一、前言

1.1、scroll与from+size区别

之前讲过from+size的分页，为何又有scroll+size的深分页呢？这里先对比一下两者的区别；

ES对于from+size的个数是有限制的，二者之和不能超过1w。当所请求的数据总量大于1w时，可用scroll来代替from+size。

from+size在ES查询数据的方式步骤如下：

• 1、先将用户指定的关键字进行分词；
• 2、将词汇去分词库中进行检索，得到多个文档的id；
• 3、去各个分片中拉取指定的数据，相对耗时较长；
• 4、将数据根据score进行排序，耗时相对较长；
• 5、根据from，size的值，截取满足条件的查询到的数据；
• 6、返回结果；

优点:每次都能获取到最新的记录；
缺点:同一个查询，展示另一页的from+size时，以上步骤需要再来一遍；

scoll+size在ES查询数据的方式：

• 1、先将用户指定的关键字进行分词；
• 2、将词汇去分词库中进行检索，得到多个文档的id；
• 3、将文档的id存放在内存的一个ES的上下文中；
• 4、根据你指定的size的个数去ES上下文中检索指定个数的数据，拿完了数据的文档id，会从上下文中移除；
• 5、如果需要下一页数据，直接去ES的上下文中，找后续内容；
• 6、循环第4步，第五步，直到数据都取完了；

优点:数据缓存进了内存，速度快，同一个查询，展示另一页的scoll+size时，只需要循环4,5步；
缺点:冷加载，不适合做实时，当数据更新时，内存中的上下文id数据不会更新；

1.2、Scroll原理

1.2.1、 ES搜索两阶段简介

ES的搜索是分2个阶段进行的，即Query阶段和Fetch阶段。

Query阶段比较轻量级，通过查询倒排索引，获取满足查询结果的文档ID列表。

Fetch阶段比较重，需要将每个shard的结果取回，在协调结点进行全局排序。 通过From+size这种方式分批获取数据的时候，随着from加大，需要全局排序并丢弃的结果数量随之上升，性能越来越差。

1.2.2、 scroll分析

Scroll查询，先做轻量级的Query阶段以后，免去了繁重的全局排序过程。 它只是将查询结果集，也就是doc id列表保留在一个上下文里， 之后每次分批取回的时候，只需根据设置的size，在每个shard内部按照一定顺序（默认doc_id续)， 取回这个size数量的文档即可。

###1.2.3、 scroll使用场景
可以看出scroll不适合支持那种实时的和用户交互的前端分页工作，其主要用途用于从ES集群分批拉取大量结果集的情况，一般都是offline的应用场景。 比如需要将非常大的结果集拉取出来，存放到其他系统处理，或者需要做大索引的reindex等等。

具体原理分析可参考如下三篇文章：

https://elasticsearch.cn/question/2935 (ES中文社区讨论内容)
https://www.elastic.co/guide/cn/elasticsearch/guide/cn/_fetch_phase.html (query_then_fetch官方文档)
https://www.jianshu.com/p/91d03b16af77 (scroll源码分析)

二、Scroll实践

2.1、依据fee字段和moblie字段倒序按照每一页2条scroll查询公司信息

2.1.1、RESTful 代码

2.1.1.1、步骤1 scoll 查询,返回第一页数据，将ES的id存放在上下文中

参数scroll=2m表示scroll查询的上下文在内存中存放2分钟，不指定默认生存时间为0，当超时，会自动删除上下文，则下面的步骤2和3会查询报错
指定size为2
scroll可以指定字段排序，默认按照文档id排序

POST /sms-logs-index/_search?scroll=2m
{
  "query": {
    "match_all": {}
  }, 
  "size": 2, 
  "sort": [
    {
      "fee": {
        "order": "desc"
      },
      "moblie": {
       "order": "desc"
     }
    }
  ]
}

