初学elasticsearch

ES

一、初识elasticsearch

1、什么是elasticsearch，elastic static，Lucene

​ elasticsearch是一个开源的分布式搜索引擎，可以用来实现搜索，日志统计、分析，系统监控等功能

​ elasticsearch结合kibana，logstach，beats也就是elastic static，被广泛应用在日志数据分析，实时监控等领域。

​ elasticsearch是elastic static的核心，底层实现是通过Lucene，负责存储、搜索、分析数据。beats，logstach负责数据抓取。Kibana负责数据可视化。

​ elastic static是以elastic search为核心的技术栈，包括：beats，logstach，kibana，elasticsearch。

​ Lucene是Apache的来源引擎类库，提供了搜索 引擎的核心api。优势：易扩展，高性能（基于倒排序索引）。缺点：只限java语言开发，学习路线陡峭，不支持水平扩展

2、倒排索引

2.1、正向索引和倒排序索引

正向索引：基于文档id创建索引。查询词条时必须先找到文档，再判断文档是否包含词条。mysql会基于id创建一个索引生成一棵B+树，根据id查询数据速度非常快。

缺点：假如搜索的是title字段，因为title比较长所以一般不会给title加索引。即便加了索引，如果不是精确查找而是如下图的搜索，此时索引会失效，数据库会采用逐条扫描的方式 来判断是否包含手机，如果包含就放到结果集中， 否则丢弃。如果数据量庞大， 那么查找的性能就非常低下。

**倒排索引：**先对文档内容进行分词，对词条创建索引。并记录词条所在的文档信息。查询时先根据词条查找到文档id，而后获取文档。

• 文档（document）：每条数据就是一个文档
• 词条（term）：按照语义分成的词语。对文档中的内容进行分词得到的词语就是词条

3、es与mysql的概念对比

3.1、文档

​ elasticsearch面向的是文档的存储，可以是数据库中的一条商品数据，一个订单信息。文档中的数据会被序列化为json格式后存储在elasticsearch中。

• 文档：一条数据就是一个文档，es中是json格式
• 字段：json文档中的字段

3.2、索引

• 索引（index）：相同类型的文档的集合
• 映射（mapping）：索引中文档的字段约束信息，类似表的结构约束。比如字段名称，类型。

3.3、es与数据库中的关系

• Mysql：擅长事务类型操作，可以确保数据的安全和一致性
• Elasticsearch：擅长海量数据的搜索、分析、计算
  

二、索引库操作

1、mapping属性

Mapping是索引库中文档的约束，常见的Mapping属性包括：

• type：字段数据类型，常见的简单类型有：
  • 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
  • 数值：long、integer、short、byte、double、float
  • 布尔：boolean
  • 日期：date
  • 对象：object
• index：是否创建索引，默认为true
• analyzer：使用哪种分词器
• properties：该字段的子字段

{"age": 21,"weight": 52.1,"isMarried": false,"info": "黑马程序员Java讲师","email": "[e-mail]","score": [99.1, 99.5, 98.9],"name": {"firstName": "云","lastName": "赵"}
}

字段名	字段类型	类型说明	是否参与搜索	是否参与分词	分词器
age	integer	整数	是	否	——
weight	float	浮点数	是	否	——
isMarried	boolean	布尔	是	否	——
info	text	字符串， 但需要分词	是	是	IK
email	keyword	字符串， 但是不分词	否	否	——
score	float	只看数组中 元素类型	是	否	——
firstName	keyword	字符串， 但是不分词	是	否	——
lastName	keyword	字符串， 但是不分词	是	否	——

2、创建索引库和映射

基本语法：

• 请求方式：PUT
• 请求路径：/索引库名，可以自定义
• mapping映射

格式：

PUT /索引库名称
{"mappings": {"properties": {"字段名":{"type": "text","analyzer": "ik_smart"},"字段名2":{"type": "keyword","index": "false"},"字段名3":{"properties": {"子字段": {"type": "keyword"}}},// ...略}}
}

示例：

# PUT /heima
{"mappings": {"properties": {"info":{"type": "text","analyzer": "ik_smart"},"email":{"type": "keyword","index": "false"},"name":{"properties": {"firstName": {"type": "keyword"}}}}}
}

