Elasticsearch中的三种分页策略深度解析：原理、使用及对比

假设一个名为products的索引，搜索名称中包含"apple"的产品，并且从第10条记录开始返回10条结果，按价格升序排序：

GET /products/_search
{
    "query": {
        "match": {
            "name": "apple"
        }
    },
    "from": 9,  // 注意，索引从0开始，所以第10条记录的索引是9
    "size": 10,
    "sort": [
        { "price": {"order": "asc"}}
    ]
}

from设置为9以跳过前9条记录，size设置为10以返回接下来的10条记录，并且结果按照price字段的升序排列。

Elasticsearch会返回如下响应：

{
  "took": 5,
  "timed\_out": false,
  "\_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 100,  // 假设总共有100条符合查询条件的产品
      "relation": "eq"
    },
    "max\_score": 1.0,
    "hits": [
      {
        "\_index": "products",
        "\_type": "\_doc",  // 注意：在Elasticsearch 7.x及之后的版本中，\_type字段通常被设置为"\_doc"
        "\_id": "10",
        "\_score": 1.0,
        "\_source": {
          "name": "Apple iPhone 12",
          "price": 999.99,
          // ... 其他字段
        }
      },
      // ... 其他9条产品的结果
      {
        "\_index": "products",
        "\_type": "\_doc",
        "\_id": "19",
        "\_score": 1.0,
        "\_source": {
          "name": "Apple Watch Series 6",
          "price": 399.99,
          // ... 其他字段
        }
      }
    ]
  }
}

优点

• 直观易用：开发者可以很容易地指定要返回的记录范围和数量。
• 实时性：适用于实时搜索场景，可以立即获取最新的查询结果。

缺点

• 性能问题：当from值很大时，Elasticsearch需要遍历大量数据才能找到起始位置，然后返回size条记录。这会导致查询性能下降，尤其是在数据量很大的情况下。
• 资源消耗：深度分页会消耗大量CPU和内存资源，对集群性能造成压力。

使用场景

适用于数据量不大、实时性要求高的场景。

方式二：scroll

scroll是一种基于游标的分页方式，它允许我们遍历大量数据而不需要在每次请求时重新计算整个搜索。

<