一、 初识Elasticsearch
1. 概述
elasticsearch (简称 ES)是一款非常强大的开源的分布式的搜索引擎 ，可以帮助我们从海量数据中快速找到需要的内容。elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK），换句话说 ELK 就是以 Elasticsearch 为核心的技术栈，包括了 kibana、Logsash、Beats。ELK 被广泛应用在日志数据分析、实时监控等领域 。elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。
2. Elasticsearch发展
Lucene 是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。Lucene 是Apache的开源搜索引擎类库，提供了搜索引擎的核心API。
官网地址：Apache Lucene - Welcome to Apache Lucene 。
Lucene 的优势：易扩展、高性能（基于倒排索引）
Lucene 的缺点：只限于Java语言开发、学习曲线陡峭、不支持水平扩展
2004年Shay Banon基于Lucene开发了Compass
2010年Shay Banon 重写了Compass，取名为Elasticsearch。
官网地址: Elastic --- 搜索 AI 公司 | Elastic
相比与 lucene，elasticsearch具备下列优势：
-
支持分布式，可水平扩展。
-
提供Restful接口，可被任何语言调用。
3. 正向索引与倒排索引
传统数据库（如MySQL）采用正向索引，即全表匹配。在局部内容检索时性能差。
elasticsearch采用倒排索引，它会重新生成一个表，里面有词条和文档id两个字段。
- 文档（document）：每条数据就是一个文档。
- 词条（term）：文档按照语义分成的词语，每个词语就是词条。
注意： 如果词条已在数据表中，则不插入，确保每个词条在数据表中是唯一的**。**
倒排索引查询数据
如搜索"华为手机"，得到的词条就是："华为"、"手机"，得到每个词条对应的数据 id，也就是下图的手机的文档 id 是1，2；华为的文档 id 是 2，3。接着看到 id 为 2 在两个词条中都出现了，因此优先查询 id 为 2 的数据。然后根据文档 id 查询文档，然后把数据存入结果集种。
4. ES 与 MySQL 的关系
elasticsearch是面向文档存储的，可以是数据库中的一条商品数据，一个订单信息。
文档数据会被序列化为json格式后存储在elasticsearch中。
概念对比
架构应用
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。
因此，ES并不是替代MySQL , 它们是互补的。在以后的开发中，看需求选择对应的架构。
5. 部署单点模式 ES 和 kibanb
- 部署ES:
步骤1：创建网络
因为我们还需要部署Kibana容器，因此需要让 es 和 Kibana 容器互联，这里先创建一个网络。
docker network create es-net
步骤2：下载 elasticsearch 镜像，可以到docker hub上拉取一个，由于镜像体积大，我这里直接采用本地加载的方式。
docker load -i es.tar
步骤3：运行
运行docker 命令，部署单点es:
docker run -d \
--name es \
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
-e "discovery.type=single-node" \
-v es-data:/usr/share/elasticsearch/data \
-v es-plugins:/usr/share/elasticsearch/plugins \
--privileged \
--network es-net \
-p 9200:9200 \
-p 9300:9300 \
elasticsearch:7.12.1
命令解释：
-e "cluster.name=es-docker-cluster"`：设置集群名称
-e "http.host=0.0.0.0"`：监听的地址，可以外网访问
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m"`：内存大小
-e "discovery.type=single-node"`：非集群模式
-v es-data:/usr/share/elasticsearch/data`：挂载逻辑卷，绑定es的数据目录
-v es-logs:/usr/share/elasticsearch/logs`：挂载逻辑卷，绑定es的日志目录
-v es-plugins:/usr/share/elasticsearch/plugins`：挂载逻辑卷，绑定es的插件目录
--privileged`：授予逻辑卷访问权
--network es-net` ：加入一个名为es-net的网络中
-p 9200:9200`：端口映射配置
步骤4：在浏览器中输入：http://192.168.30.130:9200 （服务器IP+ES端口）即可看到elasticsearch的响应结果：
如果容器关闭了，需要先启动容器，再启动这些服务
systemctl status docker # 查看docker 容器状态
systemctl start docker # 启动docker容器
docker ps # 查看运行的服务
docker start 服务名， 如 docker start es，启动es
部署kibanb
