Elasticseach入门

最新推荐文章于 2022-05-30 15:00:42 发布
最新推荐文章于 2022-05-30 15:00:42 发布
阅读量239 收藏
点赞数
分类专栏： 全文检索 文章标签： java elasticsearch
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/weixin_42513762/article/details/109308341
版权 
文章内容输出来源：拉勾教育Java高薪训练营

Elasticseach

1.Elasticseach Single-Node Mode快速部署

Elasticsearch是一个分布式全文搜索引擎，支持单节点模式(Single-Node Mode)和集群模式(Cluster
Mode)部署，一般来说，小公司的业务场景往往使用Single-Node Mode部署即可。课程中我们先以
Single-Node Mode部署实例学习，随后再专门讲授集群模式相关内容。

  1. 虚拟机环境准备
    准备一台虚拟机
    操作系统：CentOS 7.x 64 bit
    客户端连接工具：XShell
    关闭虚拟机的防火墙

    systemctl stop firewalld.service #停止firewall
systemctl disable firewalld.service #禁止firewall开机启动
firewall-cmd --state # 查看防火墙

  2. Elasticsearch Single-Node Mode部署
    我们在虚拟机上部署Single-Node Mode Elasticsearch

    下载Elasticsearch
    地址： https://www.elastic.co/cn/downloads/elasticsearch 最新版本
    下载: https://www.elastic.co/cn/downloads/past-releases/elasticsearch-7.3…0 版本

    选择Linux版本下载：

在这里插入图片描述

开始安装JDK

  1. 解压三个tar.gz文件

    tar -zxvf jdk-8u171-linux-x64.tar.gz
tar -zxvf elasticsearch-7.3.0-linux-x86_64.tar.gz

  2. 移动文件到安装目录

    mv /root/jdk1.8.0_171 /usr/java/
mv /root/elasticsearch-7.3.0 /usr/elasticsearch/

  3. 配置jdk环境变量

    vim /etc/profile

JAVA_HOME=/usr/java
JRE_HOME=/usr/java/jre
CLASS_PATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
export JAVA_HOME JRE_HOME CLASS_PATH PATH

    配置修改生效

    source /etc/profile

    检查jdk

    java -version

配置Elasticsearch

  1. 编辑vim /usr/elasticsearch/config/elasticsearch.yml ，注意冒号后面有个空格。

    vim /usr/elasticsearch/config/elasticsearch.yml

    单机安装请取消注释：node.name: node-1，否则无法正常启动。
    修改网络和端口，取消注释master节点，单机只保留一个node

    node.name: node-1
network.host: 192.168.211.136
# #
Set a custom port for HTTP:
# h
ttp.port: 9200
cluster.initial_master_nodes: ["node-1"]

  2. 按需修改vim /usr/elasticsearch/config/jvm.options内存设置

    vim /usr/elasticsearch/config/jvm.options

    根据实际情况修改占用内存，默认都是1G，单机1G内存，启动会占用700m+然后在安装kibana后，基本上无法运行了，运行了一会就挂了报内存不足。 内存设置超出物理内存，也会无法启动，启动报错。

    -Xms1g
-Xmx1g

  3. 添加es用户，es默认root用户无法启动，需要改为其他用户

    useradd esuser
修改密码
passwd esuser

    改变es目录拥有者账号

    chown -R esuser /usr/elasticsearch/

  4. 修改/etc/sysctl.conf

    vim /etc/sysctl.conf

    末尾添加：vm.max_map_count=655360

    执行sysctl -p 让其生效

    sysctl -p

  5. 修改/etc/security/limits.conf

    vim /etc/security/limits.conf

    末尾添加：

    * soft nofile 65536 
* hard nofile 65536 
* soft nproc 4096 
* hard nproc 4096

  6. 启动es
    切换刚刚新建的用户

    su esuser

    启动命令

    /usr/elasticsearch/bin/elasticsearch

  7. 访问测试

    配置完成：浏览器访问node1测试。

2.安装Kibana

下载7.3.0版本的Kibana并上传到服务器：https://artifacts.elastic.co/downloads/kibana/kibana-7.3.0-linux-x86_64.tar.gz

解压到/usr/local/kibana目录
tar zxvf kibana-7.3.0-linux-x86_64.tar.gz -C /usr/local/kibana/
将/usr/local/kibana目录的拥有者改为esuser账号
chown -R esuser /usr/local/kibana/
设置访问权限
chmod -R 777 /usr/local/kibana
修改配置文件
vim /usr/local/kibana/config/kibana.yml

