ElasticSearch-5.0.0安装中文分词插件IK

Install IK

源码地址：https://github.com/medcl/elasticsearch-analysis-ik，git clone下来。

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: 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合；

ik_smart: 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。

Changes

5.0.0

• 移除名为 ik 的analyzer和tokenizer,请分别使用 ik_smart 和 ik_max_word

IK与Elasticsearch-5.0.0的集成步骤

1.创建索引m8：

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

2.为索引（m8）及类型（logs）下的字段（message）设置分词器（分词器可选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"
                }
            }
        }
    }
}'

关于两种不同分词的用处以及区别：
2.1.使用方面的不同：

其中我们在做索引的时候，希望能将所有的句子切分的更详细，以便更好的搜索，所以ik_max_word更多的用在做索引的时候，但是在搜索的时候，对于用户所输入的query(查询)词，我们可能更希望得比较准确的结果，例如，我们搜索“无花果”的时候，更希望是作为一个词进行查询，而不是切分为"无"，“花”，“果”三个词进行结果的召回，因此ik_smart更加常用语对于输入词的分析。
2.2.效率方面的不同：

ik_max_word分词相对来说效率更加迅速，而ik_smart的效率比不上ik_max_word(个人做索引的时候将两种分词器进行尝试得出的结果，有误的话，望指正)

 

3.用logstash-5.0.0上传数据：

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

4.测试分词效果：

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

效果：

5.查询测试：

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

效果：