elasticsearch的ScanScroll如何使用

55次阅读

共计 2561 个字符，预计需要花费 7 分钟才能阅读完成。

这篇文章主要讲解了“elasticsearch 的 ScanScroll 如何使用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着丸趣 TV 小编的思路慢慢深入，一起来研究和学习“elasticsearch 的 ScanScroll 如何使用”吧！

ScanScroll 的特点

优点

速度快

大数据量

缺点

不支持排序

不支持分页

不支持评分

不支持续查

使用场景

看起来，缺点要比优点多很多，不过它很有用。如果说 BULK 是为了快速入库存在的，那 SCAN 就是为了快速出库而诞生的。ES 的查询性能优越，但是分析能力弱。所以会有, 比如把 ES 的数据拉到 Hadoop 集群去分析计算的需求，当然这个已经有现成的插件了，不出所料也是用的 SCAN。如果 SCAN 遭遇 BULK，也就是 ES 到 ES 的话，它有另一个更熟悉的名字叫复制表。

使用方法

def scanTest():
 searchRes = es.search(index= users ,size=10,body={ query : { match_all : {}}},search_type= scan ,scroll= 10s )
 while True:
 scrollRes=es.scroll(scroll_id=searchRes[ _scroll_id],scroll= 10s ,ignore=[400, 404])
 res_list = scrollRes[hits][hits]
 if not len(res_list):
 break;
 for res in res_list:
 print res[_source][userName]

原理流程

整个流程比较清晰，先 count 一个总数，下面每次 scroll，返回 size* 分片数的数据，直到遍历全部。SCAN 是支持查询偏好 preference 的，可以指定分片，所以有人说的 size* 主分片数，是不准确的，这个很容易验证。

第一阶段：Search

用 TotalHitCountCollector 统计下总数，并且确定（节点，查询上下文 ID），Base64 编码成 ScrollId 返回

第二阶段：SearchScroll

根据 ScrollId 去每个节点，找到查询上下文 ID 执行 XFilteredQuery，收集结果，合并返回

第一阶段除了返回总数，还有一个很神秘的 ScrollId，这个 ScrollId 长成这样，很像 Base64 编码过的。一定不是 ID 那么简单，了解一番，果不其然，主要有 3 个部分组成 type,context,attributes

type 分别是 queryThenFetch,queryAndFetch,scan, 我们这里讲的是 scan

attributes 只有一个元素，total_hits

context 是个分片的元组，有 2 个元素，分片 = [节点 ID, 查询上下文 ID]

ScrollId 是个很容易会暴露秘密的东西，我们会发现 ScrollId 依赖的节点 ID 和查询上下文 ID 都是变量，查询上下文 ID，每次请求都要递增的。所以每次请求的 ScrollId 都不一样，导致了如果在我们的 SCAN 过程意外终止，我们可能需要重新来过。

每次 SCAN，处理 Scroll 跳到下一页去，我们自己指定 form 是无效的。

//SearchService
private void processScroll(InternalScrollSearchRequest request, SearchContext context) {
 // process scroll
 context.from(context.from() + context.size());
 context.scroll(request.scroll());
 // ...
 }

//ScanContext
public TopDocs execute(SearchContext context) throws IOException { ScanCollector collector = new ScanCollector(readerStates, context.from(), context.size(), context.trackScores());
 Query query = new XFilteredQuery(context.query(), new ScanFilter(readerStates, collector));
 try { context.searcher().search(query, collector);
 } catch (ScanCollector.StopCollectingException e) {
 // all is well
 }
 return collector.topDocs();}

自定义的 Filter，Collector，执行搜索，收集那一页的结果集

 //ScanContext
 public void collect(int doc) throws IOException { if (counter  = from) { docs.add(new ScoreDoc(docBase + doc, trackScores ? scorer.score() : 0f));
 }
 readerState.count++;
 counter++;
 if (counter  = to) {
 throw StopCollectingException;
 }
}

根据以往数据库的认识，count 操作总是很慢的，这让我很担心会延长整个查询的时间，后来我发现这种担心是多余的，对于全文检索 count 操作是很快速的。根据测试，17 亿数据 24 个分片，平均每个分片的 count 时间在 200ms 到 700ms 之间，最糟糕的情况下总数也能在 1 秒内返回，这对于整个查询时间而言是可以接受的。

感谢各位的阅读，以上就是“elasticsearch 的 ScanScroll 如何使用”的内容了，经过本文的学习后，相信大家对 elasticsearch 的 ScanScroll 如何使用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是丸趣 TV，丸趣 TV 小编将为大家推送更多相关知识点的文章，欢迎关注！

正文完