「文章较长，可以点赞再看」
Elasticsearch 是一个实时的分布式搜索与分析引擎，在使用过程中，有一些典型的使用场景，比如分页、遍历等。
在使用关系型数据库中，我们被告知要注意甚至被明确禁止使用深度分页，同理，在 Elasticsearch 中，也应该尽量避免使用深度分页。
这篇文章主要介绍 Elasticsearch 中分页相关内容！
在ES中，分页查询默认返回最顶端的10条匹配hits。
如果需要分页，需要使用from和size参数。
一个基本的ES查询语句是这样的：
上面的查询表示从搜索结果中取第100条开始的10条数据。
「那么，这个查询语句在ES集群内部是怎么执行的呢？」
在ES中，搜索一般包括两个阶段，query 和 fetch 阶段，可以简单的理解，query 阶段确定要取哪些doc，fetch 阶段取出具体的 doc。
❝Query阶段
❞
如上图所示，描述了一次搜索请求的 query 阶段：·
在上面的例子中，coordinating node 拿到条数据，然后合并并排序后选择前面的条数据存到优先级队列，以便 fetch 阶段使用。
另外，各个分片返回给 coordinating node 的数据用于选出前条数据，所以，只需要返回唯一标记 doc 的以及用于排序的即可，这样也可以保证返回的数据量足够小。
coordinating node 计算好自己的优先级队列后，query 阶段结束，进入 fetch 阶段。
❝Fetch阶段
❞
query 阶段知道了要取哪些数据，但是并没有取具体的数据，这就是 fetch 阶段要做的。
上图展示了 fetch 过程：
coordinating node 的优先级队列里有 个，但是，在 fetch 阶段，并不需要取回所有数据，在上面的例子中，前100条数据是不需要取的，只需要取优先级队列里的第101到110条数据即可。
需要取的数据可能在不同分片，也可能在同一分片，coordinating node 使用 「multi-get」 来避免多次去同一分片取数据，从而提高性能。
「这种方式请求深度分页是有问题的：」
我们可以假设在一个有 5 个主分片的索引中搜索。当我们请求结果的第一页（结果从 1 到 10 ），每一个分片产生前 10 的结果，并且返回给 协调节点 ，协调节点对 50 个结果排序得到全部结果的前 10 个。
现在假设我们请求第 1000 页—结果从 10001 到 10010 。所有都以相同的方式工作除了每个分片不得不产生前10010个结果以外。然后协调节点对全部 50050 个结果排序最后丢弃掉这些结果中的 50040 个结果。
「对结果排序的成本随分页的深度成指数上升。」
「注意1：」
size的大小不能超过这个参数的设置，默认为10000。
如果搜索size大于10000，需要设置参数
「注意2：」
举个例子，一个索引，有10亿数据，分10个 shards，然后，一个搜索请求，from=1000000，size=100，这时候，会带来严重的性能问题：CPU，内存，IO，网络带宽。
在 query 阶段，每个shards需要返回 1000100 条数据给 coordinating node，而 coordinating node 需要接收，100 条数据，即使每条数据只有 和 ，这数据量也很大了？
「在另一方面，我们意识到，这种深度分页的请求并不合理，因为我们是很少人为的看很后面的请求的，在很多的业务场景中，都直接限制分页，比如只能看前100页。」
比如，有1千万粉丝的微信大V，要给所有粉丝群发消息，或者给某省粉丝群发，这时候就需要取得所有符合条件的粉丝，而最容易想到的就是利用 from + size 来实现，不过，这个是不现实的，这时，可以采用 Elasticsearch 提供的其他方式来实现遍历。
深度分页问题大致可以分为两类：
「下面介绍几个官方提供的深度分页方法」
❝Scroll遍历数据
❞
我们可以把scroll理解为关系型数据库里的cursor，因此，scroll并不适合用来做实时搜索，而更适合用于后台批处理任务，比如群发。
这个分页的用法，「不是为了实时查询数据」，而是为了「一次性查询大量的数据（甚至是全部的数据」）。
因为这个scroll相当于维护了一份当前索引段的快照信息，这个快照信息是你执行这个scroll查询时的快照。在这个查询后的任何新索引进来的数据，都不会在这个快照中查询到。
但是它相对于from和size，不是查询所有数据然后剔除不要的部分，而是记录一个读取的位置，保证下一次快速继续读取。
不考虑排序的时候，可以结合使用。
scroll可以分为初始化和遍历两部，初始化时将「所有符合搜索条件的搜索结果缓存起来（注意，这里只是缓存的doc_id，而并不是真的缓存了所有的文档数据，取数据是在fetch阶段完成的）」，可以想象成快照。
