elasticsearch安装和使用ik分词器

最新推荐文章于 2024-09-24 22:29:40 发布
最新推荐文章于 2024-09-24 22:29:40 发布
阅读量1.8w 收藏 20
点赞数 8
分类专栏： elasticsearch elasticsearch之旅 文章标签： elasticsearch ik分词器
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/boling_cavalry/article/details/86549043
版权

在使用elasticsearch的时候，如果不额外安装分词器的话，在处理text字段时会使用elasticsearch自带的默认分词器，我们来一起看看默认分词器的效果；

环境信息

  1. 本次实战用到的elasticsearch版本是6.5.0，安装在Ubuntu 16.04.5 LTS，客户端工具是postman6.6.1；
  2. 如果您需要搭建elasticsearch环境，请参考《Linux环境快速搭建elasticsearch6.5.4集群和Head插件》；
  3. Ubuntu服务器上安装的JDK，版本是1.8.0_191；
  4. Ubuntu服务器上安装了maven，版本是是3.5.0；

elasticsearch为什么要用6.5.0版本

截止发布文章时间，elasticsearch官网已经提供了6.5.4版本下载，但是ik分词器的版本目前支持到6.5.0版本，因此本次实战的elasticsearch选择了6.5.0版本；

基本情况介绍

本次实战的elasticsearch环境已经搭建完毕，是由两个机器搭建的集群，并且elasticsearch-head也搭建完成：

  1. 一号机器，IP地址：192.168.150.128；
  2. 二号机器：IP地址：192.168.150.128；
  3. elasticsearch-head安装在一号机器，访问地址：http://192.168.150.128:9100

数据格式说明

为了便于和读者沟通，我们来约定一下如何在文章中表达请求和响应的信息：

  1. 假设通过Postman工具向服务器发送一个PUT类型的请求，地址是：http://192.168.150.128:9200/test001/article/1
  2. 请求的内容是JSON格式的，内容如下：
{
	"id":1,
	"title":"标题a",
	"posttime":"2019-01-12",
	"content":"一起来熟悉文档相关的操作"
}

对于上面的请求，我在文章中就以如下格式描述：

PUT test001/article/1

{
	"id":1,
	"title":"标题a",
	"posttime":"2019-01-12",
	"content":"一起来熟悉文档相关的操作"
}

读者您看到上述内容，就可以在postman中发起PUT请求，地址是"test001/article/1"前面加上您的服务器地址，内容是上面的JSON；

默认分词器的效果

先来看看默认的分词效果：

  1. 创建一个索引：
PUT test002
  1. 查看索引基本情况：
GET test002/_settings

收到响应如下，可见并没有分词器的信息：

{
    "test002": {
        "settings": {
            "index": {
                "creation_date": "1547863084175",
                "number_of_shards": "5",
                "number_of_replicas": "1",
                "uuid": "izLzdwCQRdeq01tNBxajEg",
                "version": {
                    "created": "6050499"
                },
                "provided_name": "test002"
            }
        }
    }
}
  1. 查看分词效果：
POST test002/_analyze?pretty=true

{"text":"我们是软件工程师"}

收到响应如下，可见每个汉字都被拆分成一个词了，这样会导致词项搜索时收不到我们想要的(例如用"我们"来搜索是没有结果的)：

{
    "tokens": [
        {
            "token": "我",
            "start_offset": 0,
            "end_offset": 1,
            "type": "<IDEOGRAPHIC>",
            "position": 0
        },
        {
            "token": "们",
            "start_offset": 1,
            "end_offset": 2,
            "type": "<IDEOGRAPHIC>",
            "position": 1
        },
        {
            "token": "是",
            "start_offset": 2,
            "end_offset": 3,
            "type": "<IDEOGRAPHIC>",
            "position": 2
        },
        {
            "token": "软",
            "start_offset": 3,
            "end_offset": 4,
            "type": "<IDEOGRAPHIC>",
            "position": 3
        },
        {
            "token": "件",
            "start_offset": 4,
            "end_offset": 5,
            "type": "<IDEOGRAPHIC>",
            "position": 4
        },
        {
            "token": "工",
            "start_offset": 5,
            "end_offset": 6,
            "type": "<IDEOGRAPHIC>",
            "position": 5
        },
        {
            "token": "程",
            "start_offset": 6,
            "end_offset": 7,
            "type": "<IDEOGRAPHIC>",
            "position": 6
        },
        {
            "token": "师",
            "start_offset": 7,
            "end_offset": 8,
            "type": "<IDEOGRAPHIC>",
            "position": 7
        }
    ]
}