3、查找、删除、修改索引

3.1、查询索引库：

基本语法：

• 请求方式：GET
• 请求路径：/索引库名
• 请求参数：无

格式：

GET/索引库名

3.2、修改索引库

​ 倒排索引结构虽然不复杂，但是一旦数据结改变（比如改变哩分词器），就需要重新创建倒排索引。因此索引库一旦创建，无法修改mapping。

​ 虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。因此修改索引库能做的就是向索引库中添加新字段，或者更新索引库的基础属性。

语法说明：

PUT /索引库名/_mapping
{"properties": {"新字段名":{"type": "integer"}}
}

示例：

PUT /heima/_mapping
{"properties": {"age":{"type": "integer"}}
}

3.3、删除索引库

语法：

• 请求方式：DELETE
• 请求路径：/索引库名
• 请求参数：无

格式：

DELETE/索引库名

三、文档操作

1、查询、新增、删除文档

1.1、新增文档

语法：

POST /索引库名/_doc/文档id
{"字段1": "值1","字段2": "值2","字段3": {"子属性1": "值3","子属性2": "值4"},
}

1.2、查询文档

语法：

GET /{索引库名称}/_doc/{id}

1.3、删除文档

语法：

DELETE /{索引库名}/_doc/id值

2、修改文档

2.1、全量修改

全量修改是覆盖原来的文档，其本质是两步操作：

• 根据指定的id删除文档
• 新增一个相同id的文档

**注意**：如果根据id删除时，id不存在，第二步的新增也会执行，也就从修改变成了新增操作了。

语法：

PUT /{索引库名}/_doc/文档id
{"字段1": "值1","字段2": "值2",// ... 略
}

示例：

PUT /heima/_doc/1
{"info": "黑马程序员高级Java讲师","email": "[e-mail]","name": {"firstName": "云","lastName": "赵"}
}

​ 如果id为1的文档已经被删除，那么第一次执行时，得到的反馈是created。如果执行第2次时，得到的反馈则是update。

2.2、局部修改

局部修改是指只修改指定id匹配的文档中的部分字段。

语法：

POST /{索引库名}/_update/文档id
{"doc": {"字段名": "新的值",}
}

示例：

POST /heima/_update/1
{"doc": {"email": "[e-mail]"}
}

3、批处理

批处理采用POST请求，基本语法如下：

POST _bulk
{ "index" : { "_index" : "test", "_id" : "1" } }
{ "field1" : "value1" }
{ "delete" : { "_index" : "test", "_id" : "2" } }
{ "create" : { "_index" : "test", "_id" : "3" } }
{ "field1" : "value3" }
{ "update" : {"_id" : "1", "_index" : "test"} }
{ "doc" : {"field2" : "value2"} }

其中：

• index代表新增操作
  • _index：指定索引库名
  • _id：指定要操作的文档id
  • {"field1":"value1"}:要新增的文档内容
• delete：代表删除操作
  • _index：指定索引库名
  • _id：指定要操作的文档id
• update代表更新操作
  • _index：指定索引库名
  • _id：指定要操作的文档id
  • { "doc" : {"field2" : "value2"} }：要更新的文档字段

示例，批量新增：

POST /_bulk
{"index": {"_index":"heima", "_id": "3"}}
{"info": "黑马程序员C++讲师", "email": "[e-mail]", "name":{"firstName": "五", "lastName":"王"}}
{"index": {"_index":"heima", "_id": "4"}}
{"info": "黑马程序员前端讲师", "email": "[e-mail]", "name":{"firstName": "三", "lastName":"张"}}

批量删除：

POST /_bulk
{"delete":{"_index":"heima", "_id": "3"}}
{"delete":{"_index":"heima", "_id": "4"}}

四、RestAPI

4.1、初始化RestClient

​ 在elasticsearch提供的API中，与elasticsearch一切交互都封装在一个名为RestHighLevelClient的类中，必须先完成这个对象的初始化，建立与elasticsearch的连接。