修改以下几项：

server.port: 5601
server.host: "0.0.0.0"
elasticsearch.hosts: ["http://192.168.10.154:9200"]
启动测试

切换为esuser账号，启动Kibana。

cd /usr/local/kibana
su esuser
./bin/kibana

浏览器访问http://192.168.31.199:5601即可以看到结果。

截屏2020-09-2020.00.30

3.Elasticsearch集成IK分词器

1.集成IK分词器

IKAnalyzer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3个大版本。最初，它是以开源项目Lucene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。新版本的IKAnalyzer3.0则发展为 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。
IK分词器3.0的特性如下：
1）采用了特有的“正向迭代最细粒度切分算法“，具有60万字/秒的高速处理能力。
2）采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数
量词，罗马数字，科学计数法），中文词汇（姓名、地名处理）等分词处理。
3）支持个人词条的优化的词典存储，更小的内存占用。
4）支持用户词典扩展定义。
5）针对Lucene全文检索优化的查询分析器IKQueryParser；采用歧义分析算法优化查询关键字的搜索
排列组合，能极大的提高Lucene检索的命中率。

方式一

1）在elasticsearch的bin目录下执行以下命令,es插件管理器会自动帮我们安装，然后等待安装完成：

/usr/elasticsearch/bin/elasticsearch-plugin install
https://github.com/medcl/elasticsearch-analysisik/releases/download/v7.3.0/elasticsearch-analysis-ik-7.3.0.zip

2）下载完成后会提示 Continue with installation?输入 y 即可完成安装
3）重启Elasticsearch 和Kibana

方式二

下载7.3.0版本的Elasticsearch的IK分词器的安装包：https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.3.0/elasticsearch-analysis-ik-7.3.0.zip

在elasticsearch安装目录的plugins目录下新建 analysis-ik 目录

mkdir -p /usr/local/elasticsearch/plugins/analysis-ik

解压分词器到新建的目录

unzip elasticsearch-analysis-ik-7.3.0.zip -d /usr/local/elasticsearch/plugins/analysis-ik/

重新启动Elasticsearch和Kibana

测试案例

IK分词器有两种分词模式：ik_max_word和ik_smart模式。
1）ik_max_word (常用)
会将文本做最细粒度的拆分

2）ik_smart
会做最粗粒度的拆分
大家先不管语法，我们先在Kibana测试一波输入下面的请求：

POST _analyze
{
"analyzer": "ik_max_word",
"text": "南京市长江大桥"
}

POST _analyze
{
"analyzer": "ik_smart",
"text": "南京市长江大桥"
}
2 扩展词典使用

扩展词：就是不想让哪些词被分开，让他们分成一个词。比如上面的江大桥
自定义扩展词库
1）进入到 config/analysis-ik/(插件命令安装方式) 或 plugins/analysis-ik/config(安装包安装方式) 目录下, 新增自定义词典

vim lagou_ext_dict.dic

输入 ：江大桥
2）将我们自定义的扩展词典文件添加到IKAnalyzer.cfg.xml配置中
vim 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">lagou_ext_dict.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">lagou_stop_dict.dic</entry>
<!--用户可以在这里配置远程扩展字典 -->
<!-- <entry
key="remote_ext_dict">http://192.168.211.130:8080/tag.dic</entry> -->
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

3）重启Elasticsearch

3 停用词典使用

停用词：有些词在文本中出现的频率非常高。但对本文的语义产生不了多大的影响。例如英文的a、
an、the、of等。或中文的”的、了、呢等”。这样的词称为停用词。停用词经常被过滤掉，不会被进行索引。在检索的过程中，如果用户的查询词中含有停用词，系统会自动过滤掉。停用词可以加快索引的速度，减少索引库文件的大小。
自定义停用词库
1）进入到 config/analysis-ik/(插件命令安装方式) 或 plugins/analysis-ik/config(安装包安装方式) 目录下, 新增自定义词典

