Elasticsearch（ES）中的分页查询主要有以下四种方式，每种方式适用于不同的场景，且存在不同的性能与功能限制：
一、基础分页：from + size
-
机制：通过
from（起始位置）和size（每页数量）参数实现分页，类似于传统数据库的LIMIT offset, size。GET /your_index/_search { "from": 0, "size": 10, "query": { ... } } -
特点：
- 简单易用：适合小数据量或浅层分页（如查询前100页）。
- 性能瓶颈：深度分页时（如
from > 10000），需在每个分片加载并排序from + size条数据，合并后再截取目标区间，导致内存和CPU消耗剧增，默认限制为max_result_window=10000。 - 不适用场景：大数据量深度分页（如导出全量数据或查询第1000页后的数据）。
二、滚动查询：scroll
-
机制：通过创建索引快照（
snapshot）维护滚动上下文，基于scroll_id逐批获取数据，类似游标遍历。// 初始化 GET /your_index/_search?scroll=1m { "size": 1000, "query": { ... } } // 后续请求 GET /_search/scroll { "scroll_id": "DnF1...", "scroll": "1m" } -
特点：
- 大数据量支持：适合数据导出、批量处理等离线任务，可遍历全量数据。
- 实时性牺牲：基于初始快照查询，不反映后续数据变更。
- 资源消耗：需维护滚动上下文，长期未清理可能导致内存泄漏。
三、实时深度分页：search_after
-
机制：基于上一页最后一条记录的排序值（如时间戳、唯一ID）定位下一页起始点，避免全局排序。
GET /your_index/_search { "size": 10, "query": { ... }, "sort": [{"timestamp": "asc"}, {"_id": "asc"}], "search_after": [1698765432, "abc123"] } -
特点：
-
高性能：无需全局排序，适合深度分页且需实时性的场景（如无限滚动加载）。
-
限制：
- 顺序遍历：仅支持顺序逐页查询，无法跳页。
- 排序字段要求：需至少一个唯一且稳定的排序字段（如时间戳+ID组合）。
-
结合PIT（Point in Time）：通过
pit_id固定查询快照，保证分页过程中数据一致性。
-
四、复合聚合分页：composite聚合
-
机制：通过聚合分桶（如按时间区间、分类）实现分页，结合
after_key参数逐批获取结果。GET /your_index/_search { "size": 0, "aggs": { "my_buckets": { "composite": { "size": 100, "sources": [{"field": "category"}] } } } } -
特点：
- 聚合场景专用：适合按维度分页统计（如分页展示分类商品数量）。
- 非通用分页：不适用于文档列表分页，主要用于聚合结果分页。
总结：如何选择分页方式？
| 场景 | 推荐方式 | 注意事项 |
|---|---|---|
| 浅层分页（前100页） | from + size | 避免超过max_result_window限制 |
| 大数据量导出或离线处理 | scroll | 及时清理scroll_id，避免内存泄漏 |
| 实时深度分页（如无限滚动） | search_after | 需唯一排序字段，结合PIT保证一致性 |
| 按维度分页统计 | composite聚合 | 仅适用于聚合结果，非文档列表分页 |
