ES多种分页方案以及深分页处理

ElasticSearch 是一个实时的分布式搜索与分析引擎，常用于大量非结构化数据的存储和快速检索场景，具有很强的扩展性。纵使其有诸多优点，在搜索领域远超关系型数据库，但依然存在与关系型数据库同样的深度分页问题，本文将介绍ES的多种分页方式以及深分页的处理。

From + Size 分页方式

from + size 分页方式是 ES 最基本的分页方式，类似于关系型数据库中的 limit 方式。from 参数表示：分页起始位置；size 参数表示：每页获取数据条数。例如：

GET /index/_search
{
  "from": 10,
  "size": 20
}

代码示例

private SearchHits getSearchHits(BoolQueryBuilder builder, int from, int size) {
        SearchRequestBuilder searchRequestBuilder = this.prepareSearch();
        searchRequestBuilder.setQuery(builder).setFrom(from).setSize(size).setExplain(false);
        SearchResponse searchResponse = searchRequestBuilder.execute().actionGet();
        return searchResponse.getHits();
    }

该条 DSL 语句表示从搜索结果中第 10 条数据位置开始，取之后的 20 条数据作为结果返回。

注： ES 对结果窗口的返回数据有默认 10000 条的限制（参数：index.max_result_window = 10000），当> from + size 的条数大于 10000 条时 ES 提示可以通过 scroll 方式进行分页，非常不建议调大结果窗口参数值。

Scroll 滚动分页

scroll 分页方式类似关系型数据库中的 cursor，首次查询时会生成并缓存快照，返回给客户端快照读取的位置参数（scroll_id），后续每次请求都会通过 scroll_id 访问快照实现快速查询需要的数据，有效降低查询和存储的性能损耗。

                    SearchRequest searchRequest = new SearchRequest();
                    searchRequest.indices(index);
                    searchRequest.types(EsDicConstant.FULL_TEXT);
                    
                    SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
                    sourceBuilder.fetchSource(new String[], null);
                    sourceBuilder.size(10);
                    searchRequest.scroll(TimeValue.timeValueSeconds(60));
                    searchRequest.source(sourceBuilder);
                    SearchResponse search = restClient.search(searchRequest, RequestOptions.DEFAULT);
                    while (search.getHits().getHits().length > 0) //滚动查询 
                    {
                        SearchHits hits = search.getHits();
                        BulkRequest bulkRequest = new BulkRequest();
                        bulkRequest.setRefreshPolicy(WriteRequest.RefreshPolicy.IMMEDIATE);
                        for (SearchHit searchHit : hits)
                        {
                            String id = searchHit.getId();
                            JSONObject jsonObject = JSONObject.parseObject(searchHit.getSourceAsString());
                        }
                        if (search.getHits().getHits().length < 10)
                        {
                            break;
                        }
                        String scrollId = search.getScrollId();
                        if (StringUtils.isEmpty(scrollId))
                        {
                            break;
                        }
                        SearchScrollRequest searchScrollRequest = new SearchScrollRequest(scrollId);
                        searchScrollRequest.scroll(TimeValue.timeValueSeconds(60));
                        search = restClient.scroll(searchScrollRequest, RequestOptions.DEFAULT);
                    }

第一次查询时不需要传入_scroll_id，只要带上 scroll 的过期时间参数（scroll=1m）、每页大小（size）以及需要查询数据的自定义条件即可，查询后不仅会返回结果数据，还会返回_scroll_id。

 GET /_search/scroll
  {   "scroll":"1m", 
	  "scroll_id" : "DnF1ZXJ5VGhlbkZldGNoIAAA"
 }

第二次查询时不需要指定索引，在 JSON 请求体中带上前一个查询返回的 scroll_id，同时传入 scroll 参数，指定刷新搜索结果的缓存时间（上一次查询缓存 1 分钟，本次查询会再次重置缓存时间为 1 分钟）

总结
scroll分页方式的优点就是减少了查询和排序的次数，避免性能损耗。缺点就是只能实现上一页、下一页的翻页功能，不兼容通过页码查询数据的跳页，同时由于其在搜索初始化阶段会生成快照，后续数据的变化无法及时体现在查询结果，因此更加适合一次性批量查询或非实时数据的分页查询。启用游标查询时，需要注意设定期望的过期时间（scroll= 1m），以降低维持游标查询窗口所需消耗的资源。注意这个过期时间每次查询都会重置刷新为 1 分钟，表示游标的闲置失效时间（第二次以后的查询必须带 scroll = 1m 参数才能实现）