vim lagou_stop_dict.dic

输入

的 
了 
啊

2）将我们自定义的停用词典文件添加到IKAnalyzer.cfg.xml配置中
3）重启Elasticsearch

4 同义词典使用

语言博大精深，有很多相同意思的词，我们称之为同义词，比如“番茄”和“西红柿”，“馒头”和“馍”等。在搜索的时候，我们输入的可能是“番茄”，但是应该把含有“西红柿”的数据一起查询出来，这种情况叫做同义词查询。
注意：扩展词和停用词是在索引的时候使用，而同义词是检索时候使用。
配置IK同义词
Elasticsearch 自带一个名为 synonym 的同义词 filter。为了能让 IK 和 synonym 同时工作，我们需要定义新的 analyzer，用 IK 做 tokenizer，synonym 做 filter。听上去很复杂，实际上要做的只是加一段配置。
1）创建/config/analysis-ik/synonym.txt 文件，输入一些同义词并存为 utf-8 格式。例如

lagou,拉勾
china,中国

1）创建索引时，使用同义词配置，示例模板如下

PUT /索引名称

{
    "mappings": {
        "properties": {
            "字段名": {
                "analyzer": "ik_sync_smart",
                "search_analyzer": "ik_sync_smart",
                "type": "字段类型"
            }
        }
    },
    "settings": {
        "analysis": {
            "analyzer": {
                "ik_sync_max_word": {
                    "filter": [
                        "word_sync"
                    ],
                    "tokenizer": "ik_max_word",
                    "type": "custom"
                },
                "ik_sync_smart": {
                    "filter": [
                        "word_sync"
                    ],
                    "tokenizer": "ik_smart",
                    "type": "custom"
                }
            },
            "filter": {
                "word_sync": {
                    "synonyms_path": "analysis-ik/synonym.txt",
                    "type": "synonym"
                }
            }
        }
    }
}

以上配置定义了ik_sync_max_word和ik_sync_smart这两个新的 analyzer，对应 IK 的 ik_max_word 和ik_smart 两种分词策略。ik_sync_max_word和 ik_sync_smart都会使用 synonym filter 实现同义词转换

3）到此，索引创建模板中同义词配置完成，搜索时指定分词为ik_sync_max_wordik_sync_smart。
4）案例

PUT /lagou-es-synonym
{
    "mappings": {
        "properties": {
            "name": {
                "analyzer": "ik_sync_max_word",
                "search_analyzer": "ik_sync_max_word",
                "type": "text"
            }
        }
    },
    "settings": {
        "analysis": {
            "analyzer": {
                "ik_sync_max_word": {
                    "filter": [
                        "word_sync"
                    ],
                    "tokenizer": "ik_max_word",
                    "type": "custom"
                },
                "ik_sync_smart": {
                    "filter": [
                        "word_sync"
                    ],
                    "tokenizer": "ik_smart",
                    "type": "custom"
                }
            },
            "filter": {
                "word_sync": {
                    "synonyms_path": "analysis-ik/synonym.txt",
                    "type": "synonym"
                }
            }
        }
    }
}

插入数据

POST /lagou-es-synonym/_doc/1
{
"name":"拉勾是中国专业的互联网招聘平台"
}

使用同义词"lagou"或者“china”进行搜索

POST /lagou-es-synonym/_doc/_search
{
    "query": {
        "match": {
            "name": "lagou"
        }
    }
}

4 索引操作（创建、查看、删除）

1.创建索引库

Elasticsearch采用Rest风格API，因此其API就是一次http请求，你可以用任何工具发起http请求

语法

PUT /索引名称
{
    "settings": {
    	"属性名": "属性值"
    }
}

settings：就是索引库设置，其中可以定义索引库的各种属性 比如分片数 副本数等，目前我们可以不
设置，都走默认

示例
PUT /lagou-company-index
在这里插入图片描述

2. 判断索引是否存在

语法

HEAD /索引名称

示例 HEAD /lagou-company-index
在这里插入图片描述

3.查看索引

Get请求可以帮我们查看索引的相关属性信息，格式：

  • 查看单个索引

语法

GET /索引名称

示例 GET /lagou-company-index

在这里插入图片描述

  • 批量查看索引

语法

GET /索引名称1,索引名称2,索引名称3,...

