Elasticsearch 概述

Elasticsearch 概述

• The Elastic Stack, 包括 Elasticsearch、Kibana、Beats 和 Logstash（也称为 ELK Stack）。能够安全可靠地获取任何来源、任何格式的数据，然后实时地对数据进行搜索、分析和可视化。
• Elaticsearch，简称为 ES，ES 是一个开源的高扩展的分布式全文搜索引擎，是整个 Elastic Stack 技术栈的核心。它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理 PB 级别的数据。

Elasticsearch 是什么

• https://www.elastic.co
• Elasticsearch是一个(近乎)实时的分布式搜索和分析引擎。它可以帮助你用前所未有的速度去处理大规模数据, 它不但稳定、可靠、快速，而且也具有良好的水平扩展能力，是专门为分布式环境设计的,它可以用于全文搜索，结构化搜索以及分析，当然你也可以将这三者进行组合。
• Elasticsearch是一个建立在全文搜索引擎 Apache Lucene 基础上的搜索引擎，可以说Lucene是当今最先进，最高效的全功能开源搜索引擎框架.

全文搜索引擎

• Google，百度类的网站搜索，它们都是根据网页中的关键字生成索引，我们在搜索的时候输入关键字，它们会将该关键字即索引匹配到的所有网页返回；还有常见的项目中应用日志的搜索等等。对于这些非结构化的数据文本，关系型数据库搜索不是能很好的支持。

• 一般传统数据库，全文检索都实现的很鸡肋，因为一般也没人用数据库存文本字段。进行全文检索需要扫描整个表，如果数据量大的话即使对 SQL 的语法优化，也收效甚微。建立了索引，但是维护起来也很麻烦，对于 insert 和 update 操作都会重新构建索引。

• 基于以上原因可以分析得出，在一些生产环境中，使用常规的搜索方式，性能是非常差的：

  • 搜索的数据对象是大量的非结构化的文本数据。
  • 文件记录量达到数十万或数百万个甚至更多。
  • 支持大量基于交互式文本的查询。
  • 需求非常灵活的全文搜索查询。
  • 对高度相关的搜索结果的有特殊需求，但是没有可用的关系数据库可以满足。
  • 对不同记录类型、非文本数据操作或安全事务处理的需求相对较少的情况。

• 为了解决结构化数据搜索和非结构化数据搜索性能问题，我们就需要专业，健壮，强大的全文搜索引擎

• 这里说到的全文搜索引擎指的是目前广泛应用的主流搜索引擎。它的工作原理是计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。

Lucene

• Lucene是Apache Jakarta家族中的一个开源项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎、索引引擎和部分文本分析引擎。

• Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具，是目前最为流行的基于 Java 开源全文检索工具包

• 数据总体分为两种:

  • 结构化数据: 指具有固定格式或有限长度的数据，如数据库、元数据等。
  • 非结构化数据: 指不定长或无固定格式的数据，如邮件、word文档等磁盘上的文件。

• 对于结构化数据的全文搜索很简单，因为数据都是有固定格式的，例如搜索数据库中数据使用SQL语句即可。

• 对于非结构化数据，有以下两种方法:

  1. 顺序扫描法(Serial Scanning)
  2. 全文检索(Full-text Search)

• 顺序扫描法如果要找包含某一特定内容的文件，对于每一个文档，从头到尾扫描内容，如果此文档包含此字符串，则此文档为我们要找的文件，接着看下一个文件，直到扫描完所有的文件，因此速度很慢。

• 全文检索将非结构化数据中的一部分信息提取出来，重新组织，使其变得具有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的。这部分从非结构化数据中提取出的然后重新组织的信息，我们称之索引。

  • 例如字典的拼音表和部首检字表就相当于字典的索引，通过查找拼音表或者部首检字表就可以快速的查找到我们要查的字。

• 这种先建立索引，再对索引进行搜索的过程就叫全文检索(Full-text Search)

