elasticsearch集群查詢超10000的解決方案
更新時間：2024年08月07日 10:55:23 作者：蒼煜
ES為了避免用戶的過大分頁請求造成ES服務所在機器內存溢出,默認對深度分頁的條數進行了限制,默認的最大條數是10000條,這篇文章主要給大家介紹了關于elasticsearch集群查詢超10000的解決方案,需要的朋友可以參考下
前言
默認情況下，Elasticsearch集群中每個分片的搜索結果數量限制為10000。這是為了避免潛在的性能問題。
但是我們 在實際工作過程中時常會遇到 需要深度分頁，以及查詢批量數據更新的情況
問題：當請求form + size >10000 時，請求直接報錯
1：修改max_result_window 參數（不推薦）
在此方案中，我們建議僅限于測試用，生產禁用，畢竟當數據量大的時候，過大的數據量可能導致es的內存溢出，直接崩掉，一年績效白干。
PUT wkl_test/_settings
{
"index":{
"max_result_window":2147483647
}
}
查看索引的 settings
重新查數據：
2：使用游標 scroll API
使用scroll API：scroll API可以幫助我們在不加載所有數據的情況下獲取所有結果。它會在后臺執(zhí)行查詢以獲取滾動ID，并將其用于進行后續(xù)查詢。這樣就可以一次性獲取所有結果，而不必擔心限制
ES語句查詢
在游標方案中，我們只需要在第一次拿到游標id，之后通過游標就能唯一確定查詢，在這個查詢中通過我們指定的 size 移動游標，具體操作看看下面實操。
- 游標查詢，設置游標有效時間，有效時間內，游標都可以使用，過期就不行了
GET wkl_test/_search?scroll=5m
{
"query": {
"match_all": {}
},
"sort": [
{
"seq": {
"order": "asc"
}
}
],
"size": 200
}
- 上面操作中通過游標的結果返回
- 之后將_scroll_id 復制到窗口，就可以不端通過這個_scroll_id 進行之前設置的頁數不斷翻頁
以此類推，后面每次滾屏都把前一個的scroll_id復制過來。注意到，后續(xù)請求時沒有了index信息，size信息等，這些都在初始請求中，只需要使用scroll_id和scroll兩個參數即可。
注意，此時游標移動了，所以我們可以通過游標的方式不斷后移，直到移動到我們想要的 from+size 范圍內。再次點擊
java實現
@Test
public void testScroll(){
RestHighLevelClient restHighLevelClient ;
BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
boolQueryBuilder.mustNot(QueryBuilders.existsQuery("seq"));
try {
//滾動查詢的Scroll,設置請求滾動時間窗口時間
Scroll scroll = new Scroll(TimeValue.timeValueMillis(180000));
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//加入query語句
sourceBuilder.query(boolQueryBuilder);
//每次滾動的長度
sourceBuilder.size(SIZE);
//加入排序字段
sourceBuilder.sort("id", SortOrder.DESC);
//構建searchRequest
//加入scroll和構造器
SearchRequest searchRequest = new SearchRequest()
.indices("wkl_test")
.source(sourceBuilder)
.scroll(scroll);
//存儲scroll的list
List<String> scrollIdList = new ArrayList<>();
//執(zhí)行首次檢索
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
//首次檢索返回scrollId，用于下一次的滾動查詢
String scrollId = searchResponse.getScrollId();
//拿到hits結果
SearchHit[] hits = searchResponse.getHits().getHits();
long value = searchResponse.getHits().getTotalHits().value;
//保存返回結果List大小
Long resultSize = 0L;
scrollIdList.add(scrollId);
try {
//滾動查詢將SearchHit封裝到result中
while (ArrayUtils.isNotEmpty(hits) && hits.length > 0) {
BulkRequest bulkRequest = new BulkRequest();
JSONArray esArray = new JSONArray();
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(new UpdateRequest(index, uuid).doc(jsonObject));
}
}
resultSize = resultSize+hits.length;
//發(fā)送請求
//實時更新
bulkRequest.setRefreshPolicy(WriteRequest.RefreshPolicy.IMMEDIATE);
BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
System.out.println(bulk.getTook()+"-------"+bulk.getItems().length);
//說明滾動完了，返回結果即可
if (resultSize > 20000) {
break;
}
//繼續(xù)滾動，根據上一個游標，得到這次開始查詢位置
SearchScrollRequest searchScrollRequest = new SearchScrollRequest(scrollId);
searchScrollRequest.scroll(scroll);
//得到結果
SearchResponse searchScrollResponse = restHighLevelClient.scroll(searchScrollRequest, RequestOptions.DEFAULT);
//定位游標
scrollId = searchScrollResponse.getScrollId();
hits = searchScrollResponse.getHits().getHits();
scrollIdList.add(scrollId);
}
System.out.println("----徹底結束了-----");
} finally {
//清理scroll,釋放資源
ClearScrollRequest clearScrollRequest = new ClearScrollRequest();
clearScrollRequest.setScrollIds(scrollIdList);
restHighLevelClient.clearScroll(clearScrollRequest, RequestOptions.DEFAULT);
}
} catch (Exception e) {
throw new RuntimeException(e);
}
}
scroll API 的優(yōu)缺點和總結
優(yōu)缺點：
- scroll查詢的相應數據是非實時的，如果遍歷過程中插入新的數據，是查詢不到的。并且保留上下文需要足夠的堆內存空間。
- 相比于 from/size 和 search_after 返回一頁數據，Scroll API 可用于從單個搜索請求中檢索大量結果。但是 scroll 滾動遍歷查詢是非實時的，數據量大的時候，響應時間可能會比較長
適用場景
- 全量或數據量很大時遍歷結果數據，而非分頁查詢。
- scroll方案基于快照，不能用在高實時性的場景下，建議用在類似數據導出場景下使用
3： search_after + PIT 深度查詢
- Search_after是 ES 5 新引入的一種分頁查詢機制，其原理幾乎就是和scroll一樣，因此代碼也幾乎是一樣的。
- 官方文檔說明不再建議使用scroll滾動分頁和from size分頁,建議使用search_after
- search_after 分頁的方式和 scroll 搜索有一些顯著的區(qū)別，首先它是根據上一頁的最后一條數據來確定下一頁的位置，同時在分頁請求的過程中，如果有索引數據的增刪改查，這些變更也會實時的反映到游標上。
不帶PIT
ES語句實現
檢索第一頁的查詢如下所示：
GET wkl_test/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"seq": {
"order": "asc"
}
}
],
"size": 200
}
上述請求的結果包括每個文檔的 sort 值數組。
這些 sort 值可以與 search_after 參數一起使用，以開始返回在這個結果列表之后的任何文檔。例如，我們可以使用上一個文檔的 sort 值并將其傳遞給 search_after 以檢索下一頁結果：
Java 實現
@Test
public void testSearchAfter() throws IOException {
RestHighLevelClient restHighLevelClient = es7UtilApi.getRestHighLevelClient();
MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
searchSourceBuilder.query(matchAllQueryBuilder);
searchSourceBuilder.from(0);
searchSourceBuilder.size(200);
searchSourceBuilder.sort("seq", SortOrder.ASC);
searchSourceBuilder.trackTotalHits(true);
SearchRequest searchRequest = new SearchRequest()
.indices("wkl_test")
.source(searchSourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
SearchHits hits = searchResponse.getHits();
long value = hits.getTotalHits().value;
System.out.println("查詢到記錄數=" + value);
List<JSONObject> list = new ArrayList<>();
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);
}
}
//往后的每次請求都攜帶上一次的sort_id進行訪問。
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("-----徹底結束了-------");