​ 分三步：

• 在item-service模块中引入es的RestHighLevel Client依赖：

<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>

• 覆盖掉SpringBoot默认的ES版本7.17.0：

  <properties><maven.compiler.source>11</maven.compiler.source><maven.compiler.target>11</maven.compiler.target><elasticsearch.version>7.12.1</elasticsearch.version></properties>

• 初始化RestHighLevelClient

RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://192.168.150.101:9200")
));

​ 创建一个测试类IndexTest，然后将初始化的代码编写在@BeforeEach方法中：

package com.hmall.item.es;import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;import java.io.IOException;public class IndexTest {private RestHighLevelClient client;@BeforeEachvoid setUp() {this.client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://192.168.150.101:9200")));}@Testvoid testConnect() {System.out.println(client);}@AfterEachvoid tearDown() throws IOException {this.client.close();}
}

4.2、创建索引库

​ 由于要实现对商品搜索，所以我们需要将商品添加到Elasticsearch中，不过需要根据搜索业务的需求来设定索引库结构，而不是一股脑的把MySQL数据写入Elasticsearch.

4.2.1、Mapping映射

搜索页面的效果如图所示：

实现搜索功能需要的字段包括三大部分：

• 搜索过滤字段
  • 分类
  • 品牌
  • 价格
• 排序字段：
  • 默认：按照更新时间降序排序
  • 销量
  • 价格
• 展示字段
  • 商品id：用于点击后跳转
  • 图片地址
  • 是否是广告推广商品
  • 名称
  • 价格
  • 评价数量
  • 销量

​ 对应的商品表结构如下，索引库无关字段已经划掉：

​ 结合数据库表结构，以上字段对应的mapping映射属性如下：

字段名	字段类型	类型说明	是否参与搜索	是否参与分词	分词器
id	long	长整数	是	否	——
name	text	字符串，参与分词搜索	是	是	IK
price	integer	以分为单位，所以是整数	是	否	——
stock	integer	字符串，但需要分词	是	否	——
image	keyword	字符串，但是不分词	否	否	——
category	keyword	字符串，但是不分词	是	否	——
brand	keyword	字符串，但是不分词	是	否	——
sold	integer	销量，整数	是	否	——
commentCount	integer	评价，整数	否	否	——
isAD	boolean	布尔类型	是	否	——
updateTime	Date	更新时间

​ 因此，最终我们的索引库文档结构应该是：

PUT /items
{"mappings": {"properties": {"id": {"type": "keyword"},"name":{"type": "text","analyzer": "ik_max_word"},"price":{"type": "integer"},"stock":{"type": "integer"},"image":{"type": "keyword","index": false},"category":{"type": "keyword"},"brand":{"type": "keyword"},"sold":{"type": "integer"},"commentCount":{"type": "integer","index": false},"isAD":{"type": "boolean"},"updateTime":{"type": "date"}}}
}

