4.elasticseach7.0.1安装ik分词插件(2019-05-13)

 

elasticseach默认所有分词解析器对中文都不友好，我们开发建议使用Ik分词。

 

IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始， IKAnalyzer已经推出了3个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。新版本的IK Analyzer 3.0则发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。

 

首先要安装下elasticseach （安装的版本有要求）：

 

ik主页: https://github.com/medcl/elasticsearch-analysis-ik

 

这里就有要求了，ik对应了es版本，我们要整合ik，要用对应的es版本，否则可能会有问题。

最近我的项目里，用的是es7.0.1，Ik对应的版本是7.0.1.

Versions

IK version	ES version
master	7.x -> master
7.0.1	7.0.1
6.3.0	6.3.0
6.2.4	6.2.4
6.1.3	6.1.3
5.6.8	5.6.8
5.5.3	5.5.3
5.4.3	5.4.3

 

1.安装：

[root@bogon root]$ su elastic

[root@bogon root]$ ES_PATH_CONF=/home/es/elasticsearch/config /home/es/elasticsearch-7.0.1/bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.0.1/elasticsearch-analysis-ik-7.0.1.zip

安装后，plugins下，会有一个analysis-ik目录，目录下有jar包和配置文件：

 

2.重启es：

[root@bogon root]# ps -ef | grep elasticsearch #找到进程号

[root@bogon root]# kill -SIGTERM 进程号

[root@bogon root]# su elastic

[elastic@bogon root]$ ES_PATH_CONF=/home/es/elasticsearch/config sh /home/es/elasticsearch-7.0.1/bin/elasticsearch -d

ik分词有两种ik_smart , ik_max_word，强烈建议用后者ik_max_word 适合商用，分词结果很多，提高命中率；

 

 

3.测试(使用Kibana)：

1).创建index索引: PUT /index

2).创建映射: POST /index/_mapping

{

    "properties": {

        "content": {..

            "type": "text",

            "analyzer": "ik_max_word",

            "search_analyzer": "ik_max_word"

        }

    }

}

 

3).索引几个文档 :

POST /index/_doc/1

{"content":"美国留给伊拉克的是个烂摊子吗"}

 

POST /index/_doc/2

{"content":"公安部：各地校车将享最高路权"}

 

POST /index/_doc/3

{"content":"中韩渔警冲突调查：韩警平均每天扣1艘中国渔船"}

 

POST /index/_doc/4

{"content":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"}

 

4).搜索测试：

POST /index/_doc/_search

{

    "query": {

        "match": {

            "content": "中国嫌犯"

        }

    },

    "highlight": {

        "pre_tags": [

            "",

            ""

        ],

        "post_tags": [

            "",

            ""

        ],

        "fields": {

            "content": {}

        }

    }

}

查询的时候也进行了分词 以及对索引的分词结果进行分词检索，然后提取结果。