雪鹰领主,古风小说,武道至尊帝临小说

1 前言

ElasticSearch 是一個實時的分布式搜索與分析引擎，常用于大量非結構化數據的存儲和快速檢索場景，具有很強的擴展性。縱使其有諸多優點，在搜索領域遠超關系型數據庫，但依然存在與關系型數據庫同樣的深度分頁問題，本文就此問題做一個實踐性分析探討。

2 from + size 分頁方式

from + size 分頁方式是 ES 最基本的分頁方式，類似于關系型數據庫中的 limit 方式。from 參數表示：分頁起始位置；size 參數表示：每頁獲取數據條數。例如：

GET /wms_order_sku/_search
{
  "query": {
    "match_all": {}
  },
  "from": 10,
  "size": 20
}

該條 DSL 語句表示從搜索結果中第 10 條數據位置開始，取之后的 20 條數據作為結果返回。這種分頁方式在 ES 集群內部是如何執行的呢？在 ES 中，搜索一般包括 2 個階段，Query 階段和 Fetch 階段，Query 階段主要確定要獲取哪些 doc，也就是返回所要獲取 doc 的 id 集合，Fetch 階段主要通過 id 獲取具體的 doc。

2.1 Query 階段

如上圖所示，Query 階段大致分為 3 步：

第一步：Client 發送查詢請求到 Server 端，Node1 接收到請求然后創建一個大小為 from + size 的優先級隊列用來存放結果，此時 Node1 被稱為 coordinating node（協調節點）；

第二步：Node1 將請求廣播到涉及的 shard 上，每個 shard 內部執行搜索請求，然后將執行結果存到自己內部的大小同樣為 from+size 的優先級隊列里；

第三步：每個 shard 將暫存的自身優先級隊列里的結果返給 Node1，Node1 拿到所有 shard 返回的結果后，對結果進行一次合并，產生一個全局的優先級隊列，存在 Node1 的優先級隊列中。（如上圖中，Node1 會拿到 (from + size) * 6 條數據，這些數據只包含 doc 的唯一標識_id 和用于排序的_score，然后 Node1 會對這些數據合并排序，選擇前 from + size 條數據存到優先級隊列）；

2.2 Fetch 階段

如上圖所示，當 Query 階段結束后立馬進入 Fetch 階段，Fetch 階段也分為 3 步：

第一步：Node1 根據剛才合并后保存在優先級隊列中的 from+size 條數據的 id 集合，發送請求到對應的 shard 上查詢 doc 數據詳情；

第二步：各 shard 接收到查詢請求后，查詢到對應的數據詳情并返回為 Node1；（Node1 中的優先級隊列中保存了 from + size 條數據的_id，但是在 Fetch 階段并不需要取回所有數據，只需要取回從 from 到 from + size 之間的 size 條數據詳情即可，這 size 條數據可能在同一個 shard 也可能在不同的 shard，因此 Node1 使用 multi-get 來提高性能）

第三步：Node1 獲取到對應的分頁數據后，返回給 Client；

2.3 ES 示例

依據上述我們對 from + size 分頁方式兩階段的分析會發現，假如起始位置 from 或者頁條數 size 特別大時，對于數據查詢和 coordinating node 結果合并都是巨大的性能損耗。例如：索引 wms_order_sku 有 1 億數據，分 10 個 shard 存儲，當一個請求的 from = 1000000， size = 10。在 Query 階段，每個 shard 就需要返回 1000010 條數據的_id 和_score 信息，而 coordinating node 就需要接收 10 * 1000010 條數據，拿到這些數據后需要進行全局排序取到前 1000010 條數據的_id 集合保存到 coordinating node 的優先級隊列中，后續在 Fetch 階段再去獲取那 10 條數據的詳情返回給客戶端。分析：這個例子的執行過程中，在 Query 階段會在每個 shard 上均有巨大的查詢量，返回給 coordinating node 時需要執行大量數據的排序操作，并且保存到優先級隊列的數據量也很大，占用大量節點機器內存資源。

2.4 實現示例

private SearchHits getSearchHits(BoolQueryBuilder queryParam, int from, int size, String orderField) {
        SearchRequestBuilder searchRequestBuilder = this.prepareSearch();
        searchRequestBuilder.setQuery(queryParam).setFrom(from).setSize(size).setExplain(false);
        if (StringUtils.isNotBlank(orderField)) {
            searchRequestBuilder.addSort(orderField, SortOrder.DESC);
        }
        log.info("getSearchHits searchBuilder:{}", searchRequestBuilder.toString());
        SearchResponse searchResponse = searchRequestBuilder.execute().actionGet();
        log.info("getSearchHits searchResponse:{}", searchResponse.toString());
        return searchResponse.getHits();
    }

