.timeValueMinutes(5))
                        .addSort("logTime", SortOrder.DESC)
                        .execute().actionGet();

#### 4.2、 获取结果 ####

SearchResponse response1 = client.prepareSearchScroll(scrollId).setScroll(TimeValue.timeValueMinutes(5))
                    .execute().actionGet();
    
     while (response1.getHits().hits().length>0) {
                for (SearchHit searchHit : response1.getHits().hits()) {
                    System.out.println(searchHit.getSource().toString());
                }
                response1 = client.prepareSearchScroll(response1.getScrollId()).setScroll(TimeValue.timeValueMinutes(5))
                        .execute().actionGet();
    }

## 5、 也可以使用如下spring提供的ElasticsearchTemplate分页的查询方式 ##

QueryBuilder builder = QueryBuilders.boolQuery().filter(QueryBuilders.termQuery("code", "123456"));
            SearchQuery searchQuery = new NativeSearchQueryBuilder().withIndices("_audit_0221")
                    .withTypes("_log_0221").withQuery(builder).withPageable(new PageRequest(0, 2)).build();
            String srollId = template.scan(searchQuery, 100000, false);
    
            while (true) {
                Page<ConductAudits> scroll = template.scroll(srollId, 1000, ConductAudits.class);
                if(scroll.getContent().size()==0) {
                    break;
                }
                List<ConductAudits> content = scroll.getContent();
                for (ConductAudits c: content
                     ) {
                    System.out.println(JSON.toJSONString(c));
                }
               // System.out.println(JSON.toJSONString(scroll.getContent()+"\r\n"));
                for (ConductAudits conductAudits : scroll.getContent()) {
                    System.out.println(JSON.toJSONString(conductAudits+"\r\n"));
                }
            }

## 6、 scroll和scroll-scan区别 ##

1.  scroll支持排序，scroll-scan不支持排序，是按照索引顺序返回，可以提高查询效率。
2.  scroll-scan第一次查询只支持返回id，没有结果。

## 7、 总结： ##

1.  es的分页查询不支持深度分页，如果偏要使用要结合具体业务场景进行使用。不能当成关系型数据库中的分页进行使用。
2.  要想提高产品体验和查询效率不能过于依赖技术，要结合需求进行分析以提高体验，因为很多搜索类产品都不支持深度分页。
3.  如果在不涉及排序的情况下尽量使用scroll-scan，它是按照索引顺序返回，提高效率。

PS：elasticSearch各个版本可能都稍有区别，但是原理相同。本文的很多代码都是基于es 2.4.6

转载于:https://my.oschina.net/u/1787735/blog/3024051

[2019_Python_]: https://my.oschina.net/u/2663968/blog/3061697
[hot3.png]: /images/20220114/c2a9dd77af9743b9aa9d56cdcb848dcc.png