这篇文章主要介绍“Elasticsearch分页查询的问题有哪些”，在日常操作中，相信很多人在Elasticsearch分页查询的问题有哪些问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Elasticsearch分页查询的问题有哪些”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
创新互联是一家以成都网站建设、网页设计、品牌设计、软件运维、seo优化、小程序App开发等移动开发为一体互联网公司。已累计为活动板房等众行业中小客户提供优质的互联网建站和软件开发服务。
Elasticsearch 分页查询有个特点，如果你写一个这样的查询语句：
{
"from" : 10, "size" : 10,
"query" : {}
}Elasticsearch 会查询出前 20 条数据，然后截断前 10 条，只返回 10-20 的数据。
这样做带来的副作用很明显，数据量大的话，越到后面查询越慢。
所以针对大数据量的查询，要使用 scroll。这种方式相当于建立了一个游标，标记当前的读取位置，保证下一次查询快速取出数据。
但这两种方式都还有一个小坑需要注意，下面来详细说明。
可能会出现的问题：
Result window is too large, from + size must be less than or equal to: [10000] but was [10010]. See the scroll api for a more efficient way to request large data sets. This limit can be set by changing the [index.max_result_window] index level setting.
这个报错信息其实已经说的很明确了，通过这种分页方式查询的最大值是 10000，超过 10000 就会报错。
解决办法也很简单，一是针对大数据量查询采用 scroll 方式；二是增加 index.max_result_window 值的大小，使其支持查询范围。
推荐使用 scroll 方式。
可能会出现的问题：
Trying to create too many scroll contexts. Must be less than or equal to: [500]. This limit can be set by changing the [search.max_open_scroll_context] setting.
产生这个错误的原因是：
当有大量需要使用 scroll 的请求向 Elasticsearch 请求数据时，系统默认最大 scroll_id 数量是 500，当达到最大值时，导致部分请求没有 scroll_id 可用，产生报错。
特别是在高并发场景下，这种问题可能会更加常见。
解决办法可以增加 search.max_open_scroll_context 值的大小。
但这么解决并不好，更好的办法是查询完之后，及时清理 scroll_id。
# python from elasticsearch import Elasticsearch client = Elasticsearch(host, http_auth=(username, password), timeout=3600) es_data = client.search(es_index, query_body, scroll='1m', size=100) scroll_id = es_data['_scroll_id'] client.clear_scroll(scroll_id=scroll_id) # 清理方法
其实，即使我们不手动清理，等过期之后，游标也会自己释放，这跟使用时的参数有关。
比如 scroll='1m' 代表 1min 后会释放。
但就像我们使用其他资源一样，使用完之后及时释放，养成良好的编码习惯，系统才能更健壮。
到此，关于“Elasticsearch分页查询的问题有哪些”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！
