ElasticSearch-Head创建索引

使用ElasticSearch-Head创建业务上需要的索引（索引名字，类型，是否分词）

1. 打开ElasticSearch-Head,点击符合查询

其中在查询下，第一行输入地址，专门建立索引的地址，第二行输入索引的名字，右边有put，get，post，delete，先说put，建立索引时候使用，下面的代码写完执行put，会出现

证明建立成功。        

建立时候怎么写这些代码

1. 首先需要知道都使用那些字段，比如标题需要分词，那么就可以叫case_title_t,他的类型是text（文本），所以在case_title的后面使用缩写就可以：_t。使用分词需要在里面加：分词类型"analyzer": "simple_analyzer",类型："type": "text",存储文档ID"index_options": "offsets"
2. 日期类型的索引：使用_dt为后缀，类型是date，格式为"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis",
3. 关键字类型：使用keyword存储关键字类型的数据，比如状态为1或者0这样的数据，使用keyword
4. 要给这个索引起别名的话，加上"aliases"
5. 剩下的就是一些setting配置

•  "settings": {
      "index": {
        "routing": {
          "allocation": {
            "include": {
              "_tier_preference": "data_content"
            }
          }
        },
        "search": {
          "slowlog": {
            "level": "info",
            "threshold": {
              "fetch": {
                "warn": "2s",
                "trace": "200ms",
                "debug": "500ms",
                "info": "1s"
              },
              "query": {
                "warn": "2s",
                "trace": "200ms",
                "debug": "500ms",
                "info": "1s"
              }
            }
          }
        },
        "indexing": {
          "slowlog": {
            "threshold": {
              "index": {
                "warn": "2s",
                "trace": "200ms",
                "debug": "500ms",
                "info": "1s"
              }
            },
            "source": "1000"
          }
        },
        "analysis": {
          "analyzer": {
            "index_analyzer": {
              "tokenizer": "tok_index"
            },
            "simple_analyzer": {
              "tokenizer": "tok_simple"
            }
          },
          "tokenizer": {
            "tok_index": {
              "type": "hanlp_index",
              "enable_stop_dictionary": "true"
            },
            "tok_simple": {
              "type": "hanlp_simple_num",
              "enable_stop_dictionary": "true"
            }
          }
        },
        "number_of_shards": "1",
        "number_of_replicas": "1"
      }
• "routing": 这个配置可以用来指定搜索请求路由到哪些节点，通过"_tier_preference"属性可以确定首选节点所在的分片。
• "search": 这个配置用于设置搜索日志的级别和阈值，阈值是指查询、获取过慢时打印信息的阀值，单位是毫秒。
• "indexing": 这个配置用于设置索引过慢时的日志级别和阈值，阈值是指索引操作过慢时打印信息的阀值，单位是毫秒。
• "analysis": 这个配置用于设置分析器及其配置，包括分词器、过滤器、正则表达式等。
• "number_of_shards": 这个配置用于设置索引的分片数量，默认为5。
• "number_of_replicas": 这个配置用于设置索引的副本数量，默认为1。
• 以上是这个配置文件中的大部分内容，其中"number_of_shards"和"number_of_replicas"有默认值，所以在这里指定了这两个参数之后，Elasticsearch依然会使用这些默认值。其他配置会根据具体的情况变化，根据实际需求进行配置即可。

来一份总体的代码吧！！！

{
  "aliases": {
    "case_management_info": {}
  },
  "mappings": {
    "dynamic": "false",
    "properties": {
      "punish_classification_name_t": {
        "type": "keyword"
      },
      "case_title_t": {
        "type": "text",
        "index_options": "offsets",
        "analyzer": "simple_analyzer"
      },
      "document_number_t": {
        "type": "keyword"
      },
      "business_classification_id_txt": {
        "type": "keyword"
      },
      "business_classification_name_t": {
        "type": "keyword"
      },
      "target_classification_id_txt": {
        "type": "keyword"
      },
      "case_content_t": {
        "type": "text",
        "index_options": "offsets",
        "analyzer": "simple_analyzer"
      },
      "punish_classification_id_txt": {
        "type": "keyword"
      },
      "target_classification_name_t": {
        "type": "keyword"
      },
      "issue_date_dt": {
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis",
        "type": "date"
      },
      "case_sorttitle_t": {
        "type": "keyword"
      },
      "punish_date_dt": {
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis",
        "type": "date"
      },
      "publish_status_k": {
        "type": "keyword"
      },
      "id": {
        "type": "keyword"
      },
      "issue_organ_t": {
        "type": "keyword"
      },
      "notice_date_dt": {
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis",
        "type": "date"
      },
      "company_name_t": {
        "type": "keyword"
      },
      "company_code_t": {
        "type": "keyword"
      },
      "publication_all_flag_k":{
      "type":"keyword"
      },
      "visible_groups_txt": {
      "type": "text"
      },
      "visible_users_txt": {
      "type": "text"
      },
      "visible_depts_txt": {
      "type": "text"
      },
      "visible_roles_txt": {
      "type": "text" 
      }
    }
  },
  "settings": {
    "index": {
      "routing": {
        "allocation": {
          "include": {
            "_tier_preference": "data_content"
          }
        }
      },
      "search": {
        "slowlog": {
          "level": "info",
          "threshold": {
            "fetch": {
              "warn": "2s",
              "trace": "200ms",
              "debug": "500ms",
              "info": "1s"
            },
            "query": {
              "warn": "2s",
              "trace": "200ms",
              "debug": "500ms",
              "info": "1s"
            }
          }
        }
      },
      "indexing": {
        "slowlog": {
          "threshold": {
            "index": {
              "warn": "2s",
              "trace": "200ms",
              "debug": "500ms",
              "info": "1s"
            }
          },
          "source": "1000"
        }
      },
      "analysis": {
        "analyzer": {
          "index_analyzer": {
            "tokenizer": "tok_index"
          },
          "simple_analyzer": {
            "tokenizer": "tok_simple"
          }
        },
        "tokenizer": {
          "tok_index": {
            "type": "hanlp_index",
            "enable_stop_dictionary": "true"
          },
          "tok_simple": {
            "type": "hanlp_simple_num",
            "enable_stop_dictionary": "true"
          }
        }
      },
      "number_of_shards": "1",
      "number_of_replicas": "1"
    }
  }
}