步骤1：下载 kibanb镜像，可以到docker hub上拉取一个，由于镜像体积大，我这里直接采用本地加载的方式。
注意：kibanb版本要和ES版本一致
docker load -i kibanb.tar
步骤2：运行
运行docker 命令, 部署kibana:
docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601 \
kibana:7.12.1
命令解释
--network= es-net ：加入一个名为es-net的网络中，与elasticsearch在同一个网络中
-e ELASTICSEARCH_HOSTS=http://es:9200"`：设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch
-p 5601:5601`：端口映射配置
步骤3：在浏览器中输入：http://192.168.30.130:5601（服务器IP+elastic端口）即可看到管理页面：
6. 安装IK分词器
es在创建倒排索引时需要对文档分词；在搜索时，需要对用户输入内容分词。但默认的分词规则对中文处理并不友好。
处理中文分词，一般会使用IK分词器。https://github.com/medcl/elasticsearch-analysis-ik
ik分词器包含两种模式：
ik_smart：最少切分，粗粒度
ik_max_word：最细切分，细粒度
安装IK分词器：
方式一：在线安装
步骤1：进入容器内部
docker exec -it elasticsearch /bin/bash
步骤2：在线安装
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip
步骤3：退出
exit
步骤4：重启容器
docker restart elasticsearch
方式二：离线安装
步骤1：查看数据卷目录
安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看:
docker volume inspect es-plugins
说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录中。
步骤2：上传分词器安装包到elasticsearch的plugins目录位置，我们挂载到了/var/lib/docker/volumes/es-plugins/_data 这个目录中，解压缩分词器安装包到 ik 。
cd /var/lib/docker/volumes/es-plugins/_data #切换到目录
mkdir ik # 创建ik文件夹
uzip -zxvf -d /var/lib/docker/volumes/es-plugins/_data/ik elasticsearch-analysis-ik-7.12.1.zip
步骤3：重启容器
docker restart es
步骤4： 查看es日志
docker logs -f es
步骤5: 测试，在浏览器中输入：http://192.168.30.130:5601（服务器IP+elastic端口）。在 Dev Tools 查看下面两种方式。
GET /_analyze
{
"analyzer": "ik_smart", #ik_smart：最少切分
"text": "猫猫不是喵喵"
}
GET /_analyze
{
"analyzer": "ik_max_word", #ik_max_word：最细切分
"text": "猫猫不是喵喵"
}
7. IK分词器------扩展词库
如果仔细的测试，会发现有些是词语，但分词器却划分成了单个词，有些助词，如"的，得"，无意义就不想存入占用空间。有些敏感词汇，想要屏蔽。可以使用拓展ik分词器的词库，只需要修改一个ik分词器目录中的config目录中的 IkAnalyzer.cfg.xml 文件。
config目录文件如下
IkAnalyzer.cfg.xml 文件内容如下
如果config文件目录下没有扩展字典或屏蔽词的文件名 ，需要自行在config目录下创建。
创建文件名为 wxt.dic 的文件，在里面编写扩展词汇
touch wxt.dic
编写扩展的词汇
重启 es 服务
docker restart es
已经看到 "喵喵" 被合成了一个词。
在 stopwrod.dic 的文件中编写屏蔽词汇
在 stopwrod.dic 文件中添加屏蔽词，"喵喵"。重启 es 服务
docker restart es
"喵喵" 果然被屏蔽了。
二、索引库操作
1. Mapping 映射属性
mapping是对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）需要拆分、
keyword（精确值，例如：品牌、国家、ip地址）不需要拆分。
- 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。字段需要搜索时设为true, 反之为false。
-
analyzer: 使用哪种分词器，和text结合使用。
分词器的分类：
ik_smart：最少切分，粗粒度
ik_max_word：最细切分，细粒度
- properites：该字段的子字段
2. 索引库的CRUD
2.1 创建索引库
ES中通过Restful请求操作索引库、文档。请求内容用DSL语句来表示。创建索引库和mapping的DSL语法如下：
2.2 删除索引库
DELETE /索引库名
如 DELETE /height
2.3 修改索引库
索引库和mapping一旦创建无法修改，但是可以添加新的字段，语法如下：
PUT /索引库名/_mapping
{
"properties": {
"新字段名": {
......
