Elasticsearch在不同的FROM值处返回相同的结果

Question

我目前正在遍历29,000个文档，在每个文档中，我都会向嵌套字段中添加一个子文档并进行更新。 为了管理我要处理的数据量，我将循环分为10,000组，并使用ES大小和from选项来控制每个迭代的起始位置。 因此，一旦第一个10,000更新，我将执行另一个查询以获取下一个10,000，依此类推...问题是，每次我进入第二组时，批处理中都已经处理了少数文档。前10,000个，当我到达第三个批次时，所有应处理的文档应从20,000到29,000范围内获取文档。

似乎我处于某种竞争状态，因为按版本号进行排序或查询无法获得任何结果。 我也尝试过在查询之间刷新和刷新，但仍然没有运气。

有人遇到过类似的问题吗？

Answer 1

在ElasticSearch中，什么时候写到什么时候可以读之间最多有1秒的延迟。 您可以轻松创建一个测试来验证这一点，插入ID为1的记录，立即尝试读取ID为1，您将获得空值。

您要做的是在ES中使用“ SCROLL SCAN ”。 使用滚动条时，它会跟踪已返回给您的记录，因此当您请求退回下一个10,000条记录时，可以确保不会重复。

https://www.elastic.co/guide/zh-CN/elasticsearch/reference/current/search-request-scroll.html#scroll-scan

注意：指定滚动扫描的大小时，指定的大小是每个碎片 。 因此，如果要返回10,000个块，则需要指定size = 10,000/# number of shards