Interview preparation--elascitSearch深分页问题

深度分页出现原因

• 当我们需要查询的数据页数特别大的时候，比如from + size 大于10000 的时候，可能出现“window is too large” 异常，如下网图：

• 查询语句如下

{
"query": {
"bool": {
"must": [
{
"match_all": { }
}
],
"must_not": [ ],
"should": [ ]
}
},
"from": 10000,
"size": 10,
"sort": [ ],
"aggs": { }
}

• 保存信息解释为，当前信息超过了10000最大值，虽然只查询了5条数据，为什么elasticSearch需要计算10000 条数据，因为查询的时候，需要按照一定规则排序，es如果不指定排序字段，会更具相关度评分排序

图解深分页

• 添加了10万条记录在exam_info索引中，并且elasticSearch是分布式部署的，那么这10W数据会分布在不同的分片上，假如又如上5个分片，那么5个分片的数据一定会是近似均匀的 每个2w条。
• 现在需要查询10001 到11000 的这一千条信息，按照 A 字段排序，那么我们查询的时候需要 查询出 shard1 ~ shard 4 每个分片中10001 ~ 11000 以A排序的所有数据，排序后取前1000 个，才能得到我们想要的数据，因为shard1 ~ shard4 存储顺序并不以A排序所以我们要对每一个分片进行筛选后得到一个排序值

深分页异常

• 每次有序查询都是分片中单独查询，在合并数据二次排序，这个二次排序过程是在heap（堆内存）中进行的，也就是单次查询数据越多，内存中汇总的数据就更多，数据越靠后，需要排序的数据越多，越容易导致OOM
• elasticSearch为了规避这种情况，设置了一个阈值，max_result_window 默认值是10000，包含堆内存不被错误操作导致溢出

深分页解决方案一

• 规避错误，将跳页功能删掉，不让直接查看第N页的数据，包括百度，google，淘宝等分页请求也是这么干的。如下：

深度分页解决方案二：滚动查询：Scroll Search（不推荐使用）

• 在查询的时候带上scroll=1m

GET aim_crowd_package_search905/_search?scroll=1m
{
 {"query":{"bool":{"must":[{"match_all":{}}],"must_not":[],"should":[]}},"from":5020,"size":10,"sort":[],"aggs":{}}
}

• 上述请求的结果包含一个_scroll_id，可以通过这个id来完成下一批次的请求，也就是elasticSearch帮我们圈了一批数据，第一次查询给了一个标记位_scroll_id,之后的查询我们只需用代码这个，elasticSearch会直接给我们查第二页的数据。如下图，第二次带上scroll_id,
• 查询语句：

GET aim_crowd_package_search905/_search?scroll=1m
{
 {"query":{"scroll_id":"DXF1ZXJ5QW5kRmV0Y2gBAAAAAABSwL4WWmgwejdlZXNTZ1NZSWFYWDkzbTk2Zw==","bool":{"must":[{"match_all":{}}],"must_not":[],"should":[]}},"sort":[],"aggs":{}}
}

• 如上案例看出 scroll search 查询的智能一页，一页给你返回，这样可能不满足很多C端口业务场景
• 而且，elasticSearch为了限制资源，对scrolls的数量又一定限制，最多打开500个，可以通过集群设置修改：search.max_open_scroll_context
• 不支持向前搜索
• 每次搜后一页数据
• 不适用于C端业务

深分页解决方案三：Search After

• 第一点：按一定规则排序，例如自增id排序，查询第二页，带上 id > X， 此处X是第一页最后一条数据；这样每次只需用查询一页数据就能满足分页查询
• 第二点：解决跳页问题：
  • 当跳页时候，无法获取到前一页数据，以上规则不适用
  • 缓存，空间换时间，每次查询预加载前后5页的id顺序数据，前端只支持10个页面跳转，这样无论那一页都能拿到前一页数据