安装ik的方式：
1.离线安装：
下载：https://github.com/medcl/elasticsearch-analysis-ik/tree/v6.5.0
解压到 $ES_HOME/plugins目录下面
遇到问题：
解决问题：
在elasticsearch-analysis-ik-6.5.0目录下需要使用mvn进行编译：mvn clean package -DskipTests
编译完之后再把elasticsearch-analysis-ik-6.5.0\target\releases下的zip包重新上传到plugins目录下，重新启动ES即可。
在ES6.2.0的版本中使用ik时，因为ES没有对应6.2.0的ik插件，所以需要将plugin-descriptor.properties配置文件中的elasticsearch.version=${elasticsearch.version} ---> 改为6.2.0
同时如果是6.2.1的话需要注释一下几个参数：
site=${elasticsearch.plugin.site}
jvm=${elasticsearch.plugin.jvm}
isolated=${elasticsearch.plugin.isolated}
2.在线安装：
- use elasticsearch-plugin to install ( supported from version v5.5.1 ):
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.5.0/elasticsearch-analysis-ik-6.5.0.zip3. restart elasticsearch
补充：
词典目录：
位置: IKAnalyzer.cfg.xml can be located at {conf}/analysis-ik/config/IKAnalyzer.cfg.xml or {plugins}/elasticsearch-analysis-ik-*/config/IKAnalyzer.cfg.xml
<?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">custom/mydict.dic;custom/single_word_low_freq.dic</entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords">custom/ext_stopword.dic</entry>
<!--用户可以在这里配置远程扩展字典 -->
<entry key="remote_ext_dict">location</entry>
<!--用户可以在这里配置远程扩展停止词字典-->
<entry key="remote_ext_stopwords">http://xxx.com/xxx.dic</entry>
</properties>热更新 IK 分词使用方法
目前该插件支持热更新 IK 分词，通过上文在 IK 配置文件中提到的如下配置
<!--用户可以在这里配置远程扩展字典 -->
<entry key="remote_ext_dict">location</entry>
<!--用户可以在这里配置远程扩展停止词字典-->
<entry key="remote_ext_stopwords">location</entry>其中 location 是指一个 url，比如 http://yoursite.com/getCustomDict，该请求只需满足以下两点即可完成分词热更新。
-
该 http 请求需要返回两个头部(header)，一个是
Last-Modified，一个是ETag，这两者都是字符串类型，只要有一个发生变化，该插件就会去抓取新的分词进而更新词库。 -
该 http 请求返回的内容格式是一行一个分词，换行符用
\n即可。
满足上面两点要求就可以实现热更新分词了，不需要重启 ES 实例。
可以将需自动更新的热词放在一个 UTF-8 编码的 .txt 文件里，放在 nginx 或其他简易 http server 下，当 .txt 文件修改时，http server 会在客户端请求该文件时自动返回相应的 Last-Modified 和 ETag。可以另外做一个工具来从业务系统提取相关词汇，并更新这个 .txt 文件。
详细内容可参考：github/elasticsearch-analysis-ik
快速开始：
需要说明的是，数据需要重新插入，并使用ik分词。
1.首先创建一个中文检索库：
curl -XPUT 'http://hadoop01:9200/chinese'2.创建一个mapping：
curl -XPOST http://hadoop01:9200/chinese/fulltext/_mapping -H 'Content-Type:application/json' -d'
{
"properties": {
"content": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word"
}
}
}'3.添加一些文档：
curl -H "Content-Type: application/json" -XPOST 'http://hadoop01:9200/chinese/fulltext/1' -d '{"content":"美国留给伊拉克的是个烂摊子吗"}'
curl -H "Content-Type: application/json" -XPOST 'http://hadoop01:9200/chinese/fulltext/2' -d '{"content":"公安部：各地校车将享最高路权"}'
curl -H "Content-Type: application/json" -XPOST 'http://hadoop01:9200/chinese/fulltext/3' -d '{"content":"中韩渔警冲突调查：韩警平均每天扣1艘中国渔船"}'
curl -H "Content-Type: application/json" -XPOST 'http://hadoop01:9200/chinese/fulltext/4' -d '{"content":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"}'4.高亮查询：
curl -XPOST http://hadoop01:9200/chinese/fulltext/_search -H 'Content-Type:application/json' -d'
{
"query" : { "match" : { "content" : "中国" }},
"highlight" : {
"pre_tags" : ["<tag1>", "<tag2>"],
"post_tags" : ["</tag1>", "</tag2>"],
"fields" : {
"content" : {}
}
}
}
'5.结果集：
{
"took": 14,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"failed": 0
},
"hits": {
"total": 2,
"max_score": 2,
"hits": [
{
"_index": "index",
"_type": "fulltext",
"_id": "4",
"_score": 2,
"_source": {
"content": "中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"
},
"highlight": {
"content": [
"<tag1>中国</tag1>驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首 "
]
}
},
{
"_index": "index",
"_type": "fulltext",
"_id": "3",
"_score": 2,
"_source": {
"content": "中韩渔警冲突调查：韩警平均每天扣1艘中国渔船"
},
