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(jié)構(gòu)化數(shù)據(jù)的存儲和快速檢索場景，具有很強的擴展性?？v使其有諸多優(yōu)點，在搜索領(lǐng)域遠超關(guān)系型數(shù)據(jù)庫，但依然存在與關(guān)系型數(shù)據(jù)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(guān)系型數(shù)據(jù)庫中的 limit 方式。from 參數(shù)表示：分頁起始位置；size 參數(shù)表示：每頁獲取數(shù)據(jù)條數(shù)。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(jié)果中第 10 條數(shù)據(jù)位置開始，取之后的 20 條數(shù)據(jù)作為結(jié)果返回。這種分頁方式在 ES 集群內(nèi)部是如何執(zhí)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，F(xiàn)etch 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(fā)送查詢請求到 Server 端，Node1 接收到請求然后創(chuàng)建一個大小為 from + size 的優(yōu)先級隊列用來存放結(jié)果，此時 Node1 被稱為 coordinating node（協(xié)調(diào)節(jié)點）；
• 第二步：Node1 將請求廣播到涉及的 shard 上，每個 shard 內(nèi)部執(zhí)行搜索請求，然后將執(zhí)行結(jié)果存到自己內(nèi)部的大小同樣為 from+size 的優(yōu)先級隊列里；
• 第三步：每個 shard 將暫存的自身優(yōu)先級隊列里的結(jié)果返給 Node1，Node1 拿到所有 shard 返回的結(jié)果后，對結(jié)果進行一次合并，產(chǎn)生一個全局的優(yōu)先級隊列，存在 Node1 的優(yōu)先級隊列中。（如上圖中，Node1 會拿到 (from + size) * 6 條數(shù)據(jù)，這些數(shù)據(jù)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(shù)據(jù)合并排序，選擇前 from + size 條數(shù)據(jù)存到優(yōu)先級隊列）；

2.2 Fetch 階段

如上圖所示，當(dāng) Query 階段結(jié)束后立馬進入 Fetch 階段，F(xiàn)etch 階段也分為 3 步：

• 第一步：Node1 根據(jù)剛才合并后保存在優(yōu)先級隊列中的 from+size 條數(shù)據(jù)的 id 集合，發(fā)送請求到對應(yīng)的 shard 上查詢 doc 數(shù)據(jù)詳情；
• 第二步：各 shard 接收到查詢請求后，查詢到對應(yīng)的數(shù)據(jù)詳情并返回為 Node1；（Node1 中的優(yōu)先級隊列中保存了 from + size 條數(shù)據(jù)的_id，但是在 Fetch 階段并不需要取回所有數(shù)據(jù)，只需要取回從 from 到 from + size 之間的 size 條數(shù)據(jù)詳情即可，這 size 條數(shù)據(jù)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(yīng)的分頁數(shù)據(jù)后，返回給 Client；

2.3 ES 示例

依據(jù)上述我們對 from + size 分頁方式兩階段的分析會發(fā)現(xiàn)，假如起始位置 from 或者頁條數(shù) size 特別大時，對于數(shù)據(jù)查詢和 coordinating node 結(jié)果合并都是巨大的性能損耗。例如：索引 wms_order_sku 有 1 億數(shù)據(jù)，分 10 個 shard 存儲，當(dāng)一個請求的 from = 1000000， size = 10。在 Query 階段，每個 shard 就需要返回 1000010 條數(shù)據(jù)的_id 和_score 信息，而 coordinating node 就需要接收 10 * 1000010 條數(shù)據(jù)，拿到這些數(shù)據(jù)后需要進行全局排序取到前 1000010 條數(shù)據(jù)的_id 集合保存到 coordinating node 的優(yōu)先級隊列中，后續(xù)在 Fetch 階段再去獲取那 10 條數(shù)據(jù)的詳情返回給客戶端。分析：這個例子的執(zhí)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(zhí)行大量數(shù)據(jù)的排序操作，并且保存到優(yōu)先級隊列的數(shù)據(jù)量也很大，占用大量節(jié)點機器內(nèi)存資源。

2.4 實現(xiàn)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(jié)

其實 ES 對結(jié)果窗口的返回數(shù)據(jù)有默認 10000 條的限制（參數(shù)：index.max_result_window = 10000），當(dāng) from + size 的條數(shù)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(diào)大結(jié)果窗口參數(shù)值。

3 Scroll 分頁方式

scroll 分頁方式類似關(guān)系型數(shù)據(jù)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(shù)（scroll_id），后續(xù)每次請求都會通過 scroll_id 訪問快照實現(xiàn)快速查詢需要的數(shù)據(jù)，有效降低查詢和存儲的性能損耗。

3.1 執(zhí)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(shù)據(jù)_id 集合，不同的是 scroll 分頁方式會將返回數(shù)據(jù)_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(shù)據(jù)的_id，并去其他 shard 獲取數(shù)據(jù)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(fā)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(shù)據(jù)，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(shù)據(jù)。

以上就是ElasticSearch 深度分頁示例解析的詳細內(nèi)容，更多關(guān)于ElasticSearch 深度分頁的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論