[英]Elasticsearch Scroll
我对 Elasticsearch 的滚动功能有点困惑。 在 elasticsearch 中,每次用户在结果集上滚动时是否都可以调用搜索 API? 从文档
"search_type" => "scan", // use search_type=scan
"scroll" => "30s", // how long between scroll requests. should be small!
"size" => 50, // how many results *per shard* you want back
这是否意味着它将每 30 秒执行一次搜索并返回所有结果集,直到没有记录?
例如我的 ES 返回总共 500 条记录。 我从 ES 获取数据作为两组记录,每组记录有 250 条记录。 有什么办法可以先显示第一组 250 条记录,当用户滚动时再显示第二组 250 条记录。请建议
您正在寻找的是分页。
您可以通过查询固定大小并设置from
参数来实现您的目标。 由于要设置成250个结果的批量显示,因此可以设置size = 250
并在每个连续查询中将from
的值增加250
。
GET /_search?size=250 ---- return first 250 results
GET /_search?size=250&from=250 ---- next 250 results
GET /_search?size=250&from=500 ---- next 250 results
相反,“ Scan & scroll
使您可以通过一次搜索来检索大量结果,并且理想地用于诸如将数据重新索引为新索引之类的操作。 不建议将其用于实时显示搜索结果。
为了简要说明“ Scan & scroll
,它的本质作用是扫描与扫描请求一起提供的查询的索引,并返回scroll_id
。 可以将此scroll_id
传递给下一个滚动请求,以返回下一批结果。
考虑以下示例-
# Initialize the scroll
page = es.search(
index = 'yourIndex',
doc_type = 'yourType',
scroll = '2m',
search_type = 'scan',
size = 1000,
body = {
# Your query's body
}
)
sid = page['_scroll_id']
scroll_size = page['hits']['total']
# Start scrolling
while (scroll_size > 0):
print "Scrolling..."
page = es.scroll(scroll_id = sid, scroll = '2m')
# Update the scroll ID
sid = page['_scroll_id']
# Get the number of results that we returned in the last scroll
scroll_size = len(page['hits']['hits'])
print "scroll size: " + str(scroll_size)
# Do something with the obtained page
在上述示例中,发生了以下事件-
scroll_id
(在上一个滚动请求中接收到),并返回下一批结果。 您误解了scroll
属性的目的。 这并不意味着elasticsearch将在30秒后获取下一页数据。 在执行第一个滚动请求时,您需要指定何时关闭滚动上下文。 scroll
参数指示30秒后关闭滚动上下文。
在执行第一个滚动请求后,您将获得响应的scroll_id
参数。 对于下一页,您需要传递该值以获得滚动响应的下一页。 如果您将在30秒内不执行下一个滚动请求,则该滚动请求将被关闭,您将无法获取该滚动请求的下一页。
您作为示例用例描述的实际上是搜索结果分页 ,它可用于任何搜索查询,并且受到1万个结果的限制。 如果您需要超过10k的限制,则需要scroll
请求,使用scroll
查询甚至可以获取整个文档集合。
造成混淆的原因可能是scroll
术语含糊不清:它表示查询的类型,并且也是此类查询的参数名称(如其他注释中所述 ,这是ES会继续等待您的时间)获取下一个滚动块)。
scroll
查询很繁琐,应避免使用,直到绝对必要为止。 实际上,在文档中它说:
滚动不用于实时用户请求,而是用于处理大量数据,...
现在关于另一个问题:
在Elasticsearch中,是否每当用户滚动结果集时都可以调用搜索API?
是的,甚至可能有几个并行滚动请求 :
每个滚动都是独立的,可以像任何滚动请求一样并行处理。
Scroll API的弹性文档也解释了此行为。
结果大小10k是默认值,可以在运行时覆盖,如有必要:
PUT { "index" : { "max_result_window" : 500000} }
在每个滚动请求中使用参数“ scroll”定义滚动ID的生存时间,例如
..
"scroll" : "5m"
..
使用 scroll api 是明智的,因为在 elasticsearch 中一次不能获得超过 10K 的数据。
在 Elasticsearch 的最新版本中,您将使用search_after 。 你在那里设置的keep_alive
,很像滚动中的timeout
,只是你处理一页所需的时间。
那是因为 Elasticsearch 会在这段时间内让您的“搜索上下文”保持活动状态,然后将其删除。 此外,Elasticsearch 不会自动为您获取下一页,您必须通过发送带有上次请求中的 ID 的请求来实现。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.