Elasticsearch And Solr

• Lucene 是 Apache 软件基金会 Jakarta 项目组的一个子项目，提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在 Java 开发环境里 Lucene 是一个成熟的免费开源工具。就其本身而言，Lucene 是当前以及最近几年最受欢迎的免费 Java 信息检索程序库。但 Lucene 只是一个提供全文搜索功能类库的核心工具包，而真正使用它还需要一个完善的服务框架搭建起来进行应用。
• 目前市面上流行的搜索引擎软件，主流的就两款：Elasticsearch 和 Solr, 这两款都是基于 Lucene 搭建的，可以独立部署启动的搜索引擎服务软件。由于内核相同，所以两者除了服务器安装、部署、管理、集群以外，对于数据的操作 修改、添加、保存、查询等等都十分类似。
• 在使用过程中，一般都会将 Elasticsearch 和 Solr 这两个软件对比，然后进行选型。这两个搜索引擎都是流行的，先进的的开源搜索引擎。它们都是围绕核心底层搜索库 - Lucene 构建的 - 但它们又是不同的。像所有东西一样，每个都有其优点和缺点：

特征	solr/SolrCloud	ElasticSearch
社区和开发者	Apache 软件基金和社区支持	单一商业实体及员工
节点发现	Apache Zookeeper	自身带有分布式协调管理功能

Elasticsearch Or Solr

• Elasticsearch 和 Solr 都是开源搜索引擎，那么我们在使用时该如何选择呢？

• Google 搜索趋势结果表明，与 Solr 相比，Elasticsearch 具有很大的吸引力，但这并不意味着 Apache Solr 已经死亡。虽然有些人可能不这么认为，但 Solr 仍然是最受欢迎的搜索引擎之一，拥有强大的社区和开源支持。

• 与 Solr 相比，Elasticsearch 易于安装且非常轻巧。此外，你可以在几分钟内安装并运行 Elasticsearch。但是，如果 Elasticsearch 管理不当，这种易于部署和使用可能会成为一个问题。基于 JSON 的配置很简单，但如果要为文件中的每个配置指定注释，那么它不适合您。总的来说，如果你的应用使用的是 JSON，那么 Elasticsearch 是一个更好的选择。否则，请使用 Solr，因为它的 schema.xml 和 solrconfig.xml 都有很好的文档记录。

• Solr 拥有更大，更成熟的用户，开发者和贡献者社区。ES 虽拥有的规模较小但活跃的用户社区以及不断增长的贡献者社区。Solr 贡献者和提交者来自许多不同的组织，而 Elasticsearch 提交者来自单个公司。

• Solr 更成熟，但 ES 增长迅速，更稳定。

• Solr 是一个非常有据可查的产品，具有清晰的示例和 API 用例场景。 Elasticsearch 的文档组织良好，但它缺乏好的示例和清晰的配置说明。

那么，到底是 Solr 还是 Elasticsearch ？

• 有时很难找到明确的答案。无论您选择 Solr 还是 Elasticsearch，首先需要了解正确的用例和未来需求。总结他们的每个属性。

• 由于易于使用，Elasticsearch 在新开发者中更受欢迎。一个下载和一个命令就可以启动一切。

• 如果除了搜索文本之外还需要它来处理分析查询，Elasticsearch 是更好的选择

• 如果需要分布式索引，则需要选择 Elasticsearch。对于需要良好可伸缩性和以及性能分布式环境，Elasticsearch 是更好的选择。

• Elasticsearch 在开源日志管理用例中占据主导地位，许多组织在 Elasticsearch 中索引它们的日志以使其可搜索。

• 如果你喜欢监控和指标，那么请使用 Elasticsearch，因为相对于 Solr，Elasticsearch 暴露了更多的关键指标

Elasticsearch 应用案例

• GitHub: 2013 年初，抛弃了 Solr，采取 Elasticsearch 来做 PB 级的搜索。“GitHub 使用 Elasticsearch 搜索 20TB 的数据，包括 13 亿文件和 1300 亿行代码”。

• 维基百科使用Elasticsearch来进行全文搜做并高亮显示关键词，以及提供search-as-you-type、did-you-mean等搜索建议功能。

• SoundCloud：“SoundCloud 使用 Elasticsearch 为 1.8 亿用户提供即时而精准的音乐搜索服务”。

• 百度：目前广泛使用 Elasticsearch 作为文本数据分析，采集百度所有服务器上的各类指标数据及用户自定义数据，通过对各种数据进行多维分析展示，辅助定位分析实例异常或业务层面异常。目前覆盖百度内部 20 多个业务线（包括云分析、网盟、预测、文库、直达号、钱包、风控等），单集群最大 100 台机器，200 个 ES 节点，每天导入 30TB+ 数据。

