0
0

elasticsearch 查询超10000的解决方案

前言

默认情况下，Elasticsearch集群中每个分片的搜索结果数量限制为10000。这是为了避免潜在的性能问题。

但是我们 在实际工作过程中时常会遇到 需要深度分页，以及查询批量数据更新的情况

问题：当请求form + size >10000 时，请求直接报错

在这里插入图片描述

1：修改max_result_window 参数（不推荐）

在此方案中，我们建议仅限于测试用，生产禁用，毕竟当数据量大的时候，过大的数据量可能导致es的内存溢出，直接崩掉，一年绩效白干。

PUT wkl_test/_settings
{
   "index":{
        "max_result_window":2147483647
    }
}

查看索引的 settings
在这里插入图片描述
重新查数据：

在这里插入图片描述

2：使用游标 scroll API

使用scroll API：scroll API可以帮助我们在不加载所有数据的情况下获取所有结果。它会在后台执行查询以获取滚动ID，并将其用于进行后续查询。这样就可以一次性获取所有结果，而不必担心限制

ES语句查询

在游标方案中，我们只需要在第一次拿到游标id，之后通过游标就能唯一确定查询，在这个查询中通过我们指定的 size 移动游标，具体操作看看下面实操。

  • 游标查询，设置游标有效时间，有效时间内，游标都可以使用，过期就不行了
GET wkl_test/_search?scroll=5m
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "seq": {
        "order": "asc"
      }
    }
  ],
  "size": 200
}
  • 上面操作中通过游标的结果返回在这里插入图片描述
  • 之后将_scroll_id 复制到窗口，就可以不端通过这个_scroll_id 进行之前设置的页数不断翻页 以此类推，后面每次滚屏都把前一个的scroll_id复制过来。注意到，后续请求时没有了index信息，size信息等，这些都在初始请求中，只需要使用scroll_id和scroll两个参数即可。在这里插入图片描述 注意，此时游标移动了，所以我们可以通过游标的方式不断后移，直到移动到我们想要的 from+size 范围内。再次点击在这里插入图片描述

java实现

@TestpublicvoidtestScroll(){RestHighLevelClient restHighLevelClient ;BoolQueryBuilder boolQueryBuilder =QueryBuilders.boolQuery();
        boolQueryBuilder.mustNot(QueryBuilders.existsQuery("seq"));try{//滚动查询的Scroll,设置请求滚动时间窗口时间Scroll scroll =newScroll(TimeValue.timeValueMillis(180000));SearchSourceBuilder sourceBuilder =newSearchSourceBuilder();//加入query语句
            sourceBuilder.query(boolQueryBuilder);//每次滚动的长度
            sourceBuilder.size(SIZE);//加入排序字段
            sourceBuilder.sort("id",SortOrder.DESC);//构建searchRequest//加入scroll和构造器SearchRequest searchRequest =newSearchRequest().indices("wkl_test").source(sourceBuilder).scroll(scroll);//存储scroll的listList<String> scrollIdList =newArrayList<>();//执行首次检索SearchResponse searchResponse = restHighLevelClient.search(searchRequest,RequestOptions.DEFAULT);//首次检索返回scrollId，用于下一次的滚动查询String scrollId = searchResponse.getScrollId();//拿到hits结果SearchHit[] hits = searchResponse.getHits().getHits();long value = searchResponse.getHits().getTotalHits().value;//保存返回结果List大小Long resultSize =0L;
            scrollIdList.add(scrollId);try{//滚动查询将SearchHit封装到result中while(ArrayUtils.isNotEmpty(hits)&& hits.length >0){BulkRequest bulkRequest =newBulkRequest();JSONArray esArray =newJSONArray();for(SearchHit hit : hits){String sourceAsString = hit.getSourceAsString();String index = hit.getIndex();JSONObject jsonObject =JSONObject.parseObject(sourceAsString);String seq = jsonObject.getString("seq");if(StringUtils.isBlank(seq)){
                            esArray.add(jsonObject);String uuid = jsonObject.getString("id");
                            jsonObject.put("is_del",1);
                            bulkRequest.add(newUpdateRequest(index, uuid).doc(jsonObject));}}
                    resultSize = resultSize+hits.length;//发送请求//实时更新
                    bulkRequest.setRefreshPolicy(WriteRequest.RefreshPolicy.IMMEDIATE);BulkResponse bulk = restHighLevelClient.bulk(bulkRequest,RequestOptions.DEFAULT);System.out.println(bulk.getTook()+"-------"+bulk.getItems().length);//说明滚动完了，返回结果即可if(resultSize >20000){break;}//继续滚动，根据上一个游标，得到这次开始查询位置SearchScrollRequest searchScrollRequest =newSearchScrollRequest(scrollId);
                    searchScrollRequest.scroll(scroll);//得到结果SearchResponse searchScrollResponse = restHighLevelClient.scroll(searchScrollRequest,RequestOptions.DEFAULT);//定位游标
                    scrollId = searchScrollResponse.getScrollId();
                    hits = searchScrollResponse.getHits().getHits();
                    scrollIdList.add(scrollId);}System.out.println("----彻底结束了-----");}finally{//清理scroll,释放资源ClearScrollRequest clearScrollRequest =newClearScrollRequest();
                clearScrollRequest.setScrollIds(scrollIdList);
                restHighLevelClient.clearScroll(clearScrollRequest,RequestOptions.DEFAULT);}}catch(Exception e){thrownewRuntimeException(e);}}