}
}
}
注意 ：必须是全新的字段名，如果字段名存在，就会认为是修改已有的字段，会报错。
2.4 查询索引库
GET /索引库名
如 GET /height
三、文档操作
1. 新增文档
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"
},
// ...
}
如
插入文档
POST /height/_doc/1
{
"info": "张三是法外狂徒",
"email": "zs@qq.com",
"name": {
"firstName": "三",
"lastaName": "张"
}
}
2. 删除文档
DELETE /文档名/_doc/文档id
如
删除文档
DELETE /height/_doc/1
3. 修改文档
方式一: 全量修改，删除旧文档，添加新文档。（全局修改）
PUT /索引库名/_doc/文档id
{
"字段1": "值1",
"字段2": "值2",
// ... 略
}
如：
#修改文档（全局）
PUT /height/_doc/1
{
"info": "张三是法外狂徒666",
"email": "zs@qq.com",
"name": {
"firstName": "三",
"lastaName": "张"
}
}
方式二：增量修改，修改指定字段值。（局部修改）
POST /索引库名/_update/文档id
{
"doc": {
"字段名": "新的值",
}
}
如
#修改文档（局部）
POST /height/_update/1
{
"doc": {
"email": "zs666@qq.com"
}
}
4. 查询文档
GET /文档名/_doc/文档id
如
查询文档
GET /height/_doc/1
5. 扩展思考
如果添加的数据没有对应设置的mapping，ES会报错吗？
答案是不会的，ES会根据我们添加的数据类型，自动为我们的字段设置mapping。如果默认的mapping设置的不符合预期，需要自行设置。
| JSON类型 | Elasticserch类型 |
|---|---|
| 字符串 | 日期格式字符串：mapping 设置为 date 类型 普通字符串：mapping设置为text类型，并添加keyword类型子字段 |
| 布尔值 | boolean |
| 浮点数 | float |
| 整数 | long |
| 对象嵌套 | object , 并添加properties |
| 数组 | 由数组中第一个非空类型决定 |
| 空值 | 会略 |
mapping 设置
PUT /height
{
"mappings": {
"properties": {
"info": {
"type": "text",
"analyzer": "ik_smart"
},
"email": {
"type": "keyword",
"index": false
},
"name": {
"properties": {
"firstName": {
"type": "keyword"
},
"lastName": {
"type": "keyword"
}
}
}
}
}
}
文档添加
#修改文档（全局）
PUT /height/_doc/1
{
"info": "张三是法外狂徒666",
"email": "zs@qq.com",
"name": {
"firstName": "三",
"lastaName": "张"
},
"age": 35,
"score": [98.5, 99.3, 85.3],
"isMarried": false,
"birthday": "2000-5-6",
"city": "北京"
}
查询文档 ： GET /height/_doc/1
JSON****类型
四、RestClinet
ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES。官方文档地址：https://www.elastic.co/guide/en/elasticsearch/client/index.html
- 对于地理坐标这种特殊的值，ES给出了2种坐标数据类型：
geo_point：由纬度和经度确定一个点。如："32.8752345, 120.2981576"
geo_shape：由多个geo_point 组成的复杂集合图。如一条直线。
- 字段拷贝可以使用copy_to属性将当前字段拷贝到指定字段
例如：把brand字段拷贝到 all字段中。
"all": {
"type": "text",
"analyzer": "ik_max_word"
},
"brand": {
"type": "keyword",
"copy_to": "all"
}
一）RestClient 操作索引库
1. 初始化JavaRestClient
1.1. 引入es的RestHighLevelClient依赖
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
1.2. SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本：
<properties>
<java.version>1.8</java.version>
<elasticsearch.version>7.12.1</elasticsearch.version>
</properties>
覆盖后的效果
1.3. 初始化RestHighLevelClient：
public class HotelIndexTest {
private RestHighLevelClient client;
// 客户端初始化
@BeforeEach
void setUp() {
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("https://192.168.30.130:9200") // 服务器IP + ES 端口
));
}
@Test
void testInit() {
System.out.println(client);
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
}
2. 创建索引库
定义一个类存放常量 DSL 语句
package cn.itcast.hotel.constants;
/**
* 定义常量存放 DSL
* */
public class HotelConstants {
public 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" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"address\": {\n" +
" \"type\": \"keyword\",\n" +
" \"index\": false\n" +
" },\n" +
" \"price\": {\n" +
" \"type\": \"integer\"\n" +
" },\n" +
" \"score\": {\n" +
" \"type\": \"integer\"\n" +
" },\n" +
" \"brand\": {\n" +