• 新浪：使用 Elasticsearch 分析处理 32 亿条实时日志。

• 阿里：使用 Elasticsearch 构建日志采集和分析体系。

• Stack Overflow：解决 Bug 问题的网站，全英文，编程人员交流的网站。

Elasticsearch的特性

• ElasticSearch是基于Lucene开发的分布式搜索框架，包含如下特性:
  1. 分布式索引、搜索。
  2. 索引自动分片、负载均衡。
  3. 自动发现机器、组建集群。
  4. 支持Restful 风格接口。
  5. 配置简单等。
  6. 海量数据的存储。

Elasticsearch框架图

节点Node

• 一个Elasticsearch的运行实例，集群的其中一个构成单元。

正排索引

• 维护文档id到内容、单词的关联关系，例如

  文档id	文档内容
  1	中国驻洛杉矶领事馆遭到枪击 嫌犯已自首
  2	韩国警察平均每天扣1艘中国渔船

倒排索引

• 维护单词到文档id的关联关系，例如

  单词	文档id
  中国	1,2
  韩国	2
  洛杉矶	1

Elsaticsearch的数据结构

• Es对数据的存储采用是:

• Index(索引)——Mysql(Table)

• Document(文档)——-Mysql(Table中一行数据)

• 选择索引（Es7.0后 ，彻底遗弃type,只有索引和文档），存储的数据就叫文档

• 一个索引只存储一种类型的数据

文档Document

• 用户存储在es中的数据文档，相当于mysql的表中的一行，Json结构形式，由字段组成，常见数据类型如下:

  字符串: text、keyword，text是分词，keyword是不分词的
  数值型: long、integer、short、byte、double、float、half_float、scaled_float
  布尔: boolean
  日期: date
  二进制: binary
  范围类型: integer_range、float_range、long_range、double_range、date_range

文档的元数据: 用于标注文档的相关信息

_index: 文档所在的索引名
_type: 文档所在的类型名
_id: 文档唯一id
_score: 相关性算分
_uid: 组合id，有_type和_id组成（从6.x开始_type不再起作用，同_id一样）
_source: 文档的原始json数据，可以从这里获取每个字段的内容
_all: 整合所有字段内容到该字段，默认下禁用

索引 Index

• 由具有相同字段的文档列表组成，相当于mysql中的表。

• 每个索引都有自己的mapping定义，用于定义字段名和类型

• 索引中存储着具有相同结构的文档

Elasticsearch总结

• ES可以实现海量数据的存储(PB级别)、实现快速搜索（倒排索引）、实现统计分析（热词分析）

• 高并发下的海量数据的存储方案:

  

• 基于ES可以实现全站搜索、海量数据存储，也可以结合其他工具提供日志分析。

  1. 通过beat收集日志，经过分析然后同步到Elasticsearch，在Kibana中提供web界面可视化。

     

  2. beat结合logstash可以更加丰富数据。

     

Docker安装ES

Docker安装Elasticsearch

1. 创建并运行容器

   docker run -d --name es9200 -e "discovery.type=single-node" -p 9200:9200 elasticsearch:7.12.1

2. 访问测试

   • 云服务器: 开放安全组: 9200

   • http://192.168.61.45:9200/

     

• 如果启动容器报错:

  # 这个错误意思: 当前默认可用内存太小了，需要设置的大一点
  max virtual monery xxxx   [65530] is to low

• 在服务器上执行下面的命令:

  vim /etc/sysctl.conf
  # 输入:
  vm.max_map_count=655300
  # 重新加载
  sysctl -p
  # 重新启动容器:
  docker start es9200

Docker安装kibana

• kibana: 是一个免费且开放的用户界面，能够让对 Elasticsearch 数据进行可视化，还可以进行各种操作，跟踪查询负载，到理解请求如何流经整个应用，都能轻松完成。

• ELK:标准化日志平台

  • E:Elasticsearch 作为日志存储和分析框架，
  • L:Logstash 作为日志采集框架，获取日志存储到Es，
  • K:Kibana 可视化网站，可以通过网页操作ES

• 目前的日志服务推荐: 云解决方案:

