优化 Query 查询效率之 Scroll 查询

zhupc_

于 2020-09-22 12:19:33 发布

阅读量750

点赞数

分类专栏： ElasticSearch 大数据搜索查询分析全指南

本文链接：https://blog.youkuaiyun.com/u014296502/article/details/108729435

版权

ElasticSearch 大数据搜索查询分析全指南专栏收录该内容

40 篇文章 ¥49.90 ¥99.00

订阅专栏

本文介绍了如何优化 Elasticsearch 中的分页查询，通过对比from分页、Scroll查询和slice查询的优缺点，强调在大数据量场景下，Scroll查询提供快照缓存以提高效率，而slice查询则支持并发处理。但需要注意Scroll查询可能存在的脏数据问题和内存消耗。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如果涉及大量数据查询的话，一次性取回所有数据显得非常不可靠，一方面 ES 可能会被长时间占用，另一方面在网络连接方面也要一直保持连接状态。

以查询电商商品为例，如果当用户查看商品时候，将所有数据都返回，这将会使得用户等待时间比较长，那么这么体验是非常糟糕的。在处理传统这方面的需求可以通过自定义逻辑实现分页查询，到数据库中分批取数据。ES 同样也支持分页查询。

分页查询

给定需求：

使用分页查询方法查询电子商务订单的订单 ID 与下单日期。

_source 字段里面包括整个文档的所有字段，但是有时候并不是所有的字段都需要，因此使用 includes 过滤。

from 定义了偏移量为多少，size 表示要返回多少数据。下面的查询语句表示从 0 开始查，返回 10 条数据。

GET /kibana_sample_data_ecommerce/_search
{
  "_source": {
    "includes": [
      "order_id",
      "order_date"
    ]
  },
  "from": 0,
  "size": 10
}

查询结果：

{
  &#

了解本专栏