示例 GET /lagou-company-index,lagou-employee-index

在这里插入图片描述

  • 查看所有索引

方式一

GET _all

在这里插入图片描述

方式二

GET /_cat/indices?v

在这里插入图片描述

绿色：索引的所有分片都正常分配。
黄色：至少有一个副本没有得到正确的分配。
红色：至少有一个主分片没有得到正确的分配。

4. 打开索引

语法

POST /索引名称/_open

在这里插入图片描述

5.关闭索引

语法

POST /索引名称/_close

在这里插入图片描述

6. 删除索引库

删除索引使用DELETE请求

语法

DELETE /索引名称1,索引名称2,索引名称3...

示例

在这里插入图片描述

再次查看，返回索引不存在

在这里插入图片描述

5 映射操作

索引创建之后，等于有了关系型数据库中的database。Elasticsearch7.x取消了索引type类型的设置，不允许指定类型，默认为_doc，但字段仍然是有的，我们需要设置字段的约束信息，叫做字段映射（mapping）
字段的约束包括但不限于：

  • 字段的数据类型
  • 是否要存储
  • 是否要索引
  • 分词器

我们一起来看下创建的语法。

1.创建映射字段

语法

数据导入MySQL

使用图形界面工具将position.sql导入到192.168.31.199:3306上的数据库内。

截屏2020-09-0821.13.10

查询实现

新建一个springboot-es项目。

Maven依赖
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
	<modelVersion>4.0.0</modelVersion>
	<parent>
		<groupId>org.springframework.boot</groupId>
		<artifactId>spring-boot-starter-parent</artifactId>
		<version>2.3.3.RELEASE</version>
		<relativePath/> <!-- lookup parent from repository -->
	</parent>
	<groupId>com.lagou.edu</groupId>
	<artifactId>springboot_es</artifactId>
	<version>0.0.1-SNAPSHOT</version>
	<name>springboot_es</name>
	<description>Elasticsearch project for Spring Boot</description>

	<properties>
		<java.version>11</java.version>
		<elasticsearch.version>7.3.0</elasticsearch.version>
	</properties>

	<dependencies>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-thymeleaf</artifactId>
		</dependency>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-web</artifactId>
		</dependency>
		<dependency>
			<groupId>org.elasticsearch.client</groupId>
			<artifactId>elasticsearch-rest-high-level-client</artifactId>
			<version>${elasticsearch.version}</version>
		</dependency>
		<dependency>
			<groupId>org.elasticsearch</groupId>
			<artifactId>elasticsearch</artifactId>
			<version>${elasticsearch.version}</version>
		</dependency>
		<dependency>
			<groupId>org.elasticsearch.client</groupId>
			<artifactId>elasticsearch-rest-high-level-client</artifactId>
			<version>${elasticsearch.version}</version>
			<exclusions>
				<exclusion>
					<groupId>org.elasticsearch</groupId>
					<artifactId>elasticsearch</artifactId>
				</exclusion>
			</exclusions>
		</dependency>
		<dependency>
			<groupId>org.elasticsearch</groupId>
			<artifactId>elasticsearch</artifactId>
			<version>${elasticsearch.version}</version>
		</dependency>
		<!-- HttpClient -->
		<dependency>
			<groupId>org.apache.httpcomponents</groupId>
			<artifactId>httpclient</artifactId>
			<version>4.5.3</version>
		</dependency>
		<dependency>
			<groupId>org.apache.commons</groupId>
			<artifactId>commons-lang3</artifactId>
			<version>3.9</version>
		</dependency>
		<dependency>
			<groupId>mysql</groupId>
			<artifactId>mysql-connector-java</artifactId>
			<scope>runtime</scope>
		</dependency>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-devtools</artifactId>
			<scope>runtime</scope>
			<optional>true</optional>
		</dependency>
		<dependency>
			<groupId>org.projectlombok</groupId>
			<artifactId>lombok</artifactId>
			<optional>true</optional>
		</dependency>
		<dependency>
			<groupId>org.springframework.boot</groupId>
			<artifactId>spring-boot-starter-test</artifactId>
			<scope>test</scope>
			<exclusions>
				<exclusion>
					<groupId>org.junit.vintage</groupId>
					<artifactId>junit-vintage-engine</artifactId>
				</exclusion>
			</exclusions>
		</dependency>
	</dependencies>

	<build>
		<plugins>
			<plugin>
				<groupId>org.springframework.boot</groupId>
				<artifactId>spring-boot-maven-plugin</artifactId>
			</plugin>
		</plugins>
	</build>

