聊聊 elasticsearch 之分词器配置 (IK+pinyin)

系统：windows 10

elasticsearch版本：5.6.9

---

es分词的选择

• 使用es是考虑服务的性能调优，通过读写分离的方式降低频繁访问数据库的压力，至于分词的选择考虑主要是根据目前比较流行的分词模式，根据参考文档自己搭建测试。

---

es配置目录结构

• 在此先贴出es下plugins的目录结构，避免安装时一脸茫然(出自本人配置目录，可根据自身需要进行调整)：
• es插件目录结构：                                                                                                                                                                                
• ik压缩包内文件列表：                                                                                                                                                                                                                                                                           
• pinyin压缩包内文件目录：                                                                                                                                                                                           

---

IK 分词器

• IK分词器下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases?after=v5.6.11
• 进入链接，选择对应版本编译好的压缩包，点击即可下载。如下图：  　　                                                                                                 、
• 上述步骤下载后，解压文件到至\elasticsearch5.6.9\plugins\ik目录下（如无ik目录，手动创建即可），重新启动es服务，即可看到控制台输出的插件信息，表示配置成功。如下图：
  

  ---

---

pinyin分词器

• 拼音分词器下载地址：https://github.com/medcl/elasticsearch-analysis-pinyin/releases?after=v5.6.11
• 拼音分词的配置类似于ik分词，进入链接，选择对应版本编译好的压缩包，点击即可下载。如下图：                          　　                                               
• 上述步骤下载后，解压文件到至\elasticsearch5.6.9\plugins\pinyin目录下（如无pinyin目录，手动创建即可），重新启动es服务，即可看到控制台输出的插件信息，表示配置成功。如下图：

---

分词器的测试案例

• IK分词，主要强调两种分词模式：ik_smart和ik_max_word
  • 　　ik_smart是将文本做了正确的拆分，如下图：                                                                                                                  
  • 看到结果发现ik_smart分词模式拆分的不够细，“阳光明媚”并没有拆分开，所以接下来就该另一种分词出场了 ---- ik_max_word，直接上结果，如下图：
  • 这种更加详细的拆分才是我想要的，这回不用担心高级搜索了····
• 拼音分词，简言之就是将文本拆分成更加详细拼音，图解如下：                                                                   
• ik与pinyin的结合使用（注：当使用分词搜索数据的时候，必须是通过分词器分析的数据才能搜索出来，否则无法搜索出数据）
  • 创建索引时可以自定义分词器配置，通过映射可以指定自定义的分词器，配置如下图：                                        
  • 创建名称为“greatom”的索引，自定义“ik_smart_pinyin”和“ik_max_word_pinyin”的分词器，过滤设置为“g_pinyin”，如上图右侧提示则表示设置成功，可以通过“GET greatom/settings”查询配置信息。
  • 创建type时，需要在字段的解析属性（analyzer）中设置自定义名称的映射，如下图：                                                                                                            
  • 如上图右侧提示则表示创建成功，接下来增加点数据，以便后续测试。                                                         
  • 测试数据按照上图方式即可进行批量新增，也可对索引数据进行查询。接下来就开始正式的分词查询。           
  • 上图表示两种分词的查询格式，可以联想搜索出相关的所有数据，感觉比较智能了。

---

结尾

• 通过对es分词的了解和使用，发现选择的两种分词模式已经满足自己项目的使用，还未进行更深入的了解，后续会继续了解底层及分词原理，如有瑕疵或更好的见解，希望可以交流学习。