私有Vespa服务器：高效获取符合条件的全部文档ID的最优方法

• 利用Scroll游标分页查询
  这是最推荐的方式，既借助索引的高效匹配能力，又避开单次查询的maxHits限制。执行初始查询时带上scroll参数获取游标ID，之后循环用该ID拉取后续结果，直到返回空结果集：
  初始请求：

  select id from my_container where my_field contains "my_value" limit 1000 scroll
  

  后续分页请求：

  select id from my_container where scrollId="YOUR_SCROLL_ID"
  

  这种方式仅扫描索引匹配的文档，效率远高于全量遍历的visit方法。

• 临时调高单查询的maxHits限制
  如果只是偶尔导出全量结果，且匹配文档总量在服务器内存承受范围内，可直接在查询中设置更大的limit值（覆盖全局maxHits配置）：

  select id from my_container where my_field contains "my_value" limit 500000
  

  注意不要设置过大导致内存溢出，适合匹配文档量中等的场景。

• Batch API并行查询（大规模集群场景）
  若集群节点较多，可通过Batch API针对不同节点发起并行查询，每个节点返回部分结果后再合并。这种方式能进一步提升大集群下的查询效率，但需要对集群节点分布有一定了解。

对比说明：visit方法是全量遍历所有文档，即使匹配占比极低也要扫完全量，因此效率差；而上述方法均基于已索引的字段做精准匹配扫描，只处理符合条件的文档，性能优势明显。

内容的提问来源于stack exchange，提问作者pic11