1 前言

ElasticSearch 是一個實時的分散式搜尋與分析引擎，常用於大量非結構化資料的儲存和快速檢索場景，具有很強的擴充套件性。縱使其有諸多優點，在搜尋領域遠超關係型資料庫，但依然存在與關係型資料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，類似於關係型資料庫中的 limit 方式。from 參數列示：分頁起始位置；size 參數列示：每頁獲取資料條數。例如：

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

該條 DSL 語句表示從搜尋結果中第 10 條資料位置開始，取之後的 20 條資料作為結果返回。這種分頁方式在 ES 叢集內部是如何執行的呢？

在 ES 中，搜尋一般包括 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 階段主要透過 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 傳送查詢請求到 Server 端，Node1 接收到請求然後建立一個大小為 from + size 的優先順序佇列用來存放結果，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 內部執行搜尋請求，然後將執行結果存到自己內部的大小同樣為 from+size 的優先順序佇列裡；
• 第三步：每個 shard 將暫存的自身優先順序佇列裡的結果返給 Node1，Node1 拿到所有 shard 返回的結果後，對結果進行一次合併，產生一個全域性的優先順序佇列，存在 Node1 的優先順序佇列中。（如上圖中，Node1 會拿到 (from + size) * 6 條資料，這些資料只包含 doc 的唯一標識_id 和用於排序的_score，然後 Node1 會對這些資料合併排序，選擇前 from + size 條資料存到優先順序佇列）；

2.2 Fetch 階段

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

• 第一步：Node1 根據剛才合併後儲存在優先順序佇列中的 from+size 條資料的 id 集合，傳送請求到對應的 shard 上查詢 doc 資料詳情；
• 第二步：各 shard 接收到查詢請求後，查詢到對應的資料詳情並返回為 Node1；（Node1 中的優先順序佇列中儲存了 from + size 條資料的_id，但是在 Fetch 階段並不需要取回所有資料，只需要取回從 from 到 from + size 之間的 size 條資料詳情即可，這 size 條資料可能在同一個 shard 也可能在不同的 shard，因此 Node1 使用 multi-get 來提高效能）
• 第三步：Node1 獲取到對應的分頁資料後，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，對於資料查詢和 coordinating node 結果合併都是巨大的效能損耗。

例如：索引 wms_order_sku 有 1 億資料，分 10 個 shard 儲存，當一個請求的 from = 1000000， size = 10。在 Query 階段，每個 shard 就需要返回 1000010 條資料的_id 和_score 資訊，而 coordinating node 就需要接收 10 * 1000010 條資料，拿到這些資料後需要進行全域性排序取到前 1000010 條資料的_id 集合儲存到 coordinating node 的優先順序佇列中，後續在 Fetch 階段再去獲取那 10 條資料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 時需要執行大量資料的排序操作，並且儲存到優先順序佇列的資料量也很大，佔用大量節點機器記憶體資源。

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 對結果視窗的返回資料有預設 10000 條的限制（引數：index.max_result_window = 10000），當 from + size 的條數大於 10000 條時 ES 提示可以透過 scroll 方式進行分頁，非常不建議調大結果視窗引數值。

3 Scroll 分頁方式

scroll 分頁方式類似關係型資料庫中的 cursor（遊標），首次查詢時會生成並快取快照，返回給客戶端快照讀取的位置引數（scroll_id），後續每次請求都會透過 scroll_id 訪問快照實現快速查詢需要的資料，有效降低查詢和儲存的效能損耗。

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、合併、排序其他 shard 返回的資料_id 集合，不同的是 scroll 分頁方式會將返回資料_id 的集合生成快照儲存到 coordinating node 上。Fetch 階段以遊標的方式從生成的快照中獲取 size 條資料的_id，並去其他 shard 獲取資料詳情返回給客戶端，同時將下一次遊標開始的位置標識_scroll_id 也返回。這樣下次客戶端傳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 條資料，同時再次返回新的遊標位置標識 scroll_id，這樣依次類推直到取完所有資料。

3.2 ES 示例

第一次查詢時不需要傳入_scroll_id，只要帶上 scroll 的過期時間引數（scroll=1m）、每頁大小（size）以及需要查詢資料的自定義條件即可，查詢後不僅會返回結果資料，還會返回_scroll_id。

GET /wms_order_sku2021_10/_search?scroll=1m
{  "query": {    "bool": {      "must": [
        {          "range": {            "shipmentOrderCreateTime": {              "gte": "2021-10-04 00:00:00",              "lt": "2021-10-15 00:00:00"
            }
          }
        }
      ]
    }
  },  "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 引數，指定重新整理搜尋結果的快取時間（上一次查詢快取 1 分鐘，本次查詢會再次重置快取時間為 1 分鐘）