</project>
配置文件

主要是ES配置。

spring:
  devtools:
    restart:
        enabled: true #设置开启热部署
        additional-paths: src/main/java #重启目录 
        exclude: WEB-INF/**
    freemarker:
       cache: false #页面不加载缓存，修改即时生效
  elasticsearch:
    rest:
        uris: 192.168.31.199:9200
  logging:
    level:
        root: info
        com.xdclass.search: debug
  thymeleaf:
    cache: false
PositionServiceImpl类

编写PositionService实现类，实现查询方法。

/**
     * 分页查询
     * @param keyword
     * @param pageNo
     * @param pageSize
     * @return
     * @throws IOException
     */
@Override
public List<Map<String, Object>> searchPos(String keyword, int pageNo, int pageSize) throws IOException {
  if (pageNo <= 1) {
    pageNo = 1;
  }

  SearchRequest searchRequest = new SearchRequest(POSITIOIN_INDEX);
  SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
  //分页 index = (当前页-1)*一页显示条数
  searchSourceBuilder.from((pageNo - 1) * pageSize);
  searchSourceBuilder.size(pageSize);
  //精准匹配
  QueryBuilder builder = QueryBuilders.matchQuery("positionName", keyword);
  searchSourceBuilder.query(builder);
  searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
  //执行搜索
  searchRequest.source(searchSourceBuilder);
  SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
  ArrayList<Map<String, Object>> list = new ArrayList<>();
  SearchHit[] hits = searchResponse.getHits().getHits();
  System.out.println(hits.length);
  for (SearchHit hit : hits) {
    list.add(hit.getSourceAsMap());
  }

  // 不够5条，就补充
  if (list.size() < 5) {
    QueryBuilder supBuilder = QueryBuilders.matchQuery("positionAdvantage", "美女多、员工福利好");
    searchSourceBuilder.query(supBuilder);
    searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
    //执行搜索
    searchRequest.source(searchSourceBuilder);
    SearchResponse supSearchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
    ArrayList<Map<String, Object>> supList = new ArrayList<>();
    SearchHit[] supHits = supSearchResponse.getHits().getHits();
    for (SearchHit hit : supHits) {
      if (list.size() >= 5) {
        break;
      }
      Map<String, Object> sourceAsMap = hit.getSourceAsMap();
      // 避免添加重复的职位
      if (!list.contains(sourceAsMap)) {
        list.add(sourceAsMap);
      }
    }
  }