  • 阿里云-日志服务（SLS）: 行业领先的日志大数据解决方案，一站式提供数据收集、清洗、分析、可视化和告警功能。全面提升海量日志处理能力，实时挖掘数据价值，智能助力研发/运维/运营/安全等场景

1. 查询es的地址

   docker inspect es9200
   # 查看Networks 下的 bridge 的 IPAddress

2. 创建并运行容器

   docker run -d --name kibana5601 -p 5601:5601 kibana:7.1.1

3. 修改配置文件

   docker exec -it kibana5601 bash
   vi config/kibana.yml
   # 更改es的地址

4. 访问测试

   • 开放端口号: 5601
   • http://192.168.61.45:5601/app/kibana

安装IK中文分词

• IK中文分词器 可以实现中文的分词

1. 下载分词器 https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.1.1

   • 需要和es的版本对应，es:7.1.1 所以: ik:V7.1.1

2. 上传并设置映射

   docker cp /usr/local/elasticsearch-analysis-ik-7.1.1.zip es9200:/usr/share/elasticsearch/plugins

3. 解压IK分词

   docker exec -it es9200 bash
   
   mkdir /usr/share/elasticsearch/plugins/ik
   
   mv /usr/share/elasticsearch/plugins/elasticsearch-analysis-ik-7.1.1.zip /usr/share/elasticsearch/plugins/ik
   
   cd /usr/share/elasticsearch/plugins/ik
   
   unzip elasticsearch-analysis-ik-7.1.1.zip
   
   rm -rf elasticsearch-analysis-ik-7.1.1.zip
   
   exit
   
   docker restart es9200

4. 查看安装的插件

   docker exec -it es9200 bash
   ./bin/elasticsearch-plugin list

安装拼音插件

1. 进入容器内部

   docker exec -it es9200 bash

2. 下载拼音插件

   ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-pinyin/releases/download/v7.1.1/elasticsearch-analysis-pinyin-7.1.1.zip

3. 重启和查询插件

   docker exec -it es9200 bash
   ./bin/elasticsearch-plugin list

windows 安装 ES

下载软件

• Elasticsearch 的官方地址：https://www.elastic.co/cn/

• Elasticsearch 最新的版本是 7.11.2（截止 2021.3.10），我们选择 7.8.0 版本（最新版本半年前的版本）

• 下载地址：https://www.elastic.co/cn/downloads/past-releases#elasticsearch

安装软件

• Windows 版的 Elasticsearch 的安装很简单，解压即安装完毕，注意文件夹路径一定不能包含空格，解压后的 Elasticsearch 的目录结构如下

  目录	含义
  bin	可执行脚本目录
  config	配置目录
  jdk	内置 JDK 目录
  lib	类库
  logs	日志目录
  modules	模块目录
  plugins	插件目录

• 解压后，进入 bin 文件目录，点击 elasticsearch.bat 文件启动 ES 服务

  • 注意：9300 端口为 Elasticsearch 集群间组件的通信端口，
  • 9200 端口为浏览器访问的 http 协议 RESTful 端口。

• 打开浏览器（推荐使用谷歌浏览器），输入地址：http://localhost:9200，测试结果

  

可选操作

• 注册成服务

  • 将ES的安装目录下bin加入到环境变量path中 D:\elasticsearch-7.8.0\bin

    # 注册成服务
    elasticsearch-service.bat install es
    # 启动服务
    net start es
    # 关闭服务
    net stop es
    # 注销服务
    elasticsearch-service.bat remove

• 7.x自带了jdk，我们可以手动设置jdk: 修改bin\elasticsearch-env.bat

  • 在if defined JAVA_HOME前加入 set JAVA_HOME=E:\elastic\elasticsearch-7.6.2\jdk

安装kibana

• 最新的Kibana稳定版可以在下载页面找到，其他版本的可以在以往发布页面找到。

• 下载同es相同版本的kibana, 默认情况下，解压后将得到一个kibana-7.15.0-windows-x86_64文件夹，我们称其为$KIBANA_HOME目录。打开Windows平台的命令行或您喜欢的终端程序，cd进入$KIBANA_HOME目录

• 通过配置文件配置Kibana

  • 默认情况下，Kibana将从$KIBANA_HOME/config/kibana.yml文件中加载配置

  • 设置elasticsearch地址，多个以逗号分隔

    elasticsearch.hosts: ["http://localhost:9200"]