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

3.3 實現示例

protected <T> Page<T> searchPageByConditionWithScrollId(BoolQueryBuilder queryParam, Class<T> targetClass, Page<T> 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("基於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<T> list = new ArrayList<T>(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，避免效能損耗。缺點就是隻能實現上一頁、下一頁的翻頁功能，不相容透過頁碼查詢資料的跳頁，同時由於其在搜尋初始化階段會生成快照，後續資料的變化無法及時體現在查詢結果，因此更加適合一次性批次查詢或非實時資料的分頁查詢。

啟用遊標查詢時，需要注意設定期望的過期時間（scroll = 1m），以降低維持遊標查詢視窗所需消耗的資源。注意這個過期時間每次查詢都會重置重新整理為 1 分鐘，表示遊標的閒置失效時間（第二次以後的查詢必須帶 scroll = 1m 引數才能實現）

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，透過記錄上一次分頁的位置標識，來進行下一次分頁資料的查詢。相比於 Scroll 分頁方式，它的優點是可以實時體現資料的變化，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 方式也不支援跳頁功能，每次查詢一頁資料。第一次每個 shard 返回一頁資料（size 條），coordinating node 一共獲取到 shard 數 * size 條資料 ， 接下來 coordinating node 在記憶體中進行排序，取出前 size 條資料作為第一頁搜尋結果返回。當拉取第二頁時，不同於 Scroll 分頁方式，Search After 方式會找到第一頁資料被拉取的最大值，作為第二頁資料拉取的查詢條件。

這樣每個 shard 還是返回一頁資料（size 條），coordinating node 獲取到 shard 數 * size 條資料進行記憶體排序，取得前 size 條資料作為全域性的第二頁搜尋結果。
後續分頁查詢以此類推…

4.2 ES 示例

第一次查詢只傳入排序欄位和每頁大小 size

GET /wms_order_sku2021_10/_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"
      }
    }
  ]
}

接下來每次查詢時都帶上本次查詢的最後一條資料的 _id 和 shipmentOrderCreateTime 欄位，迴圈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 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]
}

4.3 實現示例

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)) {            log.info("queryScrollDtoByParamWithSearchAfter基於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基於afterId的分頁查詢,afterId 為空，searchRequestBuilder:{}", searchRequestBuilder);
        } else {            log.info("queryScrollDtoByParamWithSearchAfter基於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基於afterId的分頁查詢，searchRequestBuilder:{}", searchRequestBuilder);
            scrollResp = searchRequestBuilder.execute()
                    .actionGet();
        }
        SearchHit[] hits = scrollResp.getHits().getHits();        log.info("queryScrollDtoByParamWithSearchAfter基於afterId的分頁查詢，totalRow={}, size={}, use time:{}", scrollResp.getHits().getTotalHits(), hits.length, System.currentTimeMillis() - now);
        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());
        }        log.info("es資料轉換bean，totalRow={}, size={}, use time:{}", scrollResp.getHits().getTotalHits(), hits.length, System.currentTimeMillis() - now);        return ScrollDto.<T>builder().scrollId(afterId).result(list).totalRow((int) scrollResp.getHits().getTotalHits()).build();
    }

4.4 小結

Search After 分頁方式採用記錄作為遊標，因此 Search After 要求 doc 中至少有一條全域性唯一變數（示例中使用_id 和時間戳，實際上_id 已經是全域性唯一）。Search After 方式是無狀態的分頁查詢，因此資料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資料變更的缺點。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

• 如果資料量小（from+size 在 10000 條內），或者只關注結果集的 TopN 資料，可以使用 from/size 分頁，簡單粗暴
• 資料量大，深度翻頁，後臺批處理任務（資料遷移）之類的任務，使用 scroll 方式
• 資料量大，深度翻頁，使用者實時、高併發查詢需求，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 條資料為一頁，10000 條資料也就是 500-1000 頁。正常情況下，對於使用者來說，有極少需求翻到比較靠後的頁碼來檢視資料，更多的是透過查詢條件框定一部分資料檢視其詳情。因此在業務需求敲定初期，可以同業務人員商定 1w 條資料的限定，超過 1w 條的情況可以藉助匯出資料到 Excel 表，在 Excel 表中做具體的操作。
• 如果給匯出中心返回大量資料的場景可以使用 Scroll 或 Search After 分頁方式，相比之下最好使用 Search After 方式，既可以保證資料的實時性，也具有很高的搜尋效能。
• 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 效能、資源之間做一個取捨。必要時也可以調大 max_result_window 引數，原則上不建議這麼做，因為 1w 條以內 ES 基本能保持很不錯的效能，超過這個範圍深度分頁相當耗時、耗資源，因此謹慎選擇此方式。

作者：何守優