scroll API 的优缺点和总结

优缺点：

  • scroll查询的相应数据是非实时的，如果遍历过程中插入新的数据，是查询不到的。并且保留上下文需要足够的堆内存空间。
  • 相比于 from/size 和 search_after 返回一页数据，Scroll API 可用于从单个搜索请求中检索大量结果。但是 scroll 滚动遍历查询是非实时的，数据量大的时候，响应时间可能会比较长

适用场景

  • 全量或数据量很大时遍历结果数据，而非分页查询。
  • scroll方案基于快照，不能用在高实时性的场景下，建议用在类似数据导出场景下使用

3： search_after + PIT 深度查询

  • Search_after是 ES 5 新引入的一种分页查询机制，其原理几乎就是和scroll一样，因此代码也几乎是一样的。
  • 官方文档说明不再建议使用scroll滚动分页和from size分页,建议使用search_after
  • search_after 分页的方式和 scroll 搜索有一些显著的区别，首先它是根据上一页的最后一条数据来确定下一页的位置，同时在分页请求的过程中，如果有索引数据的增删改查，这些变更也会实时的反映到游标上。

不带PIT

ES语句实现

检索第一页的查询如下所示：

GET wkl_test/_search
{"query":{"match_all":{}},
  "sort":[{"seq":{"order":"asc"}}],
  "size":200}

上述请求的结果包括每个文档的 sort 值数组。
在这里插入图片描述

这些 sort 值可以与 search_after 参数一起使用，以开始返回在这个结果列表之后的任何文档。例如，我们可以使用上一个文档的 sort 值并将其传递给 search_after 以检索下一页结果：

在这里插入图片描述

Java 实现

@TestpublicvoidtestSearchAfter()throwsIOException{RestHighLevelClient restHighLevelClient = es7UtilApi.getRestHighLevelClient();MatchAllQueryBuilder matchAllQueryBuilder =QueryBuilders.matchAllQuery();SearchSourceBuilder searchSourceBuilder =newSearchSourceBuilder();
        searchSourceBuilder.query(matchAllQueryBuilder);
        searchSourceBuilder.from(0);
        searchSourceBuilder.size(200);
        searchSourceBuilder.sort("seq",SortOrder.ASC);
        searchSourceBuilder.trackTotalHits(true);SearchRequest searchRequest =newSearchRequest().indices("wkl_test").source(searchSourceBuilder);SearchResponse searchResponse = restHighLevelClient.search(searchRequest,RequestOptions.DEFAULT);SearchHits hits = searchResponse.getHits();long value = hits.getTotalHits().value;System.out.println("查询到记录数="+ value);List<JSONObject> list =newArrayList<>();SearchHit[] searchHists = hits.getHits();Object[] sortValues = searchHists[searchHists.length -1].getSortValues();if(searchHists.length >0){for(SearchHit hit : searchHists){String sourceAsString = hit.getSourceAsString();JSONObject jsonObject =JSON.parseObject(sourceAsString);
                jsonObject.put("_id", hit.getId());
                list.add(jsonObject);}}//往后的每次请求都携带上一次的sort_id进行访问。while(ArrayUtils.isNotEmpty(searchHists)&& searchHists.length >0){
            searchSourceBuilder.searchAfter(sortValues);
            searchRequest.source(searchSourceBuilder);SearchResponse searchResponseAfter = restHighLevelClient.search(searchRequest,RequestOptions.DEFAULT);
            hits = searchResponseAfter.getHits();
            searchHists = hits.getHits();
            sortValues = searchHists[searchHists.length -1].getSortValues();if(searchHists.length >0){for(SearchHit hit : searchHists){String sourceAsString = hit.getSourceAsString();JSONObject jsonObject =JSON.parseObject(sourceAsString);
                    jsonObject.put("_id", hit.getId());
                    list.add(jsonObject);}}if(list.size()>20000){break;}System.out.println("-----彻底结束了-------");}}