" \"type\": \"keyword\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"city\": {\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"startName\": {\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"business\": {\n" +
" \"type\": \"keyword\",\n" +
" \n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"location\": {\n" +
" \"type\": \"geo_point\"\n" +
" },\n" +
" \"pic\": {\n" +
" \"type\": \"keyword\",\n" +
" \"index\": false\n" +
" },\n" +
" \"all\": {\n" +
" \"type\": \"text\",\n" +
" \"analyzer\": \"ik_max_word\"\n" +
" }\n" +
"\n" +
" }\n" +
" }\n" +
"}";
}
添加如下代码块，Java 与 DSL 建立连接
@Test
void testCreateHotelIndex() throws IOException {
// 1.创建Request对象
CreateIndexRequest request = new CreateIndexRequest("hotel");
// 2.请求参数，MAPPING_TEMPLATE是静态常量字符串， 内容是创建索引库的DSL语句
request.source(MAPPING_TEMPLATE, XContentType.JSON);
// 3.发起请求
client.indices().create(request, RequestOptions.DEFAULT);
}
整体代码
import org.apache.http.HttpHost;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import java.io.IOException;
import static cn.itcast.hotel.constants.HotelConstants.MAPPING_TEMPLATE;
public class HotelIndexTest {
private RestHighLevelClient client;
// 客户端初始化
@BeforeEach
void setUp() {
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.30.130:9200") // 服务器IP + ES 端口
));
}
@Test
void testInit() {
System.out.println(client);
}
@Test
void testCreateHotelIndex() throws IOException {
// 1.创建Request对象
CreateIndexRequest request = new CreateIndexRequest("hotel");
// 2.请求参数，MAPPING_TEMPLATE是静态常量字符串， 内容是创建索引库的DSL语句
request.source(MAPPING_TEMPLATE, XContentType.JSON);
// 3.发起请求
client.indices().create(request, RequestOptions.DEFAULT);
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
}
3. 删除索引库
@Test
void testDeleteHotelIndex() throws IOException {
// 1.创建Request对象
DeleteIndexRequest request = new DeleteIndexRequest("hotel");
// 2.发起请求
client.indices().delete(request, RequestOptions.DEFAULT);
}
4. 判断索引库是否存在
@Test
void testExistsHotelIndex() throws IOException {
// 1.创建Request对象
GetIndexRequest request = new GetIndexRequest("hotel");
// 2.发起请求
boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
// 3.输出
System.err.println(exists ? "索引库已存在" : "索引库不存在");
}
二）RestClient操作文档
1. 初始化JavaRestClient
对文档增删查改时，需要先初始化JavaRestClient,操作步骤和上面的操作索引库一致。这样不在重复描述。
2. 新增操作文档
@SpringBootTest
public class HotelDocumentTest {
private RestHighLevelClient client;
@Autowired
private IHotelService hotelService;
// 客户端初始化
@BeforeEach
void setUp() {
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.30.130:9200") // 服务器IP + ES 端口
));
}
@Test
void testAddDocument() throws IOException {
// 根据id查询数据
Hotel hotel = hotelService.getById(696948L);
// 转换文档类型
HotelDoc hotelDoc = new HotelDoc(hotel);
// 1.创建Request对象
IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
// 2.请求JSON文档
request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
// 3.发起请求
client.index(request, RequestOptions.DEFAULT);
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
}
3. 根据id查询文档
根据id查询到的文档数据是json，需要反序列化为java对象：
@SpringBootTest
public class HotelDocumentTest {
private RestHighLevelClient client;
@Autowired
private IHotelService hotelService;
// 客户端初始化
@BeforeEach
void setUp() {
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.30.130:9200") // 服务器IP + ES 端口
));
}
@Test
void testGetDocument() throws IOException {
// 1. 准备request
