ES(二)| 安装ES、Kibana、IK分词器、拼音分词器(自动补全)
上一篇:ES(一)| ES简介、倒排索引、索引库操作语法、文档操作语法、Java使用RestClient进行ES操作
0.安装包下载
安装包下载:
- 链接:https://pan.baidu.com/s/1Y1O0B8aG7qzRLFFVYo9nHw
- 提取码:hdyc
1.部署es
1.1.创建网络
因为我们还需要部署kibana
容器,因此需要让es
和kibana
容器互联。这里先创建一个网络:
docker network create es-net
1.2.加载镜像
这里我采用elasticsearch
的7.12.1
版本的镜像,这个镜像体积非常大,接近1G。不建议大家自己pull。
ES
镜像的tar
包:
将其上传到虚拟机中,然后运行命令加载即可:
# 导入数据
docker load -i es.tar
同理还有kibana
的tar
包也需要这样做。
1.3.运行
运行docker
命令,部署单点es
:
docker run -d \
--name es \
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
-e "discovery.type=single-node" \
-v es-data:/usr/share/elasticsearch/data \
-v es-plugins:/usr/share/elasticsearch/plugins \
--privileged \
--network es-net \
-p 9200:9200 \
-p 9300:9300 \
elasticsearch:7.12.1
命令解释:
-e "cluster.name=es-docker-cluster"
:设置集群名称-e "http.host=0.0.0.0"
:监听的地址,可以外网访问-e "ES_JAVA_OPTS=-Xms512m -Xmx512m"
:内存大小-e "discovery.type=single-node"
:非集群模式-v es-data:/usr/share/elasticsearch/data
:挂载逻辑卷,绑定es的数据目录-v es-logs:/usr/share/elasticsearch/logs
:挂载逻辑卷,绑定es的日志目录-v es-plugins:/usr/share/elasticsearch/plugins
:挂载逻辑卷,绑定es的插件目录--privileged
:授予逻辑卷访问权--network es-net
:加入一个名为es-net的网络中-p 9200:9200
:端口映射配置
在浏览器中输入:http://192.168.188.128:9200/
即可看到elasticsearch
的响应结果:
2.部署kibana
kibana
可以给我们提供一个elasticsearch
的可视化界面,便于我们学习。
kibana
镜像的tar
包:
将kibana
的tar上传到虚拟机中,然后运行命令加载即可:
# 导入数据
docker load -i kibana.tar
2.1.部署
运行docker
命令,部署kibana
docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601 \
kibana:7.12.1
--network es-net
:加入一个名为es-net
的网络中,与elasticsearch
在同一个网络中-e ELASTICSEARCH_HOSTS=http://es:9200"
:设置elasticsearch
的地址,因为kibana
已经与elasticsearch
在一个网络,因此可以用容器名直接访问elasticsearch
-p 5601:5601
:端口映射配置
kibana
启动一般比较慢,需要多等待一会,可以通过命令:
docker logs -f kibana
查看运行日志,当查看到下面的日志,说明成功:
此时,在浏览器输入地址访问:http://192.168.188.128:5601
,即可看到结果
2.2.DevTools
kibana
中提供了一个DevTools
界面:
这个界面中可以编写DSL
来操作elasticsearch
。并且对DSL
语句有自动补全功能。
3.安装IK分词器
3.1.在线安装ik插件(较慢)
# 进入容器内部
docker exec -it elasticsearch /bin/bash
# 在线下载并安装
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip
#退出
exit
#重启容器
docker restart elasticsearch
3.2.离线安装ik插件(推荐)
1)查看数据卷目录
安装插件需要知道elasticsearch
的plugins
目录位置,而我们用了数据卷挂载,因此需要查看elasticsearch
的数据卷目录,通过下面命令查看:
docker volume inspect es-plugins
显示结果:
[
{
"CreatedAt": "2022-05-06T10:06:34+08:00",
"Driver": "local",
"Labels": null,
"Mountpoint": "/var/lib/docker/volumes/es-plugins/_data",
"Name": "es-plugins",
