一、from-size（深分页）

1、分页原理

假设有8分片，查询到第1000页数据，from =1000 size=100，es每次会从取出每个分片取1000*100+100=11w条数据，自然每个分片都会存储这11w条数据，然后再发给协调节点做排序后，而协调节点就是面临处理8*11w=88w条的巨大压力

随着from页码的不断增加，es从每个分片获取的数据量也就越来越大，自然越来越慢，于es所在服务器和应用系统都带来不小压力，甚至出现内存溢出风险。因此es默认使用10000作为最大查询值，超过此值，推荐使用scroll游标来滚动查询。

2、踩坑指南

如果初次使用，不注意的话，当超过10000时候，查询会报如下异常，

Result window is too large, from + size must be less than or equal to: [10000] but was [22020]. See the scroll api for a more efficient way to request large data sets. This limit can be set by changing the [index.max_result_window] index level setting

当然10000也可以调整,，如最大上限调整为800000

PUT my_index/_settings
{"index.max_result_window":"800000"}

二、滚动查询（浅分页）

1、基本原理

总体而言，scroll查询顾名思义-滚动查询，类似于关系型数据库oracle的cursor游标。初次查询时，将所有符合搜索条件的doc _id集排序后存储在上下文，类似于快照。在之后每次遍历时，带着上次的_scroll_id从这个快照里取size数据，从而从各自_scroll_id对应的分片获取数据。

那么有人说假设一次搜索满足条件的有1000w个doc _id，甚至更多的时候，会不会撑爆内存。这个不用担心，es使用了非常紧凑的数据结构和压缩算法来存放这些ID，占用的内存不会太多。

---

详细的说，初次查询大致分为两个阶段

Query阶段：将每个shard将命中的结果（ doc_id和_score） 按照 _score 顺序在上下文中创建一个优先队列快照，并通过scroll_id指向它，lastEmittedDoc指向上次访问的位置，最后将TOP(size)的doc id返回给协调节点。

Fetch阶段：协调节点将各个shard返回的结果再进行合并排序，最后通过doc_id查找返回结果的全量数据。之后更新各个分片上的上下文。

初次之后查找数据，在Query阶段通过scroll_id找到对应的快照，然后用lastEmittedDoc将原来的查询语句添加bool查询条件**（ >=lastEmitted.doc + 1）**，在快照中找数据。

scroll_id也不是固定的，scroll_id其中保留了shard信息，假如scroll查询语句需要路由到16个shard上查。scroll_id会比较长，记录这16个shard。有可能从开始到完成都需要路由到这16个shard，shard_id就不会变化。也有可能随着不断进行scroll，需要路由到的shard越来越少，shard_id也会越来越短，随之变化。

2、操作步骤

（1）初始化scroll缓存

初次请求，要在url中的search后加上scroll=2m，这个scroll=2m（2m代表2分钟），是缓存时间，客户端可以根据查询数据数量自定义缓存的时间

POST my_index/_search?scroll=2m
{
  "from": 0,
  "size": 150,
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "bill_month": {
              "value": "2022-06",
              "boost": 1
            }
          }
        }
      ]
    }
  }
}

返回如下，会发现比不带scroll=2m，多返回了一个_scroll_id值为base64的字符串编码

 （2）使用_scroll_id继续请求

用每次得到的这个_scroll_id值，继续请求下一页（这个为了偏于展示，这里_scroll_id值写短些），每次请求最好都带上scroll=2m刷新过期时间，以防超时报错。

POST my_index/_search/scroll?scroll=2m

{
    "scroll_id": "DnF1ZXJ5VGhlbkZldGNoBQAAAAAAMQhbFkhrUXE3eE0tUy1LMkxRMDlhOGU1dEEA"
}

过了缓存时间会抛出如下异常
 Elasticsearch exception [type=search_context_missing_exception, reason=No search context found for id [3344636]

（3）清除scroll

这个_scroll_id在es的服务端是有缓存数量限制的，默认最大500，如果请求量大于这个值，会报错。因此除了自然过期之外，我们在处理完成本次请求后一般手动清除掉_scroll_id缓存，及早释放资源

DELETE /_search/scroll

{
	"scroll_id": "DnF1ZXJ5VGhlbkZldGNoAwAAAAAAQ7QAFmtZT3luT3M0UUVDdE82MFp4QmtNcGcAAAAAADOE-hYyMDBxb29mb1J0bWdrS2ZwQ2FhSFZ3AAAAAAAxFi4WSGtRcTd4TS1TLUsyTFEwOWE4ZTV0QQ=="
}

参考：取回阶段 | Elasticsearch: 权威指南 | Elastic

参考：elasticsearch scroll查询的原理没太懂 - Elastic 中文社区

参考：es分页查询原理_喂喂喂_java的博客-CSDN博客_es 分页查询