4.2.2、创建索引

创建索引库的API如下：

代码分为三步：

• 创建Request对象

  • 因为是创建索引库的操作，因此Request是CreateIndexRequest。

• 添加请求参数

  • 其实就是Json格式的Mappiing映射参数。因为json字符串很长，这里定义了静态字符串常量MAPPING_TEMPLATE，让代码看起来更优雅。

• 发送请求

  • client.indices()方法的返回值是IndicesClient类型，封装了所有与索引库操作有关的方法。例如创建索引、删除索引、判断索引是否存在等。

  在item-service中的IndexTest测试类中，具体代码如下：

@Test
void testCreateIndex() throws IOException {// 1.创建Request对象CreateIndexRequest request = new CreateIndexRequest("items");// 2.准备请求参数request.source(MAPPING_TEMPLATE, XContentType.JSON);// 3.发送请求client.indices().create(request, RequestOptions.DEFAULT);
}static final String MAPPING_TEMPLATE = "{\n" +"  \"mappings\": {\n" +"    \"properties\": {\n" +"      \"id\": {\n" +"        \"type\": \"keyword\"\n" +"      },\n" +"      \"name\":{\n" +"        \"type\": \"text\",\n" +"        \"analyzer\": \"ik_max_word\"\n" +"      },\n" +"      \"price\":{\n" +"        \"type\": \"integer\"\n" +"      },\n" +"      \"stock\":{\n" +"        \"type\": \"integer\"\n" +"      },\n" +"      \"image\":{\n" +"        \"type\": \"keyword\",\n" +"        \"index\": false\n" +"      },\n" +"      \"category\":{\n" +"        \"type\": \"keyword\"\n" +"      },\n" +"      \"brand\":{\n" +"        \"type\": \"keyword\"\n" +"      },\n" +"      \"sold\":{\n" +"        \"type\": \"integer\"\n" +"      },\n" +"      \"commentCount\":{\n" +"        \"type\": \"integer\"\n" +"      },\n" +"      \"isAD\":{\n" +"        \"type\": \"boolean\"\n" +"      },\n" +"      \"updateTime\":{\n" +"        \"type\": \"date\"\n" +"      }\n" +"    }\n" +"  }\n" +"}";

4.3、删除索引库

删除索引库的请求非常简单：

DELETE/hotel

与创建索引库相比：

• 请求方式从PUT变为DELETE
• 请求路径不变
• 无请求参数

所以代码的差异，集中体现在Request对象上。流程如下：

• 创建Request对象。这次是DeleteIndexRequest对象
• 准备参数。这里是无参，因此省略
• 发送请求。改用delete方法

在item-service中的IndexTest测试类中，编写单元测试，实现删除索引：

@Test
void testDeleteIndex() throws IOException {// 1.创建Request对象DeleteIndexRequest request = new DeleteIndexRequest("items");// 2.发送请求client.indices().delete(request, RequestOptions.DEFAULT);
}

4.4、判断索引库是否存在

判断索引库是否存在，本质就是查询，对应的请求语句：

GET/hotel

因此与删除的Java代码流程是类似的，流程如下：

• 创建Request对象。这次是GetIndexRequest对象
• 准备参数。这里是无参，直接省略
• 发送请求。改用exists方法

@Test
void testExistsIndex() throws IOException {// 1.创建Request对象GetIndexRequest request = new GetIndexRequest("items");// 2.发送请求boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);// 3.输出System.err.println(exists ? "索引库已经存在！" : "索引库不存在！");
}

4.5、总结

JavaRestClient操作elasticsearch的流程基本类似。核心是client.indices()方法来获取索引库的操作对象。

索引库操作的基本步骤：

• 初始化RestHighLevelClient
• 创建xxxIndexRequest。xxx是Create、Get、Delete
• 准备请求参数（Create时需要，其他是无参，可以省略）
• 发送请求。调用RestHighLevelClient#indices().xxx()方法，xxx是create、exists、delete

五、RestClient操作文档

索引库准备好以后，就可以操作文档了。为了与索引库操作分离，我们再创建一个测试类，做两件事情：

• 初始化RestHighLevelClient
• 我们的商品数据在数据库，需要利用IHOtelService去查询，所以注入这个接口

package com.hmall.item.es;import com.hmall.item.service.IItemService;
import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;import java.io.IOException;@SpringBootTest(properties = "spring.profiles.active=local")
public class DocumentTest {private RestHighLevelClient client;@Autowiredprivate IItemService itemService;@BeforeEachvoid setUp() {this.client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://192.168.150.101:9200")));}@AfterEachvoid tearDown() throws IOException {this.client.close();}
}

5.1、新增文档

我们需要将数据库中的商品信息导入elasticsearch中，而不是造假数据。

5.1.1、实体类

索引结构与数据库结构还存在一些差异，因此我们定义一个索引库结构对应的实体。在hm-service模块的com.hmall.item.domain.dto包中定义一个新的DTO：

package com.hmall.item.domain.po;import io.swagger.annotations.ApiModel;
import io.swagger.annotations.ApiModelProperty;
import lombok.Data;import java.time.LocalDateTime;@Data
@ApiModel(description = "索引库实体")
public class ItemDoc{@ApiModelProperty("商品id")private String id;@ApiModelProperty("商品名称")private String name;@ApiModelProperty("价格（分）")private Integer price;@ApiModelProperty("商品图片")private String image;@ApiModelProperty("类目名称")private String category;@ApiModelProperty("品牌名称")private String brand;@ApiModelProperty("销量")private Integer sold;@ApiModelProperty("评论数")private Integer commentCount;@ApiModelProperty("是否是推广广告，true/false")private Boolean isAD;@ApiModelProperty("更新时间")private LocalDateTime updateTime;
}