"Options": null,
"Scope": "local"
}
]
说明plugins
目录被挂载到了:/var/lib/docker/volumes/es-plugins/_data
这个目录中。
2)解压缩分词器安装包
把文章开头的ik分词器
压缩包elasticsearch-analysis-ik-7.12.1.zip
解压到一个文件夹中,将文件夹重命名为ik
。
文件夹中的内容如下图:
3)上传到es容器的插件数据卷中
也就是/var/lib/docker/volumes/es-plugins/_data
:
4)重启容器
# 重启容器
docker restart es
# 查看es日志
docker logs -f es
5)测试:
IK分词器
包含两种模式:
ik_smart
:最少切分ik_max_word
:最细切分
GET /_analyze
{
"analyzer": "ik_max_word",
"text": "程序员需要不断进步"
}
结果:
{
"tokens" : [
{
"token" : "程序员",
"start_offset" : 0,
"end_offset" : 3,
"type" : "CN_WORD",
"position" : 0
},
{
"token" : "程序",
"start_offset" : 0,
"end_offset" : 2,
"type" : "CN_WORD",
"position" : 1
},
{
"token" : "员",
"start_offset" : 2,
"end_offset" : 3,
"type" : "CN_CHAR",
"position" : 2
},
{
"token" : "需要",
"start_offset" : 3,
"end_offset" : 5,
"type" : "CN_WORD",
"position" : 3
},
{
"token" : "要不",
"start_offset" : 4,
"end_offset" : 6,
"type" : "CN_WORD",
"position" : 4
},
{
"token" : "不断进步",
"start_offset" : 5,
"end_offset" : 9,
"type" : "CN_WORD",
"position" : 5
},
{
"token" : "不断",
"start_offset" : 5,
"end_offset" : 7,
"type" : "CN_WORD",
"position" : 6
},
{
"token" : "进步",
"start_offset" : 7,
"end_offset" : 9,
"type" : "CN_WORD",
"position" : 7
}
]
}
3.3 扩展词词典
随着互联网的发展,“造词运动”也越发的频繁。出现了很多新的词语,在原有的词汇列表中并不存在。比如:“奥力给”,“德玛西亚” 等。
所以我们的词汇也需要不断的更新,IK分词器
提供了扩展词汇的功能。
1)打开IK
分词器config
目录:
2)在IKAnalyzer.cfg.xml
配置文件内容添加:
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典 *** 添加扩展词典-->
<entry key="ext_dict">ext.dic</entry>
</properties>
3)在config
目录下新建一个 ext.dic
文件,可以参考config
目录下的其他文件,复制一个配置文件进行修改即可
德玛西亚
奥力给
4)重启elasticsearch
docker restart es
# 查看 日志
docker logs -f es
日志中已经成功加载ext.dic
配置文件
5)测试效果:
GET /_analyze
{
"analyzer": "ik_max_word",
"text": "德玛西亚无敌,奥力给!"
}
注意:当前文件的编码必须是 UTF-8 格式,严禁使用Windows记事本编辑
3.4 停用词词典
在互联网项目中,在网络间传输的速度很快,所以很多语言是不允许在网络上传递的,如:关于宗教、政治等敏感词语,那么我们在搜索时也应该忽略当前词汇。
IK分词器也提供了强大的停用词功能,让我们在索引时就直接忽略当前的停用词汇表中的内容。
1)IKAnalyzer.cfg.xml
配置文件内容添加:
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典-->
<entry key="ext_dict">ext.dic</entry>
<!--用户可以在这里配置自己的扩展停止词字典 *** 添加停用词词典-->
<entry key="ext_stopwords">stopword.dic</entry>
</properties>
2)在config
目录下新建stopword.dic
文件,跟上一步的ext.dic
文件类似,在stopword.dic
添加停用词
无敌
3)重启elasticsearch
# 重启服务
docker restart es
docker restart kibana
# 查看 日志
docker logs -f es
日志中已经成功加载stopword.dic
配置文件
54)测试效果:
GET /_analyze
{
"analyzer": "ik_max_word",
"text": "德玛西亚无敌,奥力给!"