}
}
問題
「優(yōu)點：」
無狀態(tài)查詢，可以防止在查詢過程中，數據的變更無法及時反映到查詢中。
不需要維護scroll_id，不需要維護快照，因此可以避免消耗大量的資源。
「缺點：」
由于無狀態(tài)查詢，因此在查詢期間的變更可能會導致跨頁面的不一值。
排序順序可能會在執(zhí)行期間發(fā)生變化，具體取決于索引的更新和刪除。
至少需要制定一個唯一的不重復字段來排序。
它不適用于大幅度跳頁查詢，或者全量導出，對第N頁的跳轉查詢相當于對es不斷重復的執(zhí)行N次search after，而全量導出則是在短時間內執(zhí)行大量的重復查詢。
帶PIT
關于PIT
在7.*版本中，ES官方不再推薦使用Scroll方法來進行深分頁，而是推薦使用帶PIT的search_after來進行查詢；
從7.*版本開始，您可以使用SEARCH_AFTER參數通過上一頁中的一組排序值檢索下一頁命中。
使用SEARCH_AFTER需要多個具有相同查詢和排序值的搜索請求。
如果這些請求之間發(fā)生刷新，則結果的順序可能會更改，從而導致頁面之間的結果不一致。
為防止出現這種情況，您可以創(chuàng)建一個時間點(PIT)來在搜索過程中保留當前索引狀態(tài)。
ES語句實現
1：生成pit
#keep_alive必須要加上，它表示這個pit能存在多久，這里設置的是1分鐘 POST wkl_test/_pit?keep_alive=1m
2：在搜索請求中指定PIT：
在每個搜索請求中添加 keep_alive 參數來延長 PIT 的保留期，相當于是重置了一下時間
GET _search
{
"query": {
"match_all": {}
},
"pit":{
"id":"t_yxAwEId2tsX3Rlc3QWU0hzbEJkYWNTVEd0ZGRoN0xsQVVNdwAWUGQtaXJpT0xTa2VUN0RGLXZfTlBvZwAAAAAACHG1fxY1UWNKX1RHOFMybXBaV20zbWx3enp3ARZTSHNsQmRhY1NUR3RkZGg3TGxBVU13AAA=",
"keep_alive":"5m"
},
"sort": [
{
"seq": {
"order": "asc"
}
}
],
"size": 200
}
3：刪除PIT
DELETE _pit
{
"id":"t_yxAwEId2tsX3Rlc3QWU0hzbEJkYWNTVEd0ZGRoN0xsQVVNdwAWUGQtaXJpT0xTa2VUN0RGLXZfTlBvZwAAAAAACHG1fxY1UWNKX1RHOFMybXBaV20zbWx3enp3ARZTSHNsQmRhY1NUR3RkZGg3TGxBVU13AAA="
}
總結
如果數據量?。╢rom+size在10000條內），或者只關注結果集的TopN數據，可以使用from/size 分頁，簡單粗暴
數據量大，深度翻頁，后臺批處理任務（數據遷移）之類的任務，使用 scroll 方式
數據量大，深度翻頁，用戶實時、高并發(fā)查詢需求，使用 search after 方式
到此這篇關于elasticsearch集群查詢超10000解決方案的文章就介紹到這了,更多相關elasticsearch查詢超10000內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了Java Swing組件BoxLayout布局用法,結合實例形式分析了Swing使用BoxLayout容器進行布局的相關方法與操作技巧,需要的朋友可以參考下2017-11-11
Spring Boot調用外部接口的方式有多種,常見的有以下三種方式:RestTemplate、Feign 和 WebClient，本文就詳細介紹一下，感興趣的可以了解一下2023-08-08
本文將利用Java多線程模擬一個簡單的銀行系統(tǒng)，使用兩個不同的線程向同一個賬戶存錢。文中的示例代碼講解詳細，感興趣的可以了解一下2022-09-09
這一節(jié)我們來講Scanner類和PrintWriter類的用法,感興趣的朋友可以了解下2013-01-01
緩存預熱是指在 Spring Boot 項目啟動時,預先將數據加載到緩存系統(tǒng)（如 Redis）中的一種機制,本文主要介紹了SpringBoot如何實現緩存預熱,感興趣的可以了解下2024-12-12
這篇文章主要介紹了Java線上CPU內存沖高問題排查解決步驟的相關資料,Java程序在實際生產過程中經常遇到CPU或內存使用率高的問題,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2023-07-07
這篇文章主要介紹了Java中反射動態(tài)代理接口的詳解及實例的相關資料,需要的朋友可以參考下2017-04-04
SpringBoot整合EasyExcel進行大數據處理的方法詳解
EasyExcel是一個基于Java的簡單、省內存的讀寫Excel的開源項目。在盡可能節(jié)約內存的情況下支持讀寫百M的Excel。本文將在SpringBoot中整合EasyExcel進行大數據處理，感興趣的可以了解一下2022-05-05
對于一些特殊的代碼是需要定時執(zhí)行的,下面來看看定時器該如何編寫吧,下面這篇文章主要給大家介紹了關于Java實現定時器的4種方法,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2023-05-05
在程序運行期間，隨時可能產生一些臨時數據，應用程序會將這些數據保存在一些內存單元中，每個內存單元都用一個標識符來標識。這些內存單元被稱為變量，定義的標識符就是變量名，內存單元中存儲的數據就是變量的值2021-10-10