2.5 小結

其實 ES 對結果窗口的返回數據有默認 10000 條的限制（參數：index.max_result_window = 10000），當 from + size 的條數大于 10000 條時 ES 提示可以通過 scroll 方式進行分頁，非常不建議調大結果窗口參數值。

3 Scroll 分頁方式

scroll 分頁方式類似關系型數據庫中的 cursor（游標），首次查詢時會生成并緩存快照，返回給客戶端快照讀取的位置參數（scroll_id），后續每次請求都會通過 scroll_id 訪問快照實現快速查詢需要的數據，有效降低查詢和存儲的性能損耗。

3.1 執行過程

scroll 分頁方式在 Query 階段同樣也是 coordinating node 廣播查詢請求，獲取、合并、排序其他 shard 返回的數據_id 集合，不同的是 scroll 分頁方式會將返回數據_id 的集合生成快照保存到 coordinating node 上。Fetch 階段以游標的方式從生成的快照中獲取 size 條數據的_id，并去其他 shard 獲取數據詳情返回給客戶端，同時將下一次游標開始的位置標識_scroll_id 也返回。這樣下次客戶端發送獲取下一頁請求時帶上 scroll_id 標識，coordinating node 會從 scroll_id 標記的位置獲取接下來 size 條數據，同時再次返回新的游標位置標識 scroll_id，這樣依次類推直到取完所有數據。

3.2 ES 示例

第一次查詢時不需要傳入_scroll_id，只要帶上 scroll 的過期時間參數（scroll=1m）、每頁大小（size）以及需要查詢數據的自定義條件即可，查詢后不僅會返回結果數據，還會返回_scroll_id。

GET /wms_order_sku2021_10/_search?scroll=1m
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "shipmentOrderCreateTime": {
              "gte": "2021-10-04 0000",
              "lt": "2021-10-15 0000"
            }
          }
        }
      ]
    }
  },
  "size": 20
}

第二次查詢時不需要指定索引，在 JSON 請求體中帶上前一個查詢返回的 scroll_id，同時傳入 scroll 參數，指定刷新搜索結果的緩存時間（上一次查詢緩存 1 分鐘，本次查詢會再次重置緩存時間為 1 分鐘）

GET /_search/scroll
{
  "scroll":"1m",
  "scroll_id" : "DnF1ZXJ5VGhlbkZldGNoIAAAAAJFQdUKFllGc2E4Y2tEUjR5VkpKbkNtdDFMNFEAAAACJj74YxZmSWhNM2tVbFRiaU9VcVpDUWpKSGlnAAAAAiY--F4WZkloTTNrVWxUYmlPVXFaQ1FqSkhpZwAAAAJMQKhIFmw2c1hwVFk1UXppbDhZcW1za2ZzdlEAAAACRUHVCxZZRnNhOGNrRFI0eVZKSm5DbXQxTDRRAAAAAkxAqEcWbDZzWHBUWTVRemlsOFlxbXNrZnN2UQAAAAImPvhdFmZJaE0za1VsVGJpT1VxWkNRakpIaWcAAAACJ-MhBhZOMmYzWVVMbFIzNkdnN1FwVXVHaEd3AAAAAifjIQgWTjJmM1lVTGxSMzZHZzdRcFV1R2hHdwAAAAIn4yEHFk4yZjNZVUxsUjM2R2c3UXBVdUdoR3cAAAACJ5db8xZxeW5NRXpHOFR0eVNBOHlOcXBGbWdRAAAAAifjIQkWTjJmM1lVTGxSMzZHZzdRcFV1R2hHdwAAAAJFQdUMFllGc2E4Y2tEUjR5VkpKbkNtdDFMNFEAAAACJj74YhZmSWhNM2tVbFRiaU9VcVpDUWpKSGlnAAAAAieXW_YWcXluTUV6RzhUdHlTQTh5TnFwRm1nUQAAAAInl1v0FnF5bk1Fekc4VHR5U0E4eU5xcEZtZ1EAAAACJ5db9RZxeW5NRXpHOFR0eVNBOHlOcXBGbWdRAAAAAkVB1Q0WWUZzYThja0RSNHlWSkpuQ210MUw0UQAAAAImPvhfFmZJaE0za1VsVGJpT1VxWkNRakpIaWcAAAACJ-MhChZOMmYzWVVMbFIzNkdnN1FwVXVHaEd3AAAAAkVB1REWWUZzYThja0RSNHlWSkpuQ210MUw0UQAAAAImPvhgFmZJaE0za1VsVGJpT1VxWkNRakpIaWcAAAACTECoShZsNnNYcFRZNVF6aWw4WXFtc2tmc3ZRAAAAAiY--GEWZkloTTNrVWxUYmlPVXFaQ1FqSkhpZwAAAAJFQdUOFllGc2E4Y2tEUjR5VkpKbkNtdDFMNFEAAAACRUHVEBZZRnNhOGNrRFI0eVZKSm5DbXQxTDRRAAAAAiY--GQWZkloTTNrVWxUYmlPVXFaQ1FqSkhpZwAAAAJFQdUPFllGc2E4Y2tEUjR5VkpKbkNtdDFMNFEAAAACJj74ZRZmSWhNM2tVbFRiaU9VcVpDUWpKSGlnAAAAAkxAqEkWbDZzWHBUWTVRemlsOFlxbXNrZnN2UQAAAAInl1v3FnF5bk1Fekc4VHR5U0E4eU5xcEZtZ1EAAAACTECoRhZsNnNYcFRZNVF6aWw4WXFtc2tmc3ZR"
}

