search_after

【Elasticsearch入门到落地】19、ElasticSearch深度分页问题解决方案：search_after技术详解接上篇《18、Elasticsearch实战：Java API详解高亮、排序与分页》在ElasticSearch中，当我们使用传统的from和size参数进行分页时，系统需要为每个分片计算from+size条结果，然后将所有分片的结果汇总到协调节点进行全局排序。这种机制在深度分页时会产生严重的性能问题。问题示例：查询第1000页，每页10条数据 ●每个分片需要返回1000*10=10000条数据到协调节点 ●协调节点需要对所有分片返回的数据进行合并排序 ●内存消耗和CPU开销随分页深度线性增长

ES理论：分页查询方案及优化策略博主介绍：✌目前全网粉丝4W+，csdn博客专家、Java领域优质创作者，博客之星、阿里云平台优质作者、专注于Java后端技术领域。

Elasticsearch 之分页查询在搜索引擎应用中，分页查询是一种常见需求。Elasticsearch 提供了多种分页方式以应对不同场景。本文将结合实际应用场景，介绍三种常用的分页查询方法

【Elasticsearch】深度分页及其替代方案深度分页指的是在 Elasticsearch 中查询结果集非常靠后的页码（例如第 1000 1000 1000 页，每页 10 10 10 条数据，即 from=10000）。它通常表现为使用 from + size 参数组合来获取远端的分页数据。例如：

我是有底线的