}
注意:当前文件的编码必须是 UTF-8 格式,严禁使用Windows记事本编辑
4.安装拼音分词器(自动补全)
要实现根据字母做补全,就必须对文档按照拼音分词。在GitHub上恰好有elasticsearch的拼音分词插件。地址:https://github.com/medcl/elasticsearch-analysis-pinyin
先将文章顶部的elasticsearch-analysis-pinyin-7.12.1.zip
文件解压到一个文件夹中,将文件夹重命名为py
,文件夹内容如下:
安装方式与IK分词器
一样,分三步:
①解压
②上传到虚拟机中,elasticsearch
的plugin
目录
③重启elasticsearch
④测试
详细安装步骤可以参考IK分词器
的安装过程。
4.1.拼音分词器
测试用法如下:
POST /_analyze
{
"text": "德玛西亚玩的还不错",
"analyzer": "pinyin"
}
结果:
2.2.自定义分词器
默认的拼音分词器会将每个汉字单独分为拼音,而我们希望的是每个词条形成一组拼音,需要对拼音分词器做个性化定制,形成自定义分词器。
elasticsearch
中分词器(analyzer
)的组成包含三部分:
character filters
:在tokenizer
之前对文本进行处理。例如删除字符、替换字符tokenizer
:将文本按照一定的规则切割成词条(term
)。例如keyword
,就是不分词;还有ik_smart
tokenizer filter
:将tokenizer
输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等
文档分词时会依次由这三部分来处理文档:
声明自定义分词器的语法如下:
PUT /huangtu
{
"settings": {
"analysis": {
"analyzer": { // 自定义分词器
"huangtu_analyzer": { // 分词器名称
"tokenizer": "ik_max_word",
"filter": "py"
}
},
"filter": { // 自定义tokenizer filter
"py": { // 过滤器名称
"type": "pinyin", // 过滤器类型,这里是pinyin
"keep_full_pinyin": false,
"keep_joined_full_pinyin": true,
"keep_original": true,
"limit_first_letter_length": 16,
"remove_duplicated_term": true,
"none_chinese_pinyin_tokenize": false
}
}
}
},
"mappings": {
"properties": {
"name": {
"type": "text",
"analyzer": "huangtu_analyzer",
"search_analyzer": "ik_smart"
}
}
}
}
测试自定义拼音分词器:
POST /huangtu/_analyze
{
"text": ["德玛西亚玩的还不错"],
"analyzer": "huangtu_analyzer"
}
2.3.自动补全查询
elasticsearch
提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率,对于文档中字段的类型有一些约束:
-
参与补全查询的字段必须是
completion
类型。 -
字段的内容一般是用来补全的多个词条形成的数组。
比如,一个这样的索引库:
// 创建索引库
PUT huangtu_test
{
"mappings": {
"properties": {
"title":{
"type": "completion"
}
}
}
}
然后执行下面的语句,插入数据:
// 示例数据
POST huangtu_test/_doc
{
"title": ["Sony", "WH-1000XM3"]
}
POST test/_doc
{
"title": ["SK-II", "PITERA"]
}
POST test/_doc
{
"title": ["Nintendo", "switch"]
}
查询的DSL语句如下:
// 自动补全查询
GET /huangtu_test/_search
{
"suggest": {
"title_suggest": {
"text": "s", // 关键字
"completion": {
"field": "title", // 补全查询的字段
"skip_duplicates": true, // 跳过重复的
"size": 10 // 获取前10条结果
}
}
}
}
结果:
2.4.总结
如何使用拼音分词器?
- ①下载
pinyin
分词器 - ②解压并放到
elasticsearch
的plugin
目录 - ③重启即可
如何自定义分词器?
- ①创建索引库时,在
settings
中配置,可以包含三部分 - ②
character filter
- ③
tokenizer
- ④
filter
拼音分词器注意事项?
- 为了避免搜索到同音字,搜索时不要使用拼音分词器
至此,完结。
下一篇:ES(三)| 查询、排序、分页(深度分页问题)、高亮显示、Java使用RestClient进行ES操作
欢迎关注公众号:慌途L
后面会慢慢将文章迁移至公众号,也是方便在没有电脑的情况下可以进行翻阅,更新的话会两边同时更新,大家不用担心!