热更新 IK 分词使用方法

安装步骤： 
1、到github网站下载源代码，网站地址为：https://github.com/medcl/elasticsearch-analysis-ik 

注意,下载对应的版本: 
IK version ES version 
master 1.5.0 -> master 
1.4.0 1.6.0 
1.3.0 1.5.0 
1.2.9 1.4.0 
1.2.8 1.3.2 
1.2.7 1.2.1 
1.2.6 1.0.0 
1.2.5 0.90.2 
1.2.3 0.90.2 
1.2.0 0.90.0 
1.1.3 0.20.2 
1.1.2 0.19.x 
1.0.0 0.16.2 -> 0.19.0 

右侧下方有一个按钮“Download ZIP"，点击下载源代码elasticsearch-analysis-ik-master.zip。 

2、解压, 编译 
解压: unzip elasticsearch-analysis-ik-master.zip  
拷贝conf/ik目录到es的config目录下: cp -r ik  $ES/config/ 
编译: mvn clean package 

5,  执行安装命令 
./plugin --install analysis-ik --url file:///xxx/es/elasticsearch-analysis-ik-master/target/releases/elasticsearch-analysis-ik-1.4.0.zip 

6、在ES的配置文件config/elasticsearch.yml中增加ik的配置，在最后增加： 

Java代码  

1. index:  
2.   analysis:  
3.     analyzer:  
4.       ik:  
5.           alias: [ik_analyzer]  
6.           type: org.elasticsearch.index.analysis.IkAnalyzerProvider  
7.       ik_max_word:  
8.           type: ik  
9.           use_smart: false  
10.       ik_smart:  
11.           type: ik  
12.           use_smart: true  

Or 

Java代码  

1. index.analysis.analyzer.ik.type : "ik"  

以上两种配置方式的区别： 
1、第二种方式，只定义了一个名为 ik 的 analyzer，其 use_smart 采用默认值 false 
2、第一种方式，定义了三个 analyzer，分别为：ik、ik_max_word、ik_smart，其中 ik_max_word 和 ik_smart 是基于 ik 这个 analyzer 定义的，并各自明确设置了 use_smart 的不同值。 
3、其实，ik_max_word 等同于 ik。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；而 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”。 

因此，建议，在设置 mapping 时，用 ik 这个 analyzer，以尽可能地被搜索条件匹配到。 
不过，如果你想将 /index_name/_analyze 这个 RESTful API 做为分词器用，用来提取某段文字中的主题词，则建议使用 ik_smart 这个 analyzer： 



7、重新启动elasticsearch服务，这样就完成配置了，收入命令： 
http://localhost:9203/megacorp/_analyze?analyzer=ik_smart&pretty=true&text=中华人民共和国国歌 
返回: 
{ 
  "tokens" : [ { 
    "token" : "中华人民共和国", 
    "start_offset" : 0, 
    "end_offset" : 7, 
    "type" : "CN_WORD", 
    "position" : 1 
  }, { 
    "token" : "国歌", 
    "start_offset" : 7, 
    "end_offset" : 9