ElasticSearch5.0——IK词库加载

Dictionary Configuration
IKAnalyzer.cfg.xml can be located at {conf}/analysis-ik/config/IKAnalyzer.cfg.xml or {plugins}/elasticsearch-analysis-ik-*/config/IKAnalyzer.cfg.xml

1. <?xml version="1.0" encoding="UTF-8"?>
2. <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
3. <properties>
4. <comment>IK Analyzer 扩展配置</comment>
5. <!--用户可以在这里配置自己的扩展字典 -->
6. <entry key="ext_dict">custom/mydict.dic;custom/single_word_low_freq.dic</entry>
7. <!--用户可以在这里配置自己的扩展停止词字典-->
8. <entry key="ext_stopwords">custom/ext_stopword.dic</entry>
9. <!--用户可以在这里配置远程扩展字典 -->
10. <entry key="remote_ext_dict">location</entry>
11. <!--用户可以在这里配置远程扩展停止词字典-->
12. <entry key="remote_ext_stopwords">http://xxx.com/xxx.dic</entry>
13. </properties>

热更新 IK 分词使用方法
目前该插件支持热更新 IK 分词，通过上文在 IK 配置文件中提到的如下配置

1. <!--用户可以在这里配置远程扩展字典 -->
2. <entry key="remote_ext_dict">location</entry>
3. <!--用户可以在这里配置远程扩展停止词字典-->
4. <entry key="remote_ext_stopwords">location</entry>

其中 location 是指一个 url，比如 http://yoursite.com/getCustomDict，该请求只需满足以下两点即可完成分词热更新。
该 http 请求需要返回两个头部(header)，一个是 Last-Modified，一个是 ETag，这两者都是字符串类型，只要有一个发生变化，该插件就会去抓取新的分词进而更新词库。
该 http 请求返回的内容格式是一行一个分词，换行符用 \n 即可。

满足上面两点要求就可以实现热更新分词了，不需要重启 ES 实例。

还需要注意的是获取词典的url，必须支持head访问

下面自己做的访问远程扩展词典的web api 服务接口

1. [HttpHead, HttpGet, HttpPost]
2. public async Task<HttpResponseMessage> GetDictionary(string path)
3. {
4. var response = this.Request.CreateResponse(HttpStatusCode.OK);
5. var content = File.ReadAllText(path);
6. response.Content = new StringContent(content, Encoding.UTF8);
7. response.Headers.Age = TimeSpan.FromHours(1);
8. response.Headers.ETag = EntityTagHeaderValue.Parse($"\"{content.ToMD5()}\"");
9. return response;
10. }

其中参数path为文件实际的地址。文件存储的数据格式是一行一个词。

配置文件添加远程扩展字典实例如下：

1. <?xml version="1.0" encoding="UTF-8"?>
2. <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
3. <properties>
4. <comment>IK Analyzer 扩展配置</comment>
5. <!--用户可以在这里配置自己的扩展字典 -->
6. <entry key="ext_dict">custom/mydict.dic;custom/single_word_low_freq.dic</entry>
7. <!--用户可以在这里配置自己的扩展停止词字典-->
8. <entry key="ext_stopwords">custom/ext_stopword.dic</entry>
9. <!--用户可以在这里配置远程扩展字典 -->
10. <entry key="remote_ext_dict">http://ip:port/API/GetDictionaryTest/GetDictionary?path=C:/elasticsearch-5.0.0/config/ik/custom/mydict.txt</entry>

注意路径的分隔符，使用反斜杠‘/’

可以将需自动更新的热词放在一个 UTF-8 编码的 .txt 文件里，放在 nginx 或其他简易 http server 下，当 .txt 文件修改时，http server 会在客户端请求该文件时自动返回相应的 Last-Modified 和 ETag。可以另外做一个工具来从业务系统提取相关词汇，并更新这个 .txt 文件。