在遍历时，从这个快照里取数据，也就是说，在初始化后，对索引插入、删除、更新数据都不会影响遍历结果。
「基本使用」
初始化指明 index 和 type，然后，加上参数 scroll，表示暂存搜索结果的时间，其它就像一个普通的search请求一样。
会返回一个，用来下次取数据用。
「遍历」
这里的即 上一次遍历取回的或者是初始化返回的，同样的，需要带 scroll 参数。
重复这一步骤，直到返回的数据为空，即遍历完成。
「注意，每次都要传参数 scroll，刷新搜索结果的缓存时间」。另外，「不需要指定 index 和 type」。
设置scroll的时候，需要使搜索结果缓存到下一次遍历完成，「同时，也不能太长，毕竟空间有限。」
「优缺点」
缺点：
「优点：」
适用于非实时处理大量数据的情况，比如要进行数据迁移或者索引变更之类的。
ES提供了scroll scan方式进一步提高遍历性能，但是scroll scan不支持排序，因此scroll scan适合不需要排序的场景
「基本使用」
Scroll Scan 的遍历与普通 Scroll 一样，初始化存在一点差别。
需要指明参数：
「Scroll Scan与Scroll的区别」
如果你数据量很大，用Scroll遍历数据那确实是接受不了，现在Scroll接口可以并发来进行数据遍历了。
每个Scroll请求，可以分成多个Slice请求，可以理解为切片，各Slice独立并行，比用Scroll遍历要快很多倍。
上边的示例可以单独请求两块数据，最终五块数据合并的结果与直接scroll scan相同。
其中max是分块数，id是第几块。
❝官方文档中建议max的值不要超过shard的数量，否则可能会导致内存爆炸。
❞
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。
「基本使用：」
第一步：
返回出的结果信息 ：
上面的请求会为每一个文档返回一个包含sort排序值的数组。
这些sort排序值可以被用于参数里以便抓取下一页的数据。
比如，我们可以使用最后的一个文档的sort排序值，将它传递给参数：
若我们想接着上次读取的结果进行读取下一页数据，第二次查询在第一次查询时的语句基础上添加，并指明从哪个数据后开始读取。
「基本原理」
es维护一个实时游标，它以上一次查询的最后一条记录为游标，方便对下一页的查询，它是一个无状态的查询，因此每次查询的都是最新的数据。
由于它采用记录作为游标，因此「SearchAfter要求doc中至少有一条全局唯一变量（每个文档具有一个唯一值的字段应该用作排序规范）」
「优缺点」
「优点：」
「缺点：」
不是自由跳转到任意页面的解决方案，而是并行滚动多个查询的解决方案。
参照：http://www.elastic.co/guide/en/elasticsearch/reference/master/paginate-search-results.html#scroll-search-results
在版本中，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的来进行查询；
从版本开始，您可以使用参数通过上一页中的一组排序值检索下一页命中。
使用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。
在搜索请求中指定PIT：
这种方式虽然能够一定程度上解决深分页问题。但是，它们并不是深分页问题的终极解决方案，深分页问题「必须避免！!」。
对于Scroll，无可避免的要维护和历史快照，并且，还必须保证的存活时间，这对服务器是一个巨大的负荷。
对于，如果允许用户大幅度跳转页面，会导致短时间内频繁的搜索动作，这样的效率非常低下，这也会增加服务器的负荷，同时，在查询过程中，索引的增删改会导致查询数据不一致或者排序变化，造成结果不准确。
本身就是一种业务折中方案，它不允许指定跳转到页面，而只提供下一页的功能。
Scroll默认你会在后续将所有符合条件的数据都取出来，所以，它只是搜索到了所有的符合条件的(这也是为什么官方推荐用进行排序，因为本身缓存的就是，如果用其他字段排序会增加查询量)，并将它们排序后保存在协调节点(coordinate node)，但是并没有将所有数据进行fetch，而是每次scroll，读取size个文档，并返回此次读取的最后一个文档以及上下文状态，用以告知下一次需要从哪个shard的哪个文档之后开始读取。
这也是为什么官方不推荐scroll用来给用户进行实时的分页查询，而是适合于大批量的拉取数据，因为它从设计上就不是为了实时读取数据而设计的。