2.1.1.2、步骤2 根据scroll查询下一页数量，再下一页的话再执行下此语句，再下一页再再执行，直到结束或超时;

scroll_id: 指的是上面的查询结果
scroll: 还是要继续指定上下文在内存中缓存2分钟

POST /_search/scroll
{
  "scroll_id": "FGluY2x1ZGVfY29udGV4dF91dWlkDnF1ZXJ5VGhlbkZldGNoBRZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthMWUl94NU1lek1TZUMzSFMtSzVHWS03URZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthQWUl94NU1lek1TZUMzSFMtSzVHWS03URZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthYWUl94NU1lek1TZUMzSFMtSzVHWS03URZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthcWUl94NU1lek1TZUMzSFMtSzVHWS03URZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthUWUl94NU1lek1TZUMzSFMtSzVHWS03UQ==",
  "scroll": "2m"
}

2.1.1.3、 删除scroll在es上下文中的数量

可能我查到第一页就知道了结果，对后面的分页不感兴趣了，我想提前删除scroll中的上下文

DELETE /_search/scroll/FGluY2x1ZGVfY29udGV4dF91dWlkDnF1ZXJ5VGhlbkZldGNoBRZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthMWUl94NU1lek1TZUMzSFMtSzVHWS03URZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthQWUl94NU1lek1TZUMzSFMtSzVHWS03URZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthYWUl94NU1lek1TZUMzSFMtSzVHWS03URZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthcWUl94NU1lek1TZUMzSFMtSzVHWS03URZlY3FTZWZGZVNUR0VFQmVMUlVBUmVnAAAAAAAAthUWUl94NU1lek1TZUMzSFMtSzVHWS03UQ==

2.1.2、java 代码

package com.chb.test;

import com.chb.utils.ESClient;
import org.elasticsearch.action.search.*;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.unit.TimeValue;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.builder.SearchSourceBuilder;
import org.elasticsearch.search.sort.SortOrder;
import org.junit.Test;

import java.io.IOException;

public class ScrollDemo {
    static RestHighLevelClient myClient = ESClient.getClient();  //获取操作ES的
    String index = "sms-logs-index";

    @Test
    public void scrollQuery() throws IOException {
        //1. 创建SearchRequest
        SearchRequest request = new SearchRequest(index);

        //2.指定scroll鑫鑫
        request.scroll(TimeValue.timeValueMinutes(2L));

        //3.指定查询条件
        SearchSourceBuilder builder = new SearchSourceBuilder();
        builder.size(4);
        builder.sort("fee", SortOrder.DESC);
        builder.query(QueryBuilders.matchAllQuery());
        request.source(builder);

        //4. 获取返回结果scrollId，source的首页信息
        SearchResponse response = myClient.search(request, RequestOptions.DEFAULT);
        String scrollId = response.getScrollId();
        System.out.println("-----------------------首页----------------------------");
        for (SearchHit hit : response.getHits().getHits()) {
            System.out.println(hit.getSourceAsMap());
        }

        while (true) {
            //5.循环-创建SearchSrollRequest
            SearchScrollRequest scrollRequest = new SearchScrollRequest(scrollId);

            //6.指定scrollId的生存时间
            scrollRequest.scroll(TimeValue.timeValueMinutes(2L));

            //7.执行查询获取返回结果
            SearchResponse scrollResp = myClient.scroll(scrollRequest, RequestOptions.DEFAULT);

            //8.判断这一页是否还有数据，有则输出，没有则跳出循环
            SearchHit[] hits = scrollResp.getHits().getHits();
            if (hits != null && hits.length > 0) {
                System.out.println("-----------------------下一页----------------------------");
                for (SearchHit hit : hits) {
                    System.out.println(hit.getSourceAsMap());
                }
            } else {
                //9。判断没有查询到数据-退出循环
                System.out.println("-----------------------结束----------------------------");
                break;
            }

        }

        //10.创建ClearScrollRequest
        ClearScrollRequest clearScrollRequest = new ClearScrollRequest();

        //11.指定ScrollId
        clearScrollRequest.addScrollId(scrollId);

        //12.删除ScrollId
        ClearScrollResponse clearScrollResponse = myClient.clearScroll(clearScrollRequest, RequestOptions.DEFAULT);

        //13.输出结果
        System.out.println("删除scroll：" + clearScrollResponse.isSucceeded());

    }

}

关注我的微信公众号【宝哥大数据】，更多干货