elasticsearch如何获得查询的全部结果

通常，在ES中使用查询时，默认返回的前10条结果，当我们一个查询有上万的结果时，我们如何获取全部数据？？虽然我们可以通过size设置查询后返回的条数。

  ES的API中提供了scan和scroll，这个方法有点类型传统数据库中的游标。

方法1：直接使用es提供的scroll

第一步：向ES服务器发送如下GET请求。{}中的内容写在请求体中。其中，scroll=1m,设定scroll 在1min内保持打开状态
GET /old_index/_search?scroll=10m
{
    "query": { "match_all": {}},
    "size":  1000
}


调用这个请求后，ES服务会响应一个类似以下的json：
{"_scroll_id":"c2NhbjszOzM1MTpvRkJrRHNWbFNiV2RPLVhlbWlYc1h3OzM1MDpvRkJrRHNWbFNiV2RPLVhlbWlYc1h3OzIzNzpnV2JCMkQ1RVFBdV90d3ZJOEVhOTl3OzE7dG90YWxfaGl0czo2NjUyOw==","took":3,"timed_out":false,"_shards":{"total":3,"successful":3,"failed":0},"hits":{"total":6652,"max_score":0.0,"hits":[]}}
，其中，_scroll_id在接下来的使用中非常重要，_scroll_id相当于传统数据库中的游标对象。


第二步：向服务器发送如下GET请求。将返回的_scroll_id作为参数传给服务器。第二行的内容是写在请求体中。
GET /_search/scroll?scroll=1m 
c2NhbjszOzM1MTpvRkJrRHNWbFNiV2RPLVhlbWlYc1h3OzM1MDpvRkJrRHNWbFNiV2RPLVhlbWlYc1h3OzIzNzpnV2JCMkQ1RVFBdV90d3ZJOEVhOTl3OzE7dG90YWxfaGl0czo2NjUyOw==


调用这个请求后，ES服务会响应一个类似以下的json：
{"_scroll_id":"c2NhbjszOzM1MTpvRkJrRHNWbFNiV2RPLVhlbWlYc1h3OzM1MDpvRkJrRHNWbFNiV2RPLVhlbWlYc1h3OzIzNzpnV2JCMkQ1RVFBdV90d3ZJOEVhOTl3OzE7dG90YWxfaGl0czo2NjUyOw==","took":2,"timed_out":false,"_shards":{"total":3,"successful":3,"failed":0},"hits":{"total":101,"max_score":null,"hits":[{"_index":"old_index","_type":"3","_id":"AVCoH6dlYbq5kuCt6S7A","_score":1.0,"_source":{文档}},{"_index":"old_index","_type":"3","_id":"AVCoH6dlYbq5kuCt6S7A","_score":1.0,"_source":{文档}}]}}


细心的我们会发现，ES返回的_scroll_id和发送给服务器的的_scroll_id值相同。说明是同一个对象。
第三步：重复第二步，直到hits中的数据为空。此时，该查询的所有数据获取完毕
第四步：删除该_scroll_id。GET请求如下所示:
DELETE /_search/scroll
c2NhbjszOzM1MTpvRkJrRHNWbFNiV2RPLVhlbWlYc1h3OzM1MDpvRkJrRHNWbFNiV2RPLVhlbWlYc1h3OzIzNzpnV2JCMkQ1RVFBdV90d3ZJOEVhOTl3OzE7dG90YWxfaGl0czo2NjUyOw==


注意：
The response to this scroll request includes the first batch of results. Although we specified a size of 1,000, we get back many more documents. When scanning, the size is applied to each shard, so you will get back a maximum of size * number_of_primary_shards documents in each batch.

方法2：使用python提供的helpers.scan方法

scan使用代码：

scanResp = helpers.scan(es, _body, scroll= "10m", index= _index, doc_type= _doc_type, timeout="10m")
   
for resp in scanResp:
   print resp