前言
Elasticsearch 是一个实时的分布式搜索与分析引擎,在使用过程中,有一些典型的使用场景,比如分页、遍历等。
在使用关系型数据库中,我们被告知要注意甚至被明确禁止使用深度分页,同理,在 Elasticsearch 中,也应该尽量避免使用深度分页。
这篇文章主要介绍 Elasticsearch 中分页相关内容!
From/Size 参数
在 ES 中,分页查询默认返回最顶端的 10 条匹配 hits。
如果需要分页,需要使用 from 和 size 参数。
-
from 参数定义了需要跳过的 hits 数,默认为 0;
-
size 参数定义了需要返回的 hits 数目的最大值。
一个基本的 ES 查询语句是这样的:
POST /my_index/my_type/_search
{
"query": { "match_all": {}},
"from": 100,
"size": 10
}
复制代码
上面的查询表示从搜索结果中取第 100 条开始的 10 条数据。
「那么,这个查询语句在 ES 集群内部是怎么执行的呢?」
在 ES 中,搜索一般包括两个阶段,query 和 fetch 阶段,可以简单的理解,query 阶段确定要取哪些 doc,fetch 阶段取出具体的 doc。
❝
Query 阶段
如上图所示,描述了一次搜索请求的 query 阶段:·
-
Client 发送一次搜索请求,node1 接收到请求,然后,node1 创建一个大小为
from + size
的优先级队列用来存结果,我们管 node1 叫 coordinating node。 -
coordinating node 将请求广播到涉及到的 shards,每个 shard 在内部执行搜索请求,然后,将结果存到内部的大小同样为
from + size
的优先级队列里,可以把优先级队列理解为一个包含top N
结果的列表。 -
每个 shard 把暂存在自身优先级队列里的数据返回给 coordinating node,coordinating node 拿到各个 shards 返回的结果后对结果进行一次合并,产生一个全局的优先级队列,存到自身的优先级队列里。
在上面的例子中,coordinating node 拿到(from + size) * 6
条数据,然后合并并排序后选择前面的from + size
条数据存到优先级队列,以便 fetch 阶段使用。
另外,各个分片返回给 coordinating node 的数据用于选出前from + size
条数据,所以,只需要返回唯一标记 doc 的_id
以及用于排序的_score
即可,这样也可以保证返回的数据量足够小。
coordinating node 计算好自己的优先级队列后,query 阶段结束,进入 fetch 阶段。
❝
Fetch 阶段
query 阶段知道了要取哪些数据,但是并没有取具体的数据,这就是 fetch 阶段要做的。
上图展示了 fetch 过程:
-
coordinating node 发送 GET 请求到相关 shards。
-
shard 根据 doc 的
_id
取到数据详情,然后返回给 coordinating node。 -
coordinating node 返回数据给 Client。
coordinating node 的优先级队列里有from + size
个_doc _id
,但是,在 fetch 阶段,并不需要取回所有数据,在上面的例子中,前 100 条数据是不需要取的,只需要取优先级队列里的第 101 到 110 条数据即可。
需要取的数据可能在不同分片,也可能在同一分片,coordinating node 使用 「multi-get」 来避免多次去同一分片取数据,从而提高性能。
「这种方式请求深度分页是有问题的:」
我们可以假设在一个有 5 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 50 个结果排序得到全部结果的前 10 个。
现在假设我们请求第 1000 页—结果从 10001 到 10010 。所有都以相同的方式工作除了每个分片不得不产生前 10010 个结果以外。然后协调节点对全部 50050 个结果排序最后丢弃掉这些结果中的 50040 个结果。
「对结果排序的成本随分页的深度成指数上升。」
「注意 1:」
size 的大小不能超过index.max_result_window
这个参数的设置,默认为 10000。
如果搜索 size 大于