ElasticSearch-5.0.0安裝中文分詞插件IK

Install IK

源碼地址：https://github.com/medcl/elasticsearch-analysis-ik，git clone下來。

1.compile

mvn package

 

copy and unzip target/releases/elasticsearch-analysis-ik-{version}.zip to your-es-root/plugins/ik

2.restart elasticsearch

Tips:

ik_max_word: 會將文本做最細粒度的拆分，比如會將“中華人民共和國國歌”拆分為“中華人民共和國,中華人民,中華,華人,人民共和國,人民,人,民,共和國,共和,和,國國,國歌”，會窮盡各種可能的組合；

ik_smart: 會做最粗粒度的拆分，比如會將“中華人民共和國國歌”拆分為“中華人民共和國,國歌”。

Changes

5.0.0

• 移除名為 ik 的analyzer和tokenizer,請分別使用 ik_smart 和 ik_max_word

IK與Elasticsearch-5.0.0的集成步驟

1.創建索引m8：

PUT 'http://localhost:9200/m8'

2.為索引（m8）及類型（logs）下的字段（message）設置分詞器（分詞器可選ik_smart或ik_max_word）：

PUT localhost:9200/m8 -d '
{
    "settings" : {
        "analysis" : {
            "analyzer" : {
                "ik" : {
                    "tokenizer" : "ik_smart"
                }
            }
        }
    },
    "mappings" : {
        "logs" : {
            "dynamic" : true,
            "properties" : {
                "message" : {
                    "type" : "string",
                    "analyzer" : "ik_smart"
                }
            }
        }
    }
}'

關於兩種不同分詞的用處以及區別：
2.1.使用方面的不同：

其中我們在做索引的時候，希望能將所有的句子切分的更詳細，以便更好的搜索，所以ik_max_word更多的用在做索引的時候，但是在搜索的時候，對於用戶所輸入的query(查詢)詞，我們可能更希望得比較准確的結果，例如，我們搜索“無花果”的時候，更希望是作為一個詞進行查詢，而不是切分為"無"，“花”，“果”三個詞進行結果的召回，因此ik_smart更加常用語對於輸入詞的分析。
2.2.效率方面的不同：

ik_max_word分詞相對來說效率更加迅速，而ik_smart的效率比不上ik_max_word(個人做索引的時候將兩種分詞器進行嘗試得出的結果，有誤的話，望指正)

 

3.用logstash-5.0.0上傳數據：

logstash -f ../config/input-file.conf

4.測試分詞效果：

POST http://localhost:9200/m8/_analyze?analyzer=ik_smart&text=中文分詞

效果：

5.查詢測試：

GET http://localhost:9200/m8/_search?q=中國

效果：