  return list;
}
查询页面

在前面作业的基础上修改，改为使用vue请求后端接口，不刷新页面的情况下返回结果。

<!DOCTYPE html>
<html lang="en" xmlns:th="http://www.thymeleaf.org">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
    <style>
        .position-item {
            width: 200px;
            height: 122px;
            margin: 10px;
            padding: 5px;
            border: cornflowerblue 1px solid;
            float: left;
            list-style:none;
        }
    </style>
    <script src="https://cdn.jsdelivr.net/npm/vue/dist/vue.js"></script>
    <script src="https://unpkg.com/axios/dist/axios.min.js"></script>
</head>
<body>
<div id="app">
    <input name="positionName" v-model="keyword" @keyup.enter="searchPosition">
    <button @click="searchPosition">搜索</button>
    <h1>搜索结果</h1>
    <ul>
        <li v-for="item in results" class="position-item">
            <div>
                <span>{{item.positionName}}</span>
                <span>{{item.salary}}</span>
            </div>
            <div>
                <span>{{item.workYear}}</span>
                <span>{{item.education}}</span>
            </div>
            <div>
                <span>{{item.positionAdvantage}}</span>
            </div>
            <div>
                <span>{{item.companyName}}</span>
            </div>
            <div>
                <span>{{item.workAddress}}</span>
            </div>
        </li>
    </ul>
</div>
</body>
<script>
    new Vue({
        el: "#app",
        data: {
            keyword : "", //搜索关键字
            results : [] //查询结果
        },
        methods: {
            searchPosition(){
                var keyword = this.keyword;
                console.log(keyword);
                axios.get('/search/' + keyword + '/1/10').then(response=>{
                    console.log(response.data);
                    this.results = response.data;
                });
            }
        }
    });
</script>
</html>
浪里白条^
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Elasticsearch学习系列一（部署和配置IK分词器）
pythonxxoo的博客
06-18 1799
Elasticsearch是什么？Elaticsearch简称为ES,是一个开源的可扩展的分布式的全文检索引擎，它可以近乎实时的存储、检索数据。本身扩展性很好，可扩展到上百台服务器，处理PB级别的数据。ES使用Java开发并使用Lucene作为其核心来实现索引和搜索的功能，但是它通过简单的RestfulAPI和javaAPI来隐藏Lucene的复杂性，从而让全文搜索变得简单。Elasticsearch的功能分布式：Elasticsearch自动将海量数据分散到多台服务器上去存储和检索提供模糊搜索等自动度很高
ElasticSeach 监控之cerebro
最新发布
06-10
**Elasticsearch 监控与Cerebro详解** 在大数据时代，实时检索和分析数据的能力是至关重要的，而Elasticsearch作为一款强大的分布式搜索引擎，因其高效、可扩展性及灵活性，被广泛应用于日志分析、实时监控、搜索...
搜索引擎ES--IK分词器
李嘉图呀李嘉图的博客
05-30 7648
集成IK分词器 概要：IKAnalyzer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。新版本的IKAnalyzer3.0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。 3.0特性： 1）采用了特有的“正向迭代最细粒度切分算法“，具有60万字/秒的高速处理能力。 2）采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词汇（姓名、地名处理）等分词处理。
IK分词器
weixin_42243889的博客
04-09 619
1 IK分词器有两种分词模式 ik_max_word：会将文本做最细粒度的拆分 ik_smart模式：会做最粗粒度的拆分 2 扩展词典使用 2.1 自定义扩展词库 vim lagou_ext_dict.dic (插入江大桥) 2.1.2 添加到 IKAnalyzer.cfg.xml 文件中 2.2 自定义停词库 2.2.1 vim lagou_stop_dict.dic 2.2.2 添加到 IKAnalyzer.cfg.xml 文件中 2.3 同义词 2.3.1 vim synonym.txt
Elasticsearch中ik_max_word和 ik_smart的区别
传智燕青
12-14 5万+
这里写自定义目录标题ik_max_word和 ik_smart介绍最佳实践 ik_max_word和 ik_smart介绍 学习过Solr或Elasticsearch的同学都知道IK分词器，它是一个针对中文的分词器。 IK分词器地址：https://github.com/medcl/elasticsearch-analysis-ik IK分词有两种分词模式： ik分词器有两种分词模式：ik_max...
Elasticsearch(十二)ik分词器中ik_max_word和 ik_smart的区别
weixin_38399962的博客
03-25 6273
学习过Solr或Elasticsearch的同学都知道IK分词器，它是一个针对中文的分词器。 IK分词器地址：https://github.com/medcl/elasticsearch-analysis-ik IK分词器有两种分词模式：ik_max_word和ik_smart模式。 1、ik_max_word 会将文本做最细粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为“中华人民共...