"highlight": {
"content": [
"均每天扣1艘<tag1>中国</tag1>渔船 "
]
}
}
]
}
}代码实现：
首先先加一些配置文件（elasticsearch.conf）：
cluster.name=rk-ES
cluster.host.port=hadoop01:9300,hadoop02:9300,hadoop03:9300从配置文件中获取集群的信息(Constants)：
package rk.constants;
/**
* @Author rk
* @Date 2018/12/10 15:14
* @Description:
**/
public interface Constants {
String CLUSTER_NAME = "cluster.name";
String CLUSTER_HOST_PORT = "cluster.host.port";
}
编写一个获取连接ES的工具类(ElasticSearchUtil)：
package rk.utils;
import org.elasticsearch.client.transport.TransportClient;
import org.elasticsearch.common.settings.Settings;
import org.elasticsearch.common.transport.TransportAddress;
import org.elasticsearch.transport.client.PreBuiltTransportClient;
import rk.constants.Constants;
import java.io.IOException;
import java.io.InputStream;
import java.net.InetSocketAddress;
import java.util.Properties;
public class ElasticSearchUtil {
private static TransportClient client;
private ElasticSearchUtil(){}
static{
try {
Properties properties = new Properties();
InputStream in = ElasticSearchUtil.class.getClassLoader().getResourceAsStream("elasticsearch.conf");
properties.load(in);
Settings setting = Settings.builder()
.put(Constants.CLUSTER_NAME, properties.getProperty(Constants.CLUSTER_NAME))
.build();
client = new PreBuiltTransportClient(setting);
String hostAndPorts = properties.getProperty(Constants.CLUSTER_HOST_PORT);
for (String hostAndPort : hostAndPorts.split(",")) {
String[] fields = hostAndPort.split(":");
String host = fields[0];
int port = Integer.valueOf(fields[1]);
TransportAddress ts = new TransportAddress(new InetSocketAddress(host, port));
client.addTransportAddresses(ts);
}
System.out.println("cluster.name = " + client.settings().get("cluster.name"));
}catch (IOException e) {
throw new ExceptionInInitializerError(e);
}
}
public static TransportClient getTransportClient(){
return client;
}
public static void close(TransportClient client){
client.close();
}
}
编写一个测试类(ElasticSearchTest)：
package rk.elastic;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.action.search.SearchType;
import org.elasticsearch.client.transport.TransportClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import rk.utils.ElasticSearchUtil;
import java.io.IOException;
import java.util.Map;
public class ElasticSearchTest {
private TransportClient client;
@Before
public void setUp() throws IOException {
client = ElasticSearchUtil.getTransportClient();
}
String[] indices = {"chinese"};
@Test
public void testChinese(){
SearchResponse response = client
.prepareSearch(indices) // 指定要检索的索引库
.setSearchType(SearchType.DEFAULT)
// .setQuery(QueryBuilders.matchQuery("content","中"))
// .setQuery(QueryBuilders.termQuery("content","中"))
.setQuery(QueryBuilders.termQuery("content","中国"))
.get();
// 返回检索结果数据，被封装SearchHits对象中
SearchHits searchHits = response.getHits();
long totalHits = searchHits.totalHits;
System.out.println("搜索到"+totalHits+"个结果");
SearchHit[] hits = searchHits.getHits();
for (SearchHit hit : hits){
System.out.println("--------------------------------------------");
String index = hit.getIndex();
String type = hit.getType();
String id = hit.getId();
float score = hit.getScore();
System.out.println("index: " + index);
System.out.println("type: " + type);
System.out.println("id: " + id);
System.out.println("score: " + score);
Map<String, Object> source = hit.getSourceAsMap();
source.forEach((field, value) ->{
System.out.println(field + "--->" + value);
});
}
}
@After
public void cleanUp(){
ElasticSearchUtil.close(client);
}
}
结果集：
扫一扫
850
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
