学生个人网站模板哪些平台可以发广告
💝💝💝欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。
- 推荐:kwan 的首页,持续学习,不断总结,共同进步,活到老学到老
- 导航
- 檀越剑指大厂系列:全面总结 java 核心技术,jvm,并发编程 redis,kafka,Spring,微服务等
- 常用开发工具系列:常用的开发工具,IDEA,Mac,Alfred,Git,typora 等
- 数据库系列:详细总结了常用数据库 mysql 技术点,以及工作中遇到的 mysql 问题等
- 新空间代码工作室:提供各种软件服务,承接各种毕业设计,毕业论文等
- 懒人运维系列:总结好用的命令,解放双手不香吗?能用一个命令完成绝不用两个操作
- 数据结构与算法系列:总结数据结构和算法,不同类型针对性训练,提升编程思维,剑指大厂
非常期待和您一起在这个小小的网络世界里共同探索、学习和成长。💝💝💝 ✨✨ 欢迎订阅本专栏 ✨✨
博客目录
- 一.基本介绍
- 二.代码实战
- 1.console 查询
- 2.代码查询
一.基本介绍
在 Elasticsearch (ES) 中进行分页查询主要有三种方式：from + size、search_after 和 scroll。每种方式都有其适用场景和优缺点。
-
from + size：这是最基本的分页方式，通过指定
from（起始位置）和size（每页数量）来获取数据。它简单易用，适用于数据量不大或不需要深度分页的场景。但是，当from值很大时，性能会下降，因为需要合并和排序所有分片返回的结果。ES 默认的max_result_window限制了最大分页数，通常为 10000，这意味着from + size的值不能超过这个限制。如果需要处理大量数据或深度分页，这种方式可能不是最佳选择。 -
search_after：这种方式适用于需要深度分页的场景，它通过使用上一页的最后一个文档的排序值来获取下一页数据，因此可以有效地避免深度分页的性能问题。这种方式的优点是性能较好，不存在深度分页问题，能够反映数据的实时变更。但是，它需要一个全局唯一的字段来排序，且实现相对复杂，每次查询都需要上次查询的结果。
-
scroll：scroll API 允许你“游走”或“滚动”通过大量结果，而不需要使用深度分页。它通过维护一个活跃的搜索上下文来实现，这个上下文会在指定的时间内保持开启状态。scroll 适用于需要遍历大量数据的场景，但牺牲了数据的实时性，因为 scroll 查询是基于初始查询时的快照数据。这种方式的优点是查询效率高，尤其适合于数据导出或批量处理，但缺点是需要维护 scroll ID 和历史快照，对服务器资源有一定的消耗。
选择哪种分页方式取决于具体的需求和场景。对于大多数常见的分页需求，from + size可能足够使用。但如果需要处理大量数据或进行深度分页，那么scroll或search_after可能是更好的选择。在实际应用中，需要根据数据量、查询频率、实时性要求等因素综合考虑。
二.代码实战
1.console 查询
GET _search
{"query": {"match_all": {}}
}GET /GET /_cluster/healthGET /_cat/health?vGET /db01_v1_20240903-index/_searchGET /db01_v1_20240903-index/_search?from=0&size=10POST /db01_v1_20240903-index/_search
{"from": 0,"size": 10,"_source": ["_id", "id", "source", "target", "description", "weight"],"query": {"query_string": {"query": "source:*應用*","default_field": "source","fuzziness": 1}}}GET /db01_v1_20240903-index/_search?from=0&size=10POST /db01_v1_20240903-index/_search
{"from": 0,"size": 10,"query": {"query_string": {"query": "subject_id:*我照顧的人*","default_field": "subject_id","fuzziness": 1}}
}POST /db01_v1_20240903-index/_search
{"from": 0,"size": 10,"query": {"match": {"subject_id": {"query": "照顧","fuzziness": 1}}}
}
2.代码查询
def list_label_readable(self, name, page, page_size, label):all_docs = []if page < 1 or page_size <= 0:return all_docs, 0label_dict = QueryEnum.query_info.value[label]index_name = self.index_prefix + label_dict['index_name']response = self._es.search(index=index_name,body={"from": (page - 1) * page_size,"size": page_size,"_source": label_dict['_source'],"query": {"query_string": {"query": f"{label_dict['query_name']}:*{name}*","default_field": f"{label_dict['query_name']}","fuzziness": label_dict['fuzziness']}}if label == QueryEnum.ENTITIES.value or label == QueryEnum.RELATIONSHIPS.value else{"match": {f"{label_dict['query_name']}":{"query": f"{name}","fuzziness": label_dict['fuzziness']}}},},)total = response['hits']['total']['value']hits = response['hits']['hits']for hit in hits:_source = hit['_source']_source['_id'] = hit['_id']all_docs.append(_source)return all_docs, total
觉得有用的话点个赞
👍🏻呗。
❤️❤️❤️本人水平有限，如有纰漏，欢迎各位大佬评论批评指正！😄😄😄💘💘💘如果觉得这篇文对你有帮助的话，也请给个点赞、收藏下吧，非常感谢!👍 👍 👍
🔥🔥🔥Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧！🌙🌙🌙