  • 设置国际化，中文

    i18n.locale: "zh-CN"

• 命令行启动Kibana

  .\bin\kibana.bat

• 默认情况下，Kibana启动后将在前台运行并输出标准日志，可以通过Ctrl-C来停止Kibana的运行。

• 访问 http://localhost:5601/

  

安装IK分词器

• ElasticSearch 默认采用标准分词器（StandardAnalyzer）， 单个字分词 ，效果很差。

• 所以我们需要用第三方中文分词器IK-analyzer，Lucene的IK分词器早在2012年已经没有维护了，现在我们要使用的是在其基础上维护升级的版本，并且开发为Elasticsearch的集成插件了，与Elasticsearch一起维护升级，版本也保持一致。下载地址如下: https://github.com/medcl/elasticsearch-analysis-ik/releases

• 只需将其解压即可使用，我们在elasticsearch的目录下找到plugins文件夹，然后新建ik文件夹，将其文件解压到ik文件夹即可。

• 然后重启elasticsearch即可在日志看到ik被导入了

  [2021-10-14T17:09:43,979][INFO ][o.e.p.PluginsService     ] [CN5XXXXRF] loaded plugin [analysis-ik]

• 自增扩展词和停用词文件: 在ik目录下的config目录下有个IKAnalyzer.cfg.xml文件

  • 双击进去即可看到在哪里配置自己的停用词典文件:

    <?xml version="1.0" encoding="UTF-8"?>
    <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
    <properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 -->
        <entry key="ext_dict"></entry>
         <!--用户可以在这里配置自己的扩展停止词字典-->
        <entry key="ext_stopwords"></entry>
        <!--用户可以在这里配置远程扩展字典 -->
        <!-- <entry key="remote_ext_dict">words_location</entry> -->
        <!--用户可以在这里配置远程扩展停止词字典-->
        <!-- <entry key="remote_ext_stopwords">words_location</entry> -->
    </properties>

可能问题

• Elasticsearch 是使用 java 开发的，且 7.8 版本的 ES 需要 JDK 版本 1.8 以上

• 默认安装包带有 jdk 环境，如果系统配置 JAVA_HOME，那么使用系统默认的 JDK，如果没有配置使用自带的 JDK，一般建议使用系统配置的 JDK。

• 双击启动窗口闪退，通过路径访问追踪错误，如果是“空间不足”，请修改 config/jvm.options 配置文件

  # 设置 JVM 初始内存为 1G。此值可以设置与-Xmx 相同，以避免每次垃圾回收完成后 JVM 重新分配内存
  # Xms represents the initial size of total heap space
  # 设置 JVM 最大可用内存为 1G
  # Xmx represents the maximum size of total heap space
  -Xms1g
  -Xmx1g

CentOS8 安装 ES

软件下载

• 软件下载地址：https://www.elastic.co/cn/downloads/past-releases/elasticsearch-7-8-0

软件安装

1. 将下载的软件解压缩

   # 创建目录
   mkdir /opt/module
   # 解压缩
   tar -zxvf elasticsearch-7.8.0-linux-x86_64.tar.gz -C /opt/module
   # 改名
   mv /opt/module/elasticsearch-7.8.0 /opt/module/elasticsearces

2. 创建用户

   • 因为安全问题，Elasticsearch 不允许 root 用户直接运行，所以要创建新用户，在 root 用户中创建新用户

   useradd es #新增 es 用户
   passwd es #为 es 用户设置密码
   
   userdel -r es #如果错了，可以删除再加
   chown -R es:es /opt/module/es #文件夹所有者

3. 修改配置文件 (root 用户下）

   • 修改 /opt/module/es/config/elasticsearch.yml 文件

     # 加入如下配置
     cluster.name: elasticsearch
     node.name: node-1
     network.host: 0.0.0.0
     http.port: 9200
     cluster.initial_master_nodes: ["node-1"]

   • 修改 /etc/security/limits.conf

     # 在文件末尾中增加下面内容
     # 每个进程可以打开的文件数的限制
     es soft nofile 65536
     es hard nofile 65536

   • 修改/etc/security/limits.d/20-nproc.conf

     # 操作系统级别对每个用户创建的进程数的限制
     # 注：* 带表 Linux 所有用户名称，用户退出后重新登录生效
     * hard nproc 4096
     * soft nproc 4096

 - 修改 /etc/sysctl.conf

   ```sh
   # 在文件中增加下面内容
# 一个进程可以拥有的 VMA（虚拟内存区域）的数量，默认值为 65536 vm.max_map_count=655360

• 重新加载 sysctl

  sysctl -p

### 启动软件

- 使用 ES 用户启动