springboot2.x集成elasticseach.5.0，demo.rar
01-04
在本项目中，我们将探讨如何将Elasticsearch 5.0与Spring Boot 2.x进行集成，以便在Java应用程序中利用Elasticsearch的强大搜索和分析功能。Spring Boot简化了配置和初始化过程，使得与Elasticsearch的整合变得更加...
Rockylinux安装elasticseach
03-24
Rocky Linux 安装 Elasticsearch Rocky Linux 安装 Elasticsearch 是指在 Rocky Linux 操作系统上安装和配置 Elasticsearch 的过程。Elasticsearch 是一款流行的开源搜索引擎，可以用于大规模数据的搜索和分析。...
elasticseach blueprint
01-19
基于elasticsearch 1.4版本讲解了elastic search的使用场景和案例，教大家怎么更好的使用elastic search.
elasticsearch学习笔记之一（为什么要使用elasticsearch）
qq_33638405的博客
09-28 6386
下面就根据我个人的工作经验以及日常中用到的功能和大家一起交流和互相学习，有什么不足之处欢迎大家批评指正。 最近两年elasticsearch已经开始在国内流行起来，其中也不乏有大公司在使用，比如百度、新浪。可以预见这个产品会越来越火，和它一起做搜索的solr是各有千秋，Elasticsearch是一个基于ApacheLucene(TM)的开源搜索引擎。无论在开源还是专有领域，Lucene
elasticsearch中的数据类型
辛星，前进的路上.
12-13 1万+
es使用json作为数据的交互格式，因此可以说，只要json支持的数据类型，es都是支持的。              首先就是核心数据类型，主要包括如下几个：         string、byte、short、integer、long、float、double、boolean、date              然后就是复合数据类型，主要就是两个：      array、objec
ES集成中文分词器： IK 3.0
zhoushimiao1990的博客
05-30 745
<?xml version="1.0" encod <!DOCTYPE properties SYST <properties> <comment>IK Analy <!--用户可以在这里配 <entry key="ext_d <!--用户可以在这里
Elasticsearch 7.x - IK分词器插件（ik_smart，ik_max_word）
z_ipython的博客
10-10 4374
一、安装IK分词器 Elasticsearch也需要安装IK分析器以实现对中文更好的分词支持。 去Github下载最新版elasticsearch-ik https://github.com/medcl/elasticsearch-analysis-ik/releases 将ik文件夹放在elasticsearch/plugins目录下，重启elasticsear...
sphinx和elasticseach使用感受
deyang7117的博客
12-29 367
公司项目需要，要将mysql数据库中的数据快速检索并分词。 开始使用的是sphinx，这个搜索引擎安装，配置，使用，都比较简单，无需安装其他插件，相对来说功能比较单一。 对于新增记录，我的处理方法是添加增量索引，定期合并到主索引，这导致索引体积越来越大。由于sphinx在运行时是将这些索引放在内存里的，如果索引体积超出内存容量，会导致报错无法执行，所以如果想用...
【谷粒商城】框架扩充篇(3/4)
热门推荐
努力充实，远方可期
07-27 7万+
1. ELASTICSEARCH 1、安装elastic search dokcer中安装elastic search （1）下载ealastic search和kibana docker pull elasticsearch:7.6.2 docker pull kibana:7.6.2 （2）配置 mkdir -p /mydata/elasticsearch/config mkdir -p /mydata/elasticsearch/data echo "http.host: 0.0.0.0" >
一. 什么是Elasticsearch，能干什么？
water_3700348的博客
07-04 1万+
一 什么是Elasticsearch 在解释什么是Elasticsearch之前，让我们来回顾一下我们每天都在网页上面重复做的一件事情--“搜索”。没错，当我们需要了解一个东西的时候，我们会不自觉的打开搜索网站，例如百度，360，搜狗等；或者当我们需要购买一件物品时，我们打开淘宝，京东，唯品会等购物网站，做的第一件事情，仍然还是搜索我们需要的物品的关键词。 搜索已经渗透了我们生活的方方...
热更新 IK 分词使用方法
极客神殿
04-28 6845
下载，解压，安装1、进入https://github.com/medcl/elasticsearch-analysis-ik/，找到ik分词器对应的版本为5.1.1，直接下载其release的版本（避免maven打包）；2、在/usr/share/elasticsearch/plugins下建立ik目录： mkdir /usr/share/elasticsearch/plugins/ik 3、复制文
kibana-7.3.0安装配置
chuanchengdabing的博客
08-11 893
kibana-7.3.0安装配置 1.1 软件准备 名称 日志 kibana-7.3.0-linux-x86_64.tar.gz 下载链接，提取码：5555 elasticsearch-head.zip 下载链接，提取码：5555 elasticsearch-analysis-ik-7.3.0.zip 下载链接，提取码：5555 elasticsearch-7.3.0-linux-x86_64.tar.gz 下载链接，提取码：5555 jdk-8u261-linux-x64.
elasticseach
08-21
Elasticsearch是一个开源的分布式搜索和分析引擎，可以用于实时将物流快递单等业务数据增量同步至Elasticsearch索引中。它被广泛应用于各种场景，包括日志分析、全文搜索、数据可视化等。根据引用中的信息，李猛是一位对Elasticsearch有深入体验的工程师，他对Elastic-Stack的开发、架构、运维等方面有丰富的经验，并且提供咨询、培训和调优实施等服务。 如果您想使用Elasticsearch，您需要启动Elasticsearch服务器和Kibana。启动Elasticsearch服务器可以使用版本2.1或更高版本。同时，您还可以使用Kibana来进行数据可视化和仪表板的创建。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [一文快速了解Elastic Search 开源搜索引擎（技术选型+启动命令）](https://blog.csdn.net/xianyu120/article/details/117518586)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [ES既是搜索引擎又是数据库？真的有那么全能吗？](https://blog.csdn.net/w397090770/article/details/108934868)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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
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