GetRequest request = new GetRequest("hotel", "696948");
// 2. 发送请求，得到相应
GetResponse response = client.get(request, RequestOptions.DEFAULT);
//3. 解析相应结果
String json = response.getSourceAsString();
// 反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println(hotelDoc);
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
}
执行结果
4. 删除操作文档
@SpringBootTest
public class HotelDocumentTest {
private RestHighLevelClient client;
@Autowired
private IHotelService hotelService;
// 客户端初始化
@BeforeEach
void setUp() {
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.30.130:9200") // 服务器IP + ES 端口
));
}
@Test
void testDeleteDocument() throws IOException {
// 1. 准备request
DeleteRequest request = new DeleteRequest("hotel", "696948");
// 2. 发送请求
client.delete(request, RequestOptions.DEFAULT);
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
}
5. 修改操作文档
修改文档数据有两种方式：
方式一：全量更新。再次写入id一样的文档，就会删除旧文档，添加新文档
方式二：局部更新。只更新部分字段，我们演示方式二
@SpringBootTest
public class HotelDocumentTest {
private RestHighLevelClient client;
@Autowired
private IHotelService hotelService;
// 客户端初始化
@BeforeEach
void setUp() {
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.30.130:9200") // 服务器IP + ES 端口
));
}
@Test
void testUpdateDocument() throws IOException {
// 1. 准备request
UpdateRequest request = new UpdateRequest("hotel", "696948");
// 2. 准备请求参数
request.doc( // 注意：键值对之间使用逗号隔开的
"price", "952",
"starName", "四钻"
);
// 3. 发送请求
client.update(request, RequestOptions.DEFAULT);
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
}
运行结果
6. 批量导入数据到ES
批量导入数据到ES的步骤：
- 利用mybatis-plus查询酒店数据
- 将查询到的酒店数据（Hotel）转换为文档类型数据（HotelDoc）
- 利用JavaRestClient中的Bulk批处理，实现批量新增文档，示例代码如下
package cn.itcast.hotel;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.service.IHotelService;
import cn.itcast.hotel.service.impl.HotelService;
import com.alibaba.fastjson.JSON;
import org.apache.http.HttpHost;
import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest;
import org.elasticsearch.action.bulk.BulkRequest;
import org.elasticsearch.action.delete.DeleteRequest;
import org.elasticsearch.action.get.GetRequest;
import org.elasticsearch.action.get.GetResponse;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.update.UpdateRequest;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.GetIndexRequest;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import java.io.IOException;
import java.util.List;
import static cn.itcast.hotel.constants.HotelConstants.MAPPING_TEMPLATE;
@SpringBootTest
public class HotelDocumentTest {
private RestHighLevelClient client;
@Autowired
private IHotelService hotelService;
// 客户端初始化
@BeforeEach
void setUp() {
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.30.130:9200") // 服务器IP + ES 端口
));
}
@Test
void testBulk() throws IOException {
// 查询所有数据
List<Hotel> hotels = hotelService.list();
// 1.创建Bulk请求
BulkRequest request = new BulkRequest();
// 2.添加要批量提交的请求
for (Hotel hotel : hotels) {
// 转换为文档类型 HotelDoc
HotelDoc hotelDoc = new HotelDoc(hotel);
request.add(new IndexRequest("hotel")
.id(hotelDoc.getId().toString())
.source(JSON.toJSONString(hotelDoc), XContentType.JSON));
}
// 3.发起bulk请求
client.bulk(request, RequestOptions.DEFAULT);
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
}
批量查询
GET /索引库名/_search
GET /hotel/_search