5.1.2、API语法

新增文档的请求语法如下：

POST /{索引库名}/_doc/1
{"name": "Jack","age": 21
}

对应的JavaAPI如下：

• 创建Request对象，这里是IndexRequest，因为添加文档就是创建倒排序索引的过程
• 准备请求参数，本例中就是Json文档
• 发送请求

变化的地方在于，这里直接使用client.xxx()的API，不再需要client.indices()了。

5.1.3、完整代码

导入商品数据，出了参考API模板“三步走”以外，还要做以下准备工作：

• 商品数据来自于数据库，我们需要先查询出来，得到Item对象
• Item对象需要转为ItemDoc
• ItemDTO需要序列化为json格式

因此，代码整体步骤如下：

• 根据id查询商品数据Item
• 将Item封装为ItemDoc
• 将ItemDoc序列化为JSON
• 创建IndexRequest，指定索引库名和id
• 准备请求参数，也就是JSON文档
• 发送请求

在item-service的DocumentTest测试类中，编写单元测试：

@Test
void testAddDocument() throws IOException {// 1.根据id查询商品数据Item item = itemService.getById(100002644680L);// 2.转换为文档类型ItemDoc itemDoc = BeanUtil.copyProperties(item, ItemDoc.class);// 3.将ItemDTO转jsonString doc = JSONUtil.toJsonStr(itemDoc);// 1.准备Request对象IndexRequest request = new IndexRequest("items").id(itemDoc.getId());// 2.准备Json文档request.source(doc, XContentType.JSON);// 3.发送请求client.index(request, RequestOptions.DEFAULT);
}

5.2、查询文档

5.2.1、语法说明

查询的请求语句如下：

GET/{索引库名}/_doc/{id}

步骤如下：

• 创建Request对象
• 发送请求

不过查询的目的是得到结果，解析为ItemDTO，还要再加一步对结果的解析。示例代码如下：

响应结果是一个JSON，其中文档放在一个_source属性中，因此解析就是拿到_source，反序列化为Java对象即可。

流程如下：

• 准备Request对象。这次是查询，所以是GetRequest
• 发送请求，得到结果。因为是查询，这里调用client.get()方法
• 解析结果就是对JSON做反序列化

5.2.2、完整代码

在测试类中，编写单元测试：

@Test
void testGetDocumentById() throws IOException {// 1.准备Request对象GetRequest request = new GetRequest("items").id("100002644680");// 2.发送请求GetResponse response = client.get(request, RequestOptions.DEFAULT);// 3.获取响应结果中的sourceString json = response.getSourceAsString();ItemDoc itemDoc = JSONUtil.toBean(json, ItemDoc.class);System.out.println("itemDoc= " + ItemDoc);
}

5.3、删除文档

请求语句如下：

DELETE/hotel/_doc/{id}

与查询相比，仅仅是请求方式从GET变成DELETE,java代码依然是两步走：

• 准备Request对象，因为是删除，所以通过DeleteRequest对象，指定索引库名和id
• 发送请求。因为是删除，所以是client.delete()方法

在测试类中，编写单元测试：

@Test
void testDeleteDocument() throws IOException {// 1.准备Request，两个参数，第一个是索引库名，第二个是文档idDeleteRequest request = new DeleteRequest("item", "100002644680");// 2.发送请求client.delete(request, RequestOptions.DEFAULT);
}

5.4、修改文档

• 全量修改：本质是先根据ID删除，再新增
• 局部修改：修改文档中的指定字段值

在RestClient的API中，全量修改与新增的API完全一致，判断依据是id：

• 如果新增时，ID已经存在，则修改
• 如果新增时，ID不存在，则新增

5.4.1、语法说明：

局部修改的请求语法如下：

POST /{索引库名}/_update/{id}
{"doc": {"字段名": "字段值","字段名": "字段值"}
}

代码示例图：

步骤如下：

• 准备Request对象。修改的对象是UpdateRequest
• 准备参数。也就是JSON文档，里面包含要修改的字段
• 发送请求。调用client.update()方法