为了词项搜索能得到我们想要的结果，需要换一个分词器，理想的分词效果应该是"我们"、“是”、“软件”、“工程师”，ik分词器可以满足我们的要求，接下来开始实战；

注意事项

  1. 下面的所有操作都使用es账号来进行，不要用root账号；
  2. 编译ik分词器需要用到maven，如果您有docker，但是不想安装maven，可以参考《没有JDK和Maven，用Docker也能构建Maven工程》来编译工程；

下载IK分词器源码到Ubuntu

  1. 登录ik分词器网站：https://github.com/medcl/elasticsearch-analysis-ik
  2. 按照网站提供的版本对应表，确认我们要使用的分词器版本，很遗憾写文章的时候还没有匹配elasticsearch-6.5.0的版本，那就用master吧，也就是下图中的红框版本：
    在这里插入图片描述
  3. 如下图，点击下载zip文件：
    在这里插入图片描述
  4. 将下载的zip包放到Ubuntu机器上，解压后是个名为elasticsearch-analysis-ik-master的文件夹，在此文件夹下执行以下命令，即可开始构建ik分词器工程：
mvn clean package -U -DskipTests
  1. 等待编译完成后，在target/release目录下会生产名为elasticsearch-analysis-ik-6.5.0.zip的文件，如下所示：
$ pwd
/usr/local/work/es/elasticsearch-analysis-ik-master
$ cd target/
$ ls
archive-tmp  elasticsearch-analysis-ik-6.5.0.jar          generated-sources  maven-status
classes      elasticsearch-analysis-ik-6.5.0-sources.jar  maven-archiver     releases
$ cd releases/
$ ls
elasticsearch-analysis-ik-6.5.0.zip
  1. 停止集群中所有机器的elasticsearch进程，在所有机器上做这些操作：在elasticsearch的plugins目录下创建名为ik的目录，再将上面生成的elasticsearch-analysis-ik-6.5.0.zip文件复制到这个新创建的ik目录下；
  2. 在elasticsearch-analysis-ik-6.5.0.zip所在文件夹下，执行目录unzip elasticsearch-analysis-ik-6.5.0.zip进行解压；
  3. 确认elasticsearch-analysis-ik-6.5.0.zip已经复制到每个elasticsearch的plugins/ik目录下并解压后，将所有elasticsearch启动，可以发现控制台上会输出ik分词器被加载的信息，如下图所示：
    在这里插入图片描述
    至此，ik分词器安装完成，来验证一下吧；

验证ik分词器

  1. 在postman发起请求，在json中通过tokenizer指定分词器：
POST test002/_analyze?pretty=true

{
"text":"我们是软件工程师",
"tokenizer":"ik_max_word"
}

这一次得到了分词的效果：

{
    "tokens": [
        {
            "token": "我们",
            "start_offset": 0,
            "end_offset": 2,
            "type": "CN_WORD",
            "position": 0
        },
        {
            "token": "是",
            "start_offset": 2,
            "end_offset": 3,
            "type": "CN_CHAR",
            "position": 1
        },
        {
            "token": "软件工程",
            "start_offset": 3,
            "end_offset": 7,
            "type": "CN_WORD",
            "position": 2
        },
        {
            "token": "软件",
            "start_offset": 3,
            "end_offset": 5,
            "type": "CN_WORD",
            "position": 3
        },
        {
            "token": "工程师",
            "start_offset": 5,
            "end_offset": 8,
            "type": "CN_WORD",
            "position": 4
        },
        {
            "token": "工程",
            "start_offset": 5,
            "end_offset": 7,
            "type": "CN_WORD",
            "position": 5
        },
        {
            "token": "师",
            "start_offset": 7,
            "end_offset": 8,
            "type": "CN_CHAR",
            "position": 6
        }
    ]
}

可见所有可能形成的词语都被分了出来，接下试试ik分词器的另一种分词方式ik_smart；
2. 使用ik_smart方式分词的请求如下：
shellshell
POST test002/_analyze?pretty=true