问题

「优点：」

  • 无状态查询，可以防止在查询过程中，数据的变更无法及时反映到查询中。
  • 不需要维护scroll_id，不需要维护快照，因此可以避免消耗大量的资源。

「缺点：」

  • 由于无状态查询，因此在查询期间的变更可能会导致跨页面的不一值。
  • 排序顺序可能会在执行期间发生变化，具体取决于索引的更新和删除。
  • 至少需要制定一个唯一的不重复字段来排序。
  • 它不适用于大幅度跳页查询，或者全量导出，对第N页的跳转查询相当于对es不断重复的执行N次search after，而全量导出则是在短时间内执行大量的重复查询。

带PIT

关于PIT

  • 在7.*版本中，ES官方不再推荐使用Scroll方法来进行深分页，而是推荐使用带PIT的search_after来进行查询；
  • 从7.*版本开始，您可以使用SEARCH_AFTER参数通过上一页中的一组排序值检索下一页命中。
  • 使用SEARCH_AFTER需要多个具有相同查询和排序值的搜索请求。
  • 如果这些请求之间发生刷新，则结果的顺序可能会更改，从而导致页面之间的结果不一致。 为防止出现这种情况，您可以创建一个时间点(PIT)来在搜索过程中保留当前索引状态。

ES语句实现

1：生成pit
#keep_alive必须要加上，它表示这个pit能存在多久，这里设置的是1分钟
POST wkl_test/_pit?keep_alive=1m

在这里插入图片描述

2：在搜索请求中指定PIT：

在每个搜索请求中添加 keep_alive 参数来延长 PIT 的保留期，相当于是重置了一下时间


GET _search
{"query":{"match_all":{}},
  "pit":{"id":"t_yxAwEId2tsX3Rlc3QWU0hzbEJkYWNTVEd0ZGRoN0xsQVVNdwAWUGQtaXJpT0xTa2VUN0RGLXZfTlBvZwAAAAAACHG1fxY1UWNKX1RHOFMybXBaV20zbWx3enp3ARZTSHNsQmRhY1NUR3RkZGg3TGxBVU13AAA=",
    "keep_alive":"5m"},
  "sort":[{"seq":{"order":"asc"}}],
  "size":200}

在这里插入图片描述

3：删除PIT
DELETE _pit
{"id":"t_yxAwEId2tsX3Rlc3QWU0hzbEJkYWNTVEd0ZGRoN0xsQVVNdwAWUGQtaXJpT0xTa2VUN0RGLXZfTlBvZwAAAAAACHG1fxY1UWNKX1RHOFMybXBaV20zbWx3enp3ARZTSHNsQmRhY1NUR3RkZGg3TGxBVU13AAA="}

在这里插入图片描述

总结

  • 如果数据量小（from+size在10000条内），或者只关注结果集的TopN数据，可以使用from/size 分页，简单粗暴
  • 数据量大，深度翻页，后台批处理任务（数据迁移）之类的任务，使用 scroll 方式
  • 数据量大，深度翻页，用户实时、高并发查询需求，使用 search after 方式
标签： elasticsearch android 大数据
本文转载自: https://blog.csdn.net/qq_41694906/article/details/140357544
版权归原作者 苍煜 所有， 如有侵权，请联系我们删除。
登录后发布评论

“elasticsearch 查询超10000的解决方案”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

安全见闻八：量子计算

【Linux】开发工具make/Makefile、进度条小程序

Linux下学【MySQL】表的必备操作（ 配实操图和SQL语句）

软件测试学习笔记丨Selenium学习笔记：常用页面信息对比方法expected_conditions

将 GitHub 关联到 Git 的详细教程

大数据新视界 -- 大数据大厂之 Impala 性能优化：融合人工智能预测的资源预分配秘籍（上）（29 / 30）

NAT的基本介绍

文章导航