1、执行原理如下：例如查询offset=500，limit=20的数据。由于ElasticSearch中的数据存储在各个分片中，按照一般的查询流程，如果要查询前10条数据必须经过以下过程：1.客户端向分片的主节点发送请求簇。2、主节点将请求转发给各个分片，查询每个分片上的前500+20=520条数据。3.每个分片返回结果给主节点，整合数据，提取第500到520项。4.将数据返回给请求的客户端。这样会带来的问题是当分页很深的时候，比如取5000到5010条数据的时候，elasticsearch需要在每5010条数据从shard中取出，然后聚合到master节点，主节点对所有结果进行排序，选出前10个结果返回给客户端，其他数据全部丢弃。所以，当分页很深的时候，特别容易造成集群OOM，即使不OOM，也会消耗CPU和内存资源。所以ES使用index.max_result_window:10000配置作为保护措施，即默认的from+size不能超过10000。虽然这个参数可以动态修改或者在配置文件中配置，但是最好不要这样做，因为它消耗了太多的集群资源和性能。2.滚动“深”分页好在ElasticSearch也提供了滚动“深”分页的方法，可以支持我们在es集群上进行深翻页，甚至读取所有数据。执行原理如下：scroll可以理解为关系型数据库中的一个游标，scroll具体分为初始化和遍历两步：1.初始化时，缓存所有满足搜索条件的搜索结果，可以被想象成一个快照并返回一个_scroll_id2。遍历时，使用_scroll_id从这个快照中获取数据。3、每次取数据后，返回一个新的_scroll_id，记录当前阅读位置，下次可以根据这个新的_scroll_id继续阅读以下内容4、如果没有数据，返回空命中，这样就可以判断是否遍历了所有的数据
