elasticsearch-利用游标查询 'Scroll'来做分页查询

游标查询 'Scroll'

scroll

查询 可以用来对 Elasticsearch 有效地执行大批量的文档查询，而又不用付出深度分页那种代价。

游标查询允许我们 先做查询初始化，然后再批量地拉取结果。 这有点儿像传统数据库中的 cursor 。

游标查询会取某个时间点的快照数据。 查询初始化之后索引上的任何变化会被它忽略。 它通过保存旧的数据文件来实现这个特性，结果就像保留初始化时的索引 '视图' 一样。

深度分页的代价根源是结果集全局排序，如果去掉全局排序的特性的话查询结果的成本就会很低。 游标查询用字段

_doc

来排序。 这个指令让
Elasticsearch 仅仅从还有结果的分片返回下一批结果。

启用游标查询可以通过在查询的时候设置参数

scroll

的值为我们期望的游标查询的过期时间。 游标查询的过期时间会在每次做查询的时候刷新，所以这个时间只需要足够处理当前批的结果就可以了，而不是处理查询结果的所有文档的所需时间。
这个过期时间的参数很重要，因为保持这个游标查询窗口需要消耗资源，所以我们期望如果不再需要维护这种资源就该早点儿释放掉。 设置这个超时能够让 Elasticsearch 在稍后空闲的时候自动释放这部分资源。

GET /old_index/_search?scroll=1m (1)
{
"query": { "match_all": {}},
"sort" : ["_doc"], (2)
"size":  1000
}

保持游标查询窗口一分钟。

关键字

_doc

是最有效的排序顺序。

这个查询的返回结果包括一个字段

_scroll_id

， 它是一个base64编码的长字符串 。 现在我们能传递字段

_scroll_id

到

_search/scroll

查询接口获取下一批结果：

GET /_search/scroll
{
"scroll": "1m", (1)
"scroll_id" : "cXVlcnlUaGVuRmV0Y2g7NTsxMDk5NDpkUmpiR2FjOFNhNnlCM1ZDMWpWYnRROzEwOTk1OmRSamJHYWM4U2E2eUIzVkMxalZidFE7MTA5OTM6ZFJqYkdhYzhTYTZ5QjNWQzFqVmJ0UTsxMTE5MDpBVUtwN2lxc1FLZV8yRGVjWlI2QUVBOzEwOTk2OmRSamJHYWM4U2E2eUIzVkMxalZidFE7MDs="
}

注意再次设置游标查询过期时间为一分钟。

这个游标查询返回的下一批结果。 尽管我们指定字段

size

的值为1000，我们有可能取到超过这个值数量的文档。 当查询的时候，
字段

size

作用于单个分片，所以每个批次实际返回的文档数量最大为

size
* number_of_primary_shards

。

def query_Data(self,mindex,mtype,mstr,msize=20):
'''查询数据库中指定表所有字段出现的值
:mindex 查询的数据库
:mtype 查询的数据库表
:mstr 匹配的字段
:mfrom 返回的起始位置
:msize 需要查询的总条数
return 返回一个dict
'''
if not Ela.es:
return False
if not (mindex and mtype and mstr):
return False
data=[]
try:
querydata = Ela.es.search(index=mindex,doc_type=mtype,scroll='5m',timeout='3s',\
body={"query": {"bool": {"must": [{"query_string": {"default_field": "_all","query": mstr}}]}},"size": msize})
mdata = querydata.get("hits").get("hits")
if not mdata:
return -1 #没有查询到数据
#解析返回的值
data = [d.get("_source") for d in mdata]
sid = querydata['_scroll_id']
while True:
rs = Ela.es.scroll(scroll_id=sid,scroll='10s')
temp = rs.get("hits").get("hits")
if not temp:
break
data += [d.get("_source") for d in temp]
logger.info("共查询到: %d条数据"%data.__len__())
return data
except Exception as ex:
logger.warnning("Elasticsearch数据库查询发生异常"+str(ex))
return False