elasticsearch-ik

因lucene默认采用英文且英文通过空格就可以断句。而中文则是词组,如果不加载中文词库或插件则会变为一个一个字而非词组,因此需要加载中文词库。

不加分词库所看到的中文分词效果。

post _analyze
{
   "text": "中国人民" 
}

结果 变为了1个字一个字的:

{
   "tokens": [
      {
         "token": "中",
         "start_offset": 0,
         "end_offset": 1,
         "type": "<IDEOGRAPHIC>",
         "position": 0
      },
      {
         "token": "国",
         "start_offset": 1,
         "end_offset": 2,
         "type": "<IDEOGRAPHIC>",
         "position": 1
      },
      {
         "token": "人",
         "start_offset": 2,
         "end_offset": 3,
         "type": "<IDEOGRAPHIC>",
         "position": 2
      },
      {
         "token": "民",
         "start_offset": 3,
         "end_offset": 4,
         "type": "<IDEOGRAPHIC>",
         "position": 3
      }
   ]
}

词库下载地址: https://github.com/medcl/elasticsearch-analysis-ik/releases

                          https://github.com/medcl/elasticsearch-analysis-ik  (readme.txt 阅读安装)

将下载的内容copy到elasticsearch的plugin/ik文件夹下,如果没有则建立此文件夹。重启有效。

ik的作用域 

standard

  不需要特别定义(默认)

system

  在es早期版本可通过在yml中配置 index.analysis.analyzer.default.type: ik

  错误 "node settings must not contain any index level settings"

  5.x之后elastic不允许在yml文件中添加以index开头的配置文件,要求这些都必须在es启动后通过接口传递

index

  首先创建index,然后对index设定属性,最后查看。这里使用的是 sense

  目前ik的analysis只能通过挂载在index下,对指定的属性使用。如果新加属性要使用ik,则先到map中进行维护增加属性要使用的analysis。

 //创建索引

put /testindex

 // 设置analysis 注意_mapping中一个索引对属性创建的map,一旦建立后不能修改,只能新增。

POST /testindex/fulltext/_mapping
{
        "properties": {
            "content": {
                "type": "text",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word"
            }
        }
}

 以上可以看出仅content属性具有ik索词效果,其它属性不具备。

mapping添加 address错误: Mapper for [address] conflicts with existing mapping in other types: [mapper [address] has different [analyzer]] 

 这是因为已经建立了一个属性数据,而这个属性数据在建立时会自动给分配一个mapping映射,因此在建立mapper时说已经存在有一个不同类型的属性。即使删除这笔数也不行,因为属性是只能增加不能修改。

切记切记!!

ik_max_word 以最大的分词形式进行分词,精细粒度

ik_smart 以最敏捷的分词形式分词,粗粒度

注意:原先老版本的ik已经被ik_max_word,ik_smart取代

 // 测试  不要加type不然以为是create数据

post testindex/_analyze
{
"analyzer": "ik_max_word",
   "text": "中国人民" 
}

// 结果

{
   "tokens": [
      {
         "token": "中国人民",
         "start_offset": 0,
         "end_offset": 4,
         "type": "CN_WORD",
         "position": 0
      },
      {
         "token": "中国人",
         "start_offset": 0,
         "end_offset": 3,
         "type": "CN_WORD",
         "position": 1
      },
      {
         "token": "中国",
         "start_offset": 0,
         "end_offset": 2,
         "type": "CN_WORD",
         "position": 2
      },
      {
         "token": "国人",
         "start_offset": 1,
         "end_offset": 3,
         "type": "CN_WORD",
         "position": 3
      },
      {
         "token": "人民",
         "start_offset": 2,
         "end_offset": 4,
         "type": "CN_WORD",
         "position": 4
      }
   ]
}

 同时可通过建立索引模板来创建索引统一格式。

DELETE _template/temp_ik

POST _template/temp_ik
{
  "index_patterns": ["ik_*", "*_ik"],
  "settings": {
    "number_of_shards": 2
  },
  "mappings": {
    "type1": {
      "_source": {
        "enabled": true
      },
      "properties": {
        "title": {
          "type": "text",
            "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word"
        },
        "name":{
            "type": "text",
            "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word" 
        },
        "content":{
            "type": "text",
             "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word"
        },
        "create_date": {
          "type": "date",
          "format": "EEE MMM dd HH:mm:ss Z YYYY"
        }
      }
    }
  }
}

PUT ik_test

POST ik_test/type1/
{
    "title": "人民银行",
    "name":"7月金融数据传政策暖意",
    "content":"社会融资规模增速等数据也传递出这样的信息"
}

POST ik_test/type1/_search?pretty=true
{
    "query": {"match": {
       "title": "人民"
    }}
}
原文地址:https://www.cnblogs.com/DennyZhao/p/9442853.html