MySQL
    分页的基本原理：
    SELECT FROM test ORDER BY id DESC LIMIT 10000, 20;LIMIT 10000 , 20的意思扫描满足条件的10020行，扔掉前面的10000行，返回最后的20行。如果是LIMIT 1000000 , 100，需要扫描1000100 行，在一个高并发的应用里，每次查询需要扫描超过100W。
    ElasticSearch
    从业务的角度来说，ElasticSearch不是典型的数据库，它是一个搜索引擎，如果在筛选条件下没有搜索出想要的数据，继续深度分页也不会找到想要的数据，退一步讲，假如我们把ES作为数据库来使用进行查询，在进行分页的时候一定会遇到max_result_window的限制，看到没，官方都告诉你最大偏移量限制是一万。
    查询流程：
    1.如查询第501页，每页10条，客户端发送请求到某节点
    2.此节点将数据广播到各个分片，各分片各自查询前 5010 条数据查询结果返回至该节点，
    3.然后对数据进行整合，取出前 5010 条数据
    *4.返回给客户端

    解决方案
    原分页SQL：
    # 第一页SELECT FROM year_score where year = 2017 ORDER BY id limit 0, 20;# 第N页SELECT FROM year_score where year = 2017 ORDER BY id limit (N - 1) 20, 20; 通过上下文关系，改写为：
    # XXXX 代表已知的数据SELECT     FROM year_score where year = 2017 and id > XXXX ORDER BY id limit 20;SQL优化和诊断 一文中提到过，LIMIT会在满足条件下停止查询，因此该方案的扫描总量会急剧减少，效率提升Max！
    ES
    方案和MySQL相同，此时我们就可以随心所欲的使用 FROM-TO Api，而且不用考虑最大限制的问题。

    在 SQL优化一文中还提到过MySQL深度分页的处理技巧，代码如下：
    # 反例（耗时129.570s）select from task_result LIMIT 20000000, 10;# 正例（耗时5.114s）SELECT a. FROM task_result a, (select id from task_result LIMIT 20000000, 10) b where a.id = b.id;# 说明# task_result表为生产环境的一个表，总数据量为3400万，id为主键，偏移量达到2000万该方案的核心逻辑即基于聚簇索引，在不通过回表的情况下，快速拿到指定偏移量数据的主键ID，然后利用聚簇索引进行回表查询，此时总量仅为10条，效率很高。