上課我們介紹了倒排索引，在里面提到了分詞的概念，分詞器就是用來分詞的。
分詞器是ES中專門處理分詞的組件，英文為Analyzer，定義為：從一串文本中切分出一個一個的詞條，並對每個詞條進行標准化。它由三部分組成，
- Character Filters：分詞之前進行預處理，比如去除html標簽
- Tokenizer：將原始文本按照一定規則切分為單詞
- Token Filters：針對Tokenizer處理的單詞進行再加工，比如轉小寫、刪除或增新等處理，也就是標准化
預定義的分詞器
ES自帶的分詞器有如下：
- Standard Analyzer
- 默認分詞器
- 按詞切分，支持多語言
- 小寫處理
- 支持中文采用的方法為單字切分
- Simple Analyzer
- 按照非字母切分
- 小寫處理
- Whitespace Analyzer
- 空白字符作為分隔符
- Stop Analyzer
- 相比Simple Analyzer多了去除請用詞處理
- 停用詞指語氣助詞等修飾性詞語，如the, an, 的， 這等
- Keyword Analyzer
- 不分詞，直接將輸入作為一個單詞輸出
- Pattern Analyzer
- 通過正則表達式自定義分隔符
- 默認是\W+，即非字詞的符號作為分隔符
ES默認對中文分詞是一個一個字來解析，這種情況會導致解析過於復雜，效率低下，所以目前有幾個開源的中文分詞器，來專門解決中文分詞，其中常用的叫IK
中文分詞
安裝配置ik中文分詞插件
# 在Elasticsearch安裝目錄下執行命令，然后重啟es bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.3.0/elasticsearch-analysis-ik-6.3.0.zip
# 如果由於網絡慢，安裝失敗，可以先下載好zip壓縮包，將下面命令改為實際的路徑，執行，然后重啟es bin/elasticsearch-plugin install file:///path/to/elasticsearch-analysis-ik-6.3.0.zip
ik兩種分詞模式ik_max_word 和 ik_smart 什么區別?
-
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”。
你也可以直接上IK的github的教程來配置，https://github.com/medcl/elasticsearch-analysis-ik。
安裝完后，修改elasticsearch.yml文件，把ik分詞器設置為es的默認分詞器
index.analysis.analyzer.default.type:ik
重啟es，注意es中的每個節點都要進行上述配置。