{
“text”:“我们是软件工程师”,
“tokenizer”:“ik_smart”
}

这一次得到了分词的效果：
```json
{
    "tokens": [
        {
            "token": "我们",
            "start_offset": 0,
            "end_offset": 2,
            "type": "CN_WORD",
            "position": 0
        },
        {
            "token": "是",
            "start_offset": 2,
            "end_offset": 3,
            "type": "CN_CHAR",
            "position": 1
        },
        {
            "token": "软件",
            "start_offset": 3,
            "end_offset": 5,
            "type": "CN_WORD",
            "position": 2
        },
        {
            "token": "工程师",
            "start_offset": 5,
            "end_offset": 8,
            "type": "CN_WORD",
            "position": 3
        }
    ]
}

可见ik_smart的特点是将原句做拆分，不会因为各种组合出现部分的重复，以下是来自官方的解释：

ik_max_word 和 ik_smart 什么区别?
ik_max_word: 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合；

ik_smart: 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。

验证搜索

前面通过http请求验证了分词效果，现在通过搜索来验证分词效果；

  1. 通过静态mapping的方式创建索引，指定了分词器和分词方式：
PUT test003

{
  "mappings": {
    "article": {
      "dynamic": false,
      "properties": {
        "title": {
          "type": "keyword"
        },
       "content": {
                "type": "text",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word"
            }
      }
    }
  }
}

创建成功会收到以下响应：

{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "test003"
}
  1. 创建一个文档：
PUT test003/article/1

{
  "id":1,
  "title":"文章一",
  "content":"我们是软件工程师"
}
  1. 用工程师作为关键词查询试试：
GET test003/_search

{
	"query":{
		"term":{"content":"工程师"}
	}
}

搜索成功：

{
    "took": 111,
    "timed_out": false,
    "_shards": {
        "total": 5,
        "successful": 5,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": 1,
        "max_score": 0.2876821,
        "hits": [
            {
                "_index": "test003",
                "_type": "article",
                "_id": "1",
                "_score": 0.2876821,
                "_source": {
                    "id": 1,
                    "title": "文章一",
                    "content": "我们是软件工程师"
                }
            }
        ]
    }
}

至此，ik分词器的安装和使用实战就完成了，希望本文能在您的使用过程中提供一些参考；

欢迎关注我的公众号：程序员欣宸

在这里插入图片描述

程序员欣宸
关注
专栏目录
ik分词器
qq_59114219的博客
08-24 431
ik分词器的介绍、介绍、使用
IK分词器
art_code的博客
08-22 676
版本一定要与es对应！！！ 下载地址: https://github.com/medcl/elasticsearch-analysis-ik/releases?after=v6.8.0 解压到 启动参考: https://www.cnblogs.com/toov5/p/11361413.html 启动： docker run -e ES_JAVA_...
Elasticsearch、ik分词器、elasticsearch-head、Kibana的认识与安装
最新发布
m0_66925868的博客
09-24 1162
不过开发中，我们一般使用elasticsearch-head来查看elasticsearch的数据而已，真正对elasticsearch进行增删查改操作一般我们使用kibana或者postman或者编程语言实现的客户端来完成。默认情况下，elasticsearch是外国开发的，所以本身对于中文分词构建分词索引的支持是不行的。访问elasticsearch-head：http://127.0.0.1:9100/，会发现无法连接elasticsearch，原因是因为跨域问题导致。
Elasticsearch实践（四）：IK分词
weixin_33906657的博客
11-30 161
环境：Elasticsearch 6.2.4 + Kibana 6.2.4 + ik 6.2.4 Elasticsearch默认也能对中文进行分词。 我们先来看看自带的中文分词效果： curl -XGET "http://localhost:9200/_analyze" -H 'Content-Type: application/json;' -d '{"analyzer": "defaul...
Ik分词器
不以人人的意志为转义乃天道
07-15 383
  如果按照的也查词是查不到额。实际上就是没有了这个词条按照默认词条分词优先根据自定义的来进行匹配不在一个字一个字的分词了。但是如果有两个字或者以上的词汇仍会继续分词...
IK分词器elasticsearch-analysis-ik-7.17.16
12-24
**IK分词器详解** IK分词器是针对Elasticsearch设计的一款强大的中文分词插件，其全称为"elasticsearch-analysis-ik...了解并熟练掌握IK分词器的使用，能帮助我们更好地利用Elasticsearch进行中文信息检索和数据分析。
ElasticSearch 安装和使用IK分词器
江湖戏子的专栏
11-23 5437
1、到官网下载IK分词器并且编译成jar包。 2、把IK目录下的config\ik 的所有文件都复制到elasticsearch 的config\ik 的目录下面 3、在elasticsearch的 elasticsearch.yml中添加 ik: alias: [news_analyzer_ik,ik_analyzer] type: org.el
7.17.1系列Elasticsearch的elasticsearch-analysis-ik分词器
08-07
elasticsearch-analysis-ik 是一个常用的中文分词器，在 Elasticsearch 中广泛应用于中文文本的分析和搜索。下面是 elasticsearch-analysis-ik 分词器的几个主要特点： 中文分词：elasticsearch-analysis-ik 是基于...
elasticsearch ik分词器安装和使用
程序员
04-16 268
下载地址,选择对应版本https://github.com/medcl/elasticsearch-analysis-ik/releases 安装ik分词器 在 elasticsearch 目录中的\plugins 目录下新建 ik 目录，然后将下载完成的elasticsearch-analysis-ik 解压至此目录下。或者将压缩后的文件复制到ik目录下,分词器到这里就安装成功了 ...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序员欣宸

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值