Search After 分页

Search After 分页方式是 ES 5 新增的一种分页查询方式，其实现的思路同 Scroll 分页方式基本一致，通过记录上一次分页的位置标识，来进行下一次分页数据的查询。相比于 Scroll 分页方式，它的优点是可以实时体现数据的变化，解决了查询快照导致的查询结果延迟问题。

GET /index/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "shipmentOrderCreateTime": {
              "gte": "2021-10-12 00:00:00",
              "lt": "2021-10-15 00:00:00"
            }
          }
        }
      ]
    }
  },
  "size": 20,
  "sort": [
    {
      "_id": {
        "order": "desc"
      }
    },{
      "shipmentOrderCreateTime":{
        "order": "desc"
      }
    }
  ]
}

接下来每次查询时都带上本次查询的最后一条数据的 _id 和 shipmentOrderCreateTime 字段，循环往复就能够实现不断下一页的功能

实现示例

GET /INDEX/_search {   "query": {
    "bool": {
      "must": [
        {
          "range": {
            "shipmentOrderCreateTime": {
              "gte": "2021-10-12 00:00:00",
              "lt": "2021-10-15 00:00:00"
            }
          }
        }
      ]
    }   },   "size": 20,   "sort": [
    {
      "_id": {
        "order": "desc"
      }
    },{
      "shipmentOrderCreateTime":{
        "order": "desc"
      }
    }   ],   "search_after": ["SO-460_152-1447931043809128448-100017918838",1634077436000] }

public <T> ScrollDto<T> queryScrollDtoByParamWithSearchAfter(
            BoolQueryBuilder queryParam, Class<T> targetClass, int pageSize, String afterId,
            List<FieldSortBuilder> fieldSortBuilders) {
        SearchResponse scrollResp;
        long now = System.currentTimeMillis();
        SearchRequestBuilder builder = this.prepareSearch();
        if (CollectionUtils.isNotEmpty(fieldSortBuilders)) {
            fieldSortBuilders.forEach(builder::addSort);
        }
        builder.addSort("_id", SortOrder.DESC);
        if (StringUtils.isBlank(afterId)) {
            SearchRequestBuilder searchRequestBuilder = builder.setSearchType(SearchType.DFS_QUERY_THEN_FETCH)
                    .setQuery(queryParam).setSize(pageSize);
            scrollResp = searchRequestBuilder.execute()
                    .actionGet();
        } else {
            Object[] afterIds = JSON.parseObject(afterId, Object[].class);
            SearchRequestBuilder searchRequestBuilder = builder.setSearchType(SearchType.DFS_QUERY_THEN_FETCH)
                    .setQuery(queryParam).searchAfter(afterIds).setSize(pageSize);
            scrollResp = searchRequestBuilder.execute()
                    .actionGet();
        }
        SearchHit[] hits = scrollResp.getHits().getHits();
        now = System.currentTimeMillis();
        List<T> list = new ArrayList<>();
        if (ArrayUtils.getLength(hits) > 0) {
            list = Arrays.stream(hits)
                    .filter(Objects::nonNull)
                    .map(SearchHit::getSourceAsMap)
                    .filter(Objects::nonNull)
                    .map(JSON::toJSONString)
                    .map(e -> JSON.parseObject(e, targetClass))
                    .collect(Collectors.toList());
            afterId = JSON.toJSONString(hits[hits.length - 1].getSortValues());
        }
     scrollResp.getHits().getTotalHits(), hits.length, System.currentTimeMillis() - now);
        return ScrollDto.<T>builder().scrollId(afterId).result(list).totalRow((int) scrollResp.getHits().getTotalHits()).build();
    }

总结
Search After 分页方式采用记录作为游标，因此 Search After 要求 doc 中至少有一条全局唯一变量（示例中使用_id和时间戳，实际上_id 已经是全局唯一）。Search After 方式是无状态的分页查询，因此数据的变更能够及时的反映在查询结果中，避免了Scroll 分页方式无法获取最新数据变更的缺点。同时 Search After 不用维护 scroll_id 和快照，因此也节约大量资源。

三种对比

• 如果数据量小（from+size 在 10000 条内），或者只关注结果集的 TopN 数据，可以使用 from/size 分页，简单粗暴
• 数据量大，深度翻页，后台批处理任务（数据迁移）之类的任务，使用 scroll 方式
• 数据量大，深度翻页，用户实时、高并发查询需求，使用 search after 方式