```shell
cd /opt/module/es/
#启动
bin/elasticsearch
#后台启动
bin/elasticsearch -d

• 启动时，会动态生成文件，如果文件所属用户不匹配，会发生错误，需要重新进行修改用户和用户组

  chown -R es:es /opt/module/es #文件夹所有者

测试软件

• 浏览器中输入地址：http://sun01:9200/

• 访问失败查看防火墙是否放行 9200 端口

  #暂时关闭防火墙
  systemctl stop firewalld
  
  #关闭防火墙，永久性生效，重启后不会复原
  systemctl enable firewalld.service
  #关闭防火墙，永久性生效，重启后不会复原
  systemctl disable firewalld.service

Kibana可视化操作ES

查看索引

1. 查看索引管理器

   

2. 为索引设置可视化, 设置可视化之后，就可以通过Kibana进行可视化的操作

   

Elasticsearch基本应用

• ES存储数据的，常用的操作: 增删改查
• Java程序操作ES的方式: 1.原生 Transport 2.Spring Data Elasticsearch

RestfulApi操作ES

• 打开开发者工具

  

• 常用的Restful API:

  #创建索引
  PUT /es211
  #删除索引
  DELETE /es211
  #创建索引
  PUT /es211-lx
  #设置索引的Mapping格式，定义文档格式
  PUT /es211-lx/_mapping
  {
    "properties": {
      "_class": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            }
          }
        },
      "id": {
          "type": "long"
      },
      "name":{
        "type":"text"
      },
      "sex":{
        "type":"text"
      },
      "ctime":{
        "type":"date"
      }
    }
  }
  
  #新增文档
  POST /es211-lx/_doc/1
  {
    "id":1,
    "name":"帅帅",
    "sex":"男人",
    "ctime":"2020-05-11"
  }
  POST /es211-lx/_doc/2
  {
    "id":2,
    "name":"琪琪",
    "sex":"女人",
    "ctime":"2020-05-11"
  }
  #修改文档
  PUT /es211-lx/_doc/2
  {
    "id":2,
    "name":"琪琪",
    "sex":"女生",
    "ctime":"2020-05-11"
  }
  #查询单个文档
  GET /es211-lx/_doc/2
  #删除文档
  DELETE /es211-lx/_doc/2

Thransport

• Thransport是Es官方推荐的一种用法，可以在Java代码实现对es的CRUD操作

• 使用步骤:

  1. 依赖jar包

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

  2. 编写代码，实现操作

     public static void main(String[] args) throws IOException {
         //1.实例化客户端对象 连接服务器
         RestHighLevelClient client = new RestHighLevelClient(
             RestClient.builder(new HttpHost("39.105.189.141",
                                             9200, "http")));
         //2.实现操作
         //新增或修改数据 如果_id存在就是修改，不存在就是新增
         Student student=new Student(3,"双奔","man");
         IndexResponse response1=client.
             index(new IndexRequest("es2008").//设置要操作的索引名称
                   id(student.getId()+"").//为_id赋值  唯一
                   source( //设置操作的数据源
                       JSON.toJSONString(student),
                       XContentType.JSON),
                   RequestOptions.DEFAULT);
         System.err.println(response1.status().toString());
         //        //删除
         DeleteResponse response2=client.delete(
             new DeleteRequest("es2008","1"),RequestOptions.DEFAULT);
         System.err.println(response2.status().toString());
         //修改
         Student student2=new Student(3,"Double Ben","WoMan");
         UpdateResponse response3=client.update(new UpdateRequest("es2008","3").
                                                doc(JSON.toJSONString(student2),XContentType.JSON),
                                                RequestOptions.DEFAULT);
         System.err.println(response3.status().toString());
         //查询
         GetResponse response4=client.get(new GetRequest("es2008","2"),RequestOptions.DEFAULT);
         System.err.println(response4.getSourceAsString());
         //3.关闭
         client.close();
     }

  3. 运行测试, 查看操作是否成功