一、背景
es自带了一堆的分词器，比方standard、whitespace、language(比方english)等分词器，然而都对中文分词的成果不太好，此处装置第三方分词器ik，来实现分词。
二、装置 ik 分词器
1、从 github 上找到和本次 es 版本匹配上的 分词器
# 下载地址https://github.com/medcl/elasticsearch-analysis-ik/releases2、应用 es 自带的插件治理 elasticsearch-plugin 来进行装置
间接从网络地址装置
cd /Users/huan/soft/elastic-stack/es/es02/bin# 下载插件./elasticsearch-plugin -v install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.0/elasticsearch-analysis-ik-7.12.0.zip# 查看插件是否下载胜利./elasticsearch-plugin list从本地装置
cd /Users/huan/soft/elastic-stack/es/es02/bin# 下载插件(file前面跟的是插件在本地的地址)./elasticsearch-plugin install file:///path/to/plugin.zip留神：
如果本地插件的门路中存在空格，须要应用双引号包装起来。
3、重启es
# 查找es过程jps -l | grep 'Elasticsearch'# 杀掉es过程kill pid# 启动es/Users/huan/soft/elastic-stack/es/es01/bin/elasticsearch -d -p pid01三、测试 ik 分词
ik分词器提供了2种分词的模式
ik_max_word: 将须要分词的文本做最小粒度的拆分，尽量分更多的词。ik_smart: 将须要分词的文本做最大粒度的拆分。
1、测试默认的分词成果
语句
GET _analyze{ "analyzer": "default", "text": ["中文分词语"]}后果
{ "tokens" : [ { "token" : "中", "start_offset" : 0, "end_offset" : 1, "type" : "<IDEOGRAPHIC>", "position" : 0 }, { "token" : "文", "start_offset" : 1, "end_offset" : 2, "type" : "<IDEOGRAPHIC>", "position" : 1 }, { "token" : "分", "start_offset" : 2, "end_offset" : 3, "type" : "<IDEOGRAPHIC>", "position" : 2 }, { "token" : "词", "start_offset" : 3, "end_offset" : 4, "type" : "<IDEOGRAPHIC>", "position" : 3 }, { "token" : "语", "start_offset" : 4, "end_offset" : 5, "type" : "<IDEOGRAPHIC>", "position" : 4 } ]}能够看到默认的分词器，对中文的分词齐全无奈达到咱们中文的分词的成果。
2、测试 ik_max_word 的分词成果
语句
GET _analyze{ "analyzer": "ik_max_word", "text": ["中文分词语"]}后果
{ "tokens" : [ { "token" : "中文", "start_offset" : 0, "end_offset" : 2, "type" : "CN_WORD", "position" : 0 }, { "token" : "分词", "start_offset" : 2, "end_offset" : 4, "type" : "CN_WORD", "position" : 1 }, { "token" : "词语", "start_offset" : 3, "end_offset" : 5, "type" : "CN_WORD", "position" : 2 } ]}能够看到基于ik分词能够达到咱们须要的分词成果。
3、测试 ik_smart 的分词成果
语句
GET _analyze{ "analyzer": "ik_smart", "text": ["中文分词语"]}后果
{ "tokens" : [ { "token" : "中文", "start_offset" : 0, "end_offset" : 2, "type" : "CN_WORD", "position" : 0 }, { "token" : "分", "start_offset" : 2, "end_offset" : 3, "type" : "CN_CHAR", "position" : 1 }, { "token" : "词语", "start_offset" : 3, "end_offset" : 5, "type" : "CN_WORD", "position" : 2 } ]}4、自定义 ik 的启用词和停用词
1、找到 ik 的配置目录
${IK_HOME}/config/analysis-ik/Users/huan/soft/elastic-stack/es/es01/config/analysis-ik2、批改 IKAnalyzer.cfg.xml 文件
<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd"><properties> <comment>IK Analyzer 扩大配置</comment> <!--用户能够在这里配置本人的扩大字典 --> <entry key="ext_dict">custom-ext.dic</entry> <!--用户能够在这里配置本人的扩大进行词字典--> <entry key="ext_stopwords">custom-stop.dic</entry> <!--用户能够在这里配置近程扩大字典 --> <!-- <entry key="remote_ext_dict">words_location</entry> --> <!--用户能够在这里配置近程扩大进行词字典--> <!-- <entry key="remote_ext_stopwords">words_location</entry> --></properties>3、custom-ext.dic 和 custom-stop.dic 的内容
留神：
1、自定义分词的文件必须是UTF-8的编码。
4、配置文件残缺门路
5、查看分词后果
5、热更新IK分词
1、批改 IKAnalyzer.cfg.xml 文件，配置近程字典。
$ cat /Users/huan/soft/elastic-stack/es/es01/config/analysis-ik/IKAnalyzer.cfg.xml 11.87s 16.48G 2.68 <?xml version="1.0" encoding="UTF-8"?><!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd"><properties> <comment>IK Analyzer 扩大配置</comment> <!--用户能够在这里配置近程扩大字典 --> <entry key="remote_ext_dict">http://localhost:8686/custom-ext.dic</entry> <!--用户能够在这里配置近程扩大进行词字典--> <entry key="remote_ext_stopwords"></entry></properties>留神：
1、此处的 custom-ext.dic 文件在下方将会配置到 nginx中，保障能够拜访。
2、http 申请须要返回两个头部(header)，一个是 Last-Modified，一个是 ETag，这两者都是字符串类型，只有有一个发生变化，该插件就会去抓取新的分词进而更新词库。
3、http 申请返回的内容格局是一行一个分词，换行符用 \n 即可。
4、在 nginx 的目录下搁置一个 custom-ext.dic 文件
屡次批改 custom-ext.dic 文件，能够看到分词的后果也会实时变动，如此就实现了分词的热更新。
五、参考地址
1、https://www.elastic.co/guide/en/elasticsearch/plugins/7.12/plugin-management-custom-url.html
2、https://github.com/medcl/elasticsearch-analysis-ik/releases
3、https://github.com/medcl/elasticsearch-analysis-ik