3.3 實現示例

protected  Page searchPageByConditionWithScrollId(BoolQueryBuilder queryParam, Class targetClass, Page page) throws IllegalAccessException, InstantiationException, InvocationTargetException {
        SearchResponse scrollResp = null;
        String scrollId = ContextParameterHolder.get("scrollId");
        if (scrollId != null) {
            scrollResp = getTransportClient().prepareSearchScroll(scrollId).setScroll(new TimeValue(60000)).execute()
                    .actionGet();
        } else {
            logger.info("基于scroll的分頁查詢，scrollId為空");
            scrollResp = this.prepareSearch()
                    .setSearchType(SearchType.QUERY_AND_FETCH)
                    .setScroll(new TimeValue(60000))
                    .setQuery(queryParam)
                    .setSize(page.getPageSize()).execute().actionGet();
            ContextParameterHolder.set("scrollId", scrollResp.getScrollId());
        }
        SearchHit[] hits = scrollResp.getHits().getHits();
        List list = new ArrayList(hits.length);
        for (SearchHit hit : hits) {
            T instance = targetClass.newInstance();
            this.convertToBean(instance, hit);
            list.add(instance);
        }
        page.setTotalRow((int) scrollResp.getHits().getTotalHits());
        page.setResult(list);
        return page;
    }

3.4 小結

scroll 分頁方式的優點就是減少了查詢和排序的次數，避免性能損耗。缺點就是只能實現上一頁、下一頁的翻頁功能，不兼容通過頁碼查詢數據的跳頁，同時由于其在搜索初始化階段會生成快照，后續數據的變化無法及時體現在查詢結果，因此更加適合一次性批量查詢或非實時數據的分頁查詢。啟用游標查詢時，需要注意設定期望的過期時間（scroll = 1m），以降低維持游標查詢窗口所需消耗的資源。注意這個過期時間每次查詢都會重置刷新為 1 分鐘，表示游標的閑置失效時間（第二次以后的查詢必須帶 scroll = 1m 參數才能實現）

4 Search After 分頁方式

Search After 分頁方式是 ES 5 新增的一種分頁查詢方式，其實現的思路同 Scroll 分頁方式基本一致，通過記錄上一次分頁的位置標識，來進行下一次分頁數據的查詢。相比于 Scroll 分頁方式，它的優點是可以實時體現數據的變化，解決了查詢快照導致的查詢結果延遲問題。

4.1 執行過程

Search After 方式也不支持跳頁功能，每次查詢一頁數據。第一次每個 shard 返回一頁數據（size 條），coordinating node 一共獲取到 shard 數 * size 條數據，接下來 coordinating node 在內存中進行排序，取出前 size 條數據作為第一頁搜索結果返回。當拉取第二頁時，不同于 Scroll 分頁方式，Search After 方式會找到第一頁數據被拉取的最大值，作為第二頁數據拉取的查詢條件。這樣每個 shard 還是返回一頁數據（size 條），coordinating node 獲取到 shard 數 * size 條數據進行內存排序，取得前 size 條數據作為全局的第二頁搜索結果。
后續分頁查詢以此類推…

4.2 ES 示例

第一次查詢只傳入排序字段和每頁大小 size

GET /wms_order_sku2021_10/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "shipmentOrderCreateTime": {
              "gte": "2021-10-12 0000",
              "lt": "2021-10-15 0000"
            }
          }
        }
      ]
    }
  },
  "size": 20,
  "sort": [
    {
      "_id": {
        "order": "desc"
      }
    },{
      "shipmentOrderCreateTime":{
        "order": "desc"
      }
    }
  ]
}

