Elasticsearch 滚动（Scroll）用法、使用场景及与扫描（Scan）的区别
在 Elasticsearch 7.x 版本的大规模数据检索场景中，传统分页方式的局限性愈发明显。扫描（Scan）和滚动（Scroll）机制作为高效处理全量数据的核心方案，在该版本中有着明确的特性定位和使用规范。本文将基于 Elasticsearch 7.x 版本，详细解析两者的作用、使用场景、具体用法及核心区别。
一、ES滚动（Scroll）作用和意义
Elasticsearch 7.x 中，传统的 from + size 分页方式依然受限于 index.max_result_window 参数（默认值 10000），当需要获取超过该限制的数据或进行全量遍历的时，性能会急剧下降。而扫描和滚动机制正是为解决这一问题而生。
滚动（Scroll） 的作用是通过创建搜索结果的 “快照”，生成唯一的滚动 ID（Scroll ID），允许后续通过该 ID 分批获取全部结果。它保留搜索上下文，避免每次分页都重新执行搜索和排序操作，从而高效支持海量数据的全量遍历，且不受 max_result_window 限制。
扫描（Scan） 在 Elasticsearch 7.x 中已不再通过 search_type=scan 参数启用，而是作为滚动机制的一种特殊模式存在 —— 即禁用排序的滚动。其作用是在滚动的基础上进一步降低性能开销，通过跳过结果排序步骤，仅按文档在分片上的原生存储顺序返回数据，专注于纯全量数据提取场景。
二、ES滚动（Scroll）使用场景
在 Elasticsearch 7.x 中，扫描和滚动的特性决定了它们适用于不同的业务场景。
滚动（Scroll） 适用于需要有序结果的全量数据遍历场景。例如，在日志分析系统中，需要按时间戳降序导出最近一个月的错误日志，用于排查系统故障规律；在内容平台中，按文章发布时间排序导出热门文章数据，生成月度内容总结报表。这些场景下，结果的有序性是核心需求，滚动机制能在保证顺序的同时高效完成全量数据获取。
扫描（Scan，即禁用排序的滚动） 则适用于无需排序的全量数据处理场景。比如，在数据迁移过程中，将 Elasticsearch 中的历史数据全量导出至数据仓库；进行数据备份时，批量提取全量文档并存储至备份介质；在数据清洗前，获取原始数据进行字段完整性校验等。这类场景更关注数据提取的效率，对结果顺序无要求，扫描模式能以更低的性能开销完成任务。
三、具体用法
（一）滚动（Scroll）的用法
滚动操作在 7.x 版本中流程清晰，主要包括初始化滚动、批量获取结果和清理滚动上下文三个步骤。
1、初始化滚动搜索：
通过在请求 URL 中添加 scroll 参数指定搜索上下文的保留时间（如 scroll=10m 表示保留 10 分钟），在请求体中设置 size 定义每批返回的文档数量，并配置排序条件（若需要）。请求会返回第一批结果和 _scroll_id。
示例请求：
POST /my_index/_search?scroll=10m
{"size": 200, // 每批返回 200 条文档"query": {"range": {"create_time": {"gte": "2023-01-01","lte": "2023-12-31"}}},"sort": [{"create_time": "asc"}] // 按创建时间升序排序
}返回结果中，_scroll_id 用于后续批量获取，hits 包含第一批符合条件的文档。
2、批量获取后续结果：
使用初始化返回的 _scroll_id 发送滚动请求，每次请求会返回下一批结果。需注意在请求中再次指定 scroll 参数，延长搜索上下文的保留时间。重复此步骤，直到 hits.hits 为空，即表示已获取全部结果。
示例请求：
POST /_search/scroll
{"scroll": "10m", // 延长上下文保留时间"scroll_id": "FGluY2x1ZGVfY29udGV4dF91dWlkDXF1ZXJ5QW5kRmV0Y2gBFnV...==" // 上一步返回的 滚动 ID
}3、清理滚动上下文：
滚动上下文会占用集群内存资源，完成数据获取后需主动清理。可通过指定 scroll_id 删除单个上下文，或删除所有未过期的滚动上下文。
示例请求（删除单个上下文）：
DELETE /_search/scroll
{"scroll_id": "FGluY2x1ZGVfY29udGV4dF91dWlkDXF1ZXJ5QW5kRmV0Y2gBFnV...=="
}4、删除所有上下文：
DELETE /_search/scroll/_all（二）扫描（Scan）的用法（7.x 版本实现方式）
在 Elasticsearch 7.x 中，search_type=scan 参数已被彻底移除，扫描模式通过 “禁用排序的滚动” 实现，用法与滚动类似，但需在请求中明确关闭排序。
初始化扫描模式（禁用排序的滚动）：与滚动初始化步骤相同，需添加 scroll 参数和 size 参数，但在请求体中设置 sort: [] 或不指定任何排序条件，以禁用结果排序。
示例请求：
POST /my_index/_search?scroll=10m
{"size": 200,"query": {"match_all": {} // 匹配所有文档，可根据需求替换为具体查询条件},"sort": [] // 禁用排序，启用扫描模式
}批量获取结果：与滚动机制完全一致，通过初始化返回的 scroll_id 分批获取数据，直到 hits.hits 为空。由于禁用了排序，返回的文档顺序仅由文档在分片上的存储顺序决定，不保证全局有序。
清理滚动上下文：与滚动操作相同，完成数据提取后需主动删除 scroll_id，释放集群资源。
四、区别（基于 Elasticsearch 7.x）
在 Elasticsearch 7.x 版本中，扫描（禁用排序的滚动）与滚动的区别主要体现在排序特性、性能开销、结果顺序和实现方式上：
对比维度 | 滚动（Scroll） | 扫描（Scan，禁用排序的滚动） |
排序配置 | 支持自定义排序（如按字段、评分排序），需在请求中指定 sort 条件 | 必须禁用排序，请求中需设置 sort: [] 或不配置排序 |
性能表现 | 因排序操作消耗计算资源，性能略低 | 无排序计算开销，性能优于滚动模式 |
结果顺序 | 基于排序条件实现全局有序 | 按文档在分片的原生顺序返回，全局无序 |
适用场景 | 需要有序结果的全量遍历（如按时间排序导出数据） | 无需排序的全量数据提取（如数据迁移、备份） |
实现方式 | 通过 scroll 参数启用，需配置排序条件 | 通过 scroll 参数 + 禁用排序实现，无独立参数 |
版本兼容性 | 完全支持，无废弃风险 | 替代 search_type=scan 的推荐实现方式 |
五、使用注意事项（基于 Elasticsearch 7.x）
滚动上下文有效期：scroll 参数指定的是每次请求后上下文的存活时间，需确保批量获取间隔不超过该时间，否则上下文失效需重新初始化。建议根据数据量和处理速度合理设置，避免过短导致频繁重新初始化，或过长浪费资源。
内存资源管理：滚动上下文会占用集群内存，尤其是在处理超大规模数据时，未及时清理的 scroll_id 可能导致内存泄露。建议使用完毕后立即执行删除操作，或通过监控工具跟踪未清理的滚动上下文。
数据实时性限制：滚动基于初始化时的结果快照，无法获取初始化后新增、修改或删除的文档。若需实时数据，需重新发起滚动请求。
分片与 size 参数：size 参数定义的是每个分片返回的文档数，实际每批结果数为 size × 分片数。需根据集群分片数量合理设置 size，避免单次返回数据量过大导致网络拥堵。