ElasticSearch安装ik分词插件

对于索引可能最关系的就是分词了 一般对于es 来说默认的smartcn  但效果不是很好 

一个是ik的，一个是mmseg的，下面分别介绍下两者的用法，其实都差不多的，先安装插件，命令行：

安装ik插件

plugin -install medcl/elasticsearch-analysis-ik/1.1.0

下载ik相关配置词典文件到config目录

cd config

wget http://github.com/downloads/medcl/elasticsearch-analysis-ik/ik.zip --no-check-certificate

unzip ik.zip

rm ik.zip

分词配置

ik分词配置，在elasticsearch.yml文件中加上

?

1 2 3 4 5 6

index:   analysis:                        analyzer:             ik:           alias: [ik_analyzer]           type: org.elasticsearch.index.analysis.IkAnalyzerProvider

或

?

1	index.analysis.analyzer.ik.type : “ik”

安装mmseg插件：

bin/plugin -install medcl/elasticsearch-analysis-mmseg/1.1.0

下载相关配置词典文件到config目录

cd config

wget http://github.com/downloads/medcl/elasticsearch-analysis-mmseg/mmseg.zip --no-check-certificate

unzip mmseg.zip

rm mmseg.zip

mmseg分词配置，也是在在elasticsearch.yml文件中

?

1 2 3 4 5 6

index:   analysis:     analyzer:       mmseg:           alias: [news_analyzer, mmseg_analyzer]           type: org.elasticsearch.index.analysis.MMsegAnalyzerProvider

或

?

1	index.analysis.analyzer.default.type : "mmseg"

mmseg分词还有些更加个性化的参数设置如下

?

1 2 3 4 5 6 7 8 9 10 11 12

index:   analysis:     tokenizer:       mmseg_maxword:           type: mmseg           seg_type: "max_word"       mmseg_complex:           type: mmseg           seg_type: "complex"       mmseg_simple:           type: mmseg           seg_type: "simple"

这样配置完后插件安装完成，启动es就会加载插件。

定义mapping

在添加索引的mapping时就可以这样定义分词器

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

{    "page":{       "properties":{          "title":{             "type":"string",             "indexAnalyzer":"ik",             "searchAnalyzer":"ik"          },          "content":{             "type":"string",             "indexAnalyzer":"ik",             "searchAnalyzer":"ik"          }       }    } }

indexAnalyzer为索引时使用的分词器，searchAnalyzer为搜索时使用的分词器。

java mapping代码如下：

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

XContentBuilder content = XContentFactory.jsonBuilder().startObject()         .startObject("page")           .startObject("properties")                    .startObject("title")               .field("type", "string")                          .field("indexAnalyzer", "ik")               .field("searchAnalyzer", "ik")             .endObject()              .startObject("code")               .field("type", "string")                        .field("indexAnalyzer", "ik")               .field("searchAnalyzer", "ik")             .endObject()                .endObject()          .endObject()        .endObject()

 

测试分词可用调用下面api，注意indexname为索引名，随便指定一个索引就行了

http://localhost:9200/indexname/_analyze?analyzer=ik&text=测试elasticsearch分词器

附：

ik分词插件项目地址：https://github.com/medcl/elasticsearch-analysis-ik

mmseg分词插件项目地址：https://github.com/medcl/elasticsearch-analysis-mmseg

 

配置好的es版本，地址如下：https://github.com/medcl/elasticsearch-rtf

 

一、IK简介

    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4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。从3.0版本开 始，IK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。在2012版本中，IK实现了简单的分词 歧义排除算法，标志着IK分词器从单纯的词典分词向模拟语义分词衍化。  

    IK Analyzer 2012特性:

    1.采用了特有的“正向迭代最细粒度切分算法“，支持细粒度和智能分词两种切分模式；

    2.在系统环境：Core2 i7 3.4G双核，4G内存，window 7 64位， Sun JDK 1.6_29 64位 普通pc环境测试，IK2012具有160万字/秒（3000KB/S）的高速处理能力。

    3.2012版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。

    4.采用了多子处理器分析模式，支持：英文字母、数字、中文词汇等分词处理，兼容韩文、日文字符

    5.优化的词典存储，更小的内存占用。支持用户词典扩展定义。特别的，在2012版本，词典支持中文，英文，数字混合词语。

 

二、安装IK分词插件

    假设读者已经安装好ES，如果没有的话，请参考ElasticSearch入门 —— 集群搭建。安装IK分词需要的资源可以从这里下载，整个安装过程需要三个步骤：

    1、获取分词的依赖包

    通过git clone https://github.com/medcl/elasticsearch-analysis-ik，下载分词器源码，然后进入下载目录，执行命令：mvn clean package，打包生成elasticsearch-analysis-ik-1.2.5.jar。将这个jar拷贝到ES_HOME/plugins/analysis-ik目录下面，如果没有该目录，则先创建该目录。

    2、ik目录拷贝

    将下载目录中的ik目录拷贝到ES_HOME/config目录下面。

    3、分词器配置

    打开ES_HOME/config/elasticsearch.yml文件，在文件最后加入如下内容：

index:
  analysis:                   
    analyzer:      
      ik:
          alias: [ik_analyzer]
          type: org.elasticsearch.index.analysis.IkAnalyzerProvider
      ik_max_word:
          type: ik
          use_smart: false
      ik_smart:
          type: ik
          use_smart: true
index.analysis.analyzer.default.type: ik

 

    ok！插件安装已经完成，请重新启动ES，接下来测试ik分词效果啦！

三、ik分词测试

    1、创建一个索引，名为index。   

curl -XPUT http://localhost:9200/index

 

    2、为索引index创建mapping。

curl -XPOST http://localhost:9200/index/fulltext/_mapping -d'
{
    "fulltext": {
             "_all": {
            "analyzer": "ik"
        },
        "properties": {
            "content": {
                "type" : "string",
                "boost" : 8.0,
                "term_vector" : "with_positions_offsets",
                "analyzer" : "ik",
                "include_in_all" : true
            }
        }
    }
}'

 

    3、测试

curl 'http://localhost:9200/index/_analyze?analyzer=ik&pretty=true' -d '
{
"text":"世界如此之大"
}'

 

    显示结果如下：

{
  "tokens" : [ {
    "token" : "text",
    "start_offset" : 4,
    "end_offset" : 8,
    "type" : "ENGLISH",
    "position" : 1
  }, {
    "token" : "世界",
    "start_offset" : 11,
    "end_offset" : 13,
    "type" : "CN_WORD",
    "position" : 2
  }, {
    "token" : "如此",
    "start_offset" : 13,
    "end_offset" : 15,
    "type" : "CN_WORD",
    "position" : 3
  }, {
    "token" : "之大",
    "start_offset" : 15,
    "end_offset" : 17,
    "type" : "CN_WORD",
    "position" : 4
  } ]
}

 

 

   总结：1.7.1 es 配置插件

    1、复制ik文件夹到conf目录，

    2、修改elasticsearch.yml。增加 index.analysis.analyzer.ik.type : "ik"

    3.  plugins 目录新建analysis-ik文件夹，把ik jar包放到这个文件夹里面

参考资料

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

 

欢迎转载，请注明出处：http://my.oschina.net/xiaohui249/blog/232784

 

http://blog.csdn.net/liuzhenfeng/article/details/39404435

 

http://my.oschina.net/sunzy/blog/195341