5.4.2、完整代码

在测试类中，编写单元测试：

@Test
void testUpdateDocument() throws IOException {// 1.准备Request，第一个参数时索引库名，第二个参数是idUpdateRequest request = new UpdateRequest("items", "100002644680");// 2.准备请求参数request.doc("price", 58800,"commentCount", 1);// 3.发送请求client.update(request, RequestOptions.DEFAULT);
}

5.5、批量导入文档

​ 在之前的案例中，我们都是操作单个文档。而数据库中的商品数据实际会达到数十万条，某些项目中可能达到数百万条。

​ 将这些数据导入索引库，肯定不能逐条导入，而是采用批处理方案。常见的方案有：

• 利用Logstash批量导入
  • 需要安装Logstash
  • 对数据的再加工能力弱
  • 无需编码，但要学习编写Logstash导入配置
• 利用JavaAPI批量导入
  • 需要编码，但基于JavaAPI，学习成本低
  • 更加灵活，可以任意对数据做再加工处理后写入索引库

5.5.1、语法说明

批处理与前面讲的CRUD步骤基本一致：

• 创建Request，批量使用的是BulkRequest
• 准备参数
• 发送请求，调用的方法是client.bulk()

BulkRequest本身其实并没有请求参数，其本质就是将多个普通的CRUD请求组合在一起发送。例如：

• 批量新增文档，就是给每个文档创建一个IndexRequest请求，然后封装到BulkRequest中，一起发出。
• ；批量删除，就是创建N个DeleteRequest请求，然后封装到BulkRequest，一起发出

因此BulkRequest中提供了add方法，用以添加其他CRUD的请求：

能添加的请求有：

• IndexRequest,也就是新增
• UpdateRequest，也就是修改
• DeleteRequest，也就是删除

因此Bulk中添加了多个IndexRequest，就是批量新增功能。

@Test
void testBulk() throws IOException {// 1.创建RequestBulkRequest request = new BulkRequest();// 2.准备请求参数request.add(new IndexRequest("items").id("1").source("json doc1", XContentType.JSON));request.add(new IndexRequest("items").id("2").source("json doc2", XContentType.JSON));// 3.发送请求client.bulk(request, RequestOptions.DEFAULT);
}

5.5.2、完整代码

​ 当我们要导入商品数据时，由于商品数量达到数十万，因此不可能一次性全部导入。建议采用循环遍历方式，每次导入1000条左右的数据。

​ 在测试类中，编写单元测试：

@Test
void testLoadItemDocs() throws IOException {// 分页查询商品数据int pageNo = 1;int size = 1000;while (true) {Page<Item> page = itemService.lambdaQuery().eq(Item::getStatus, 1).page(new Page<Item>(pageNo, size));// 非空校验List<Item> items = page.getRecords();if (CollUtils.isEmpty(items)) {return;}log.info("加载第{}页数据，共{}条", pageNo, items.size());// 1.创建RequestBulkRequest request = new BulkRequest("items");// 2.准备参数，添加多个新增的Requestfor (Item item : items) {// 2.1.转换为文档类型ItemDTOItemDoc itemDoc = BeanUtil.copyProperties(item, ItemDoc.class);// 2.2.创建新增文档的Request对象request.add(new IndexRequest().id(itemDoc.getId()).source(JSONUtil.toJsonStr(itemDoc), XContentType.JSON));}// 3.发送请求client.bulk(request, RequestOptions.DEFAULT);// 翻页pageNo++;}
}

5.6、小结

基本步骤：

• 初始化RestHighLevelClient
• 创建xxxRequest
  • xxx是Index、Get、Update、Delete、Bulk
• 准备参数（Index、Update、Bulk时需要）
• 发送请求
  • 调用RestHighLevelClient#.xxx()方法，xxx是index、get、update、delete、bulk
• 解析结果（Get时需要）