接下來每次查詢時都帶上本次查詢的最后一條數據的 _id 和 shipmentOrderCreateTime 字段，循環往復就能夠實現不斷下一頁的功能

GET /wms_order_sku2021_10/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "shipmentOrderCreateTime": {
              "gte": "2021-10-12 0000",
              "lt": "2021-10-15 0000"
            }
          }
        }
      ]
    }
  },
  "size": 20,
  "sort": [
    {
      "_id": {
        "order": "desc"
      }
    },{
      "shipmentOrderCreateTime":{
        "order": "desc"
      }
    }
  ],
  "search_after": ["SO-460_152-1447931043809128448-100017918838",1634077436000]
}

4.3 實現示例

public  ScrollDto queryScrollDtoByParamWithSearchAfter(
            BoolQueryBuilder queryParam, Class targetClass, int pageSize, String afterId,
            List 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)) {
            log.info("queryScrollDtoByParamWithSearchAfter基于afterId的分頁查詢，afterId為空");
            SearchRequestBuilder searchRequestBuilder = builder.setSearchType(SearchType.DFS_QUERY_THEN_FETCH)
                    .setQuery(queryParam).setSize(pageSize);
            scrollResp = searchRequestBuilder.execute()
                    .actionGet();
            log.info("queryScrollDtoByParamWithSearchAfter基于afterId的分頁查詢,afterId 為空，searchRequestBuilder:{}", searchRequestBuilder);
        } else {
            log.info("queryScrollDtoByParamWithSearchAfter基于afterId的分頁查詢，afterId=" + afterId);
            Object[] afterIds = JSON.parseObject(afterId, Object[].class);
            SearchRequestBuilder searchRequestBuilder = builder.setSearchType(SearchType.DFS_QUERY_THEN_FETCH)
                    .setQuery(queryParam).searchAfter(afterIds).setSize(pageSize);
            log.info("queryScrollDtoByParamWithSearchAfter基于afterId的分頁查詢，searchRequestBuilder:{}", searchRequestBuilder);
            scrollResp = searchRequestBuilder.execute()
                    .actionGet();
        }
        SearchHit[] hits = scrollResp.getHits().getHits();
        log.info("queryScrollDtoByParamWithSearchAfter基于afterId的分頁查詢，totalRow={}, size={}, use time:{}", scrollResp.getHits().getTotalHits(), hits.length, System.currentTimeMillis() - now);
        now = System.currentTimeMillis();

        List 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());
        }
        log.info("es數據轉換bean，totalRow={}, size={}, use time:{}", scrollResp.getHits().getTotalHits(), hits.length, System.currentTimeMillis() - now);
        return ScrollDto.builder().scrollId(afterId).result(list).totalRow((int) scrollResp.getHits().getTotalHits()).build();
    }

4.4 小結

Search After 分頁方式采用記錄作為游標，因此 Search After 要求 doc 中至少有一條全局唯一變量（示例中使用_id 和時間戳，實際上_id 已經是全局唯一）。Search After 方式是無狀態的分頁查詢，因此數據的變更能夠及時的反映在查詢結果中，避免了 Scroll 分頁方式無法獲取最新數據變更的缺點。同時 Search After 不用維護 scroll_id 和快照，因此也節約大量資源。

5 總結思考

5.1 ES 三種分頁方式對比總結

如果數據量小（from+size 在 10000 條內），或者只關注結果集的 TopN 數據，可以使用 from/size 分頁，簡單粗暴

數據量大，深度翻頁，后臺批處理任務（數據遷移）之類的任務，使用 scroll 方式

數據量大，深度翻頁，用戶實時、高并發查詢需求，使用 search after 方式

5.2 個人思考

在一般業務查詢頁面中，大多情況都是 10-20 條數據為一頁，10000 條數據也就是 500-1000 頁。正常情況下，對于用戶來說，有極少需求翻到比較靠后的頁碼來查看數據，更多的是通過查詢條件框定一部分數據查看其詳情。因此在業務需求敲定初期，可以同業務人員商定 1w 條數據的限定，超過 1w 條的情況可以借助導出數據到 Excel 表，在 Excel 表中做具體的操作。

如果給導出中心返回大量數據的場景可以使用 Scroll 或 Search After 分頁方式，相比之下最好使用 Search After 方式，既可以保證數據的實時性，也具有很高的搜索性能。

總之，在使用 ES 時一定要避免深度分頁問題，要在跳頁功能實現和 ES 性能、資源之間做一個取舍。必要時也可以調大 max_result_window 參數，原則上不建議這么做，因為 1w 條以內 ES 基本能保持很不錯的性能，超過這個范圍深度分頁相當耗時、耗資源，因此謹慎選擇此方式。

審核編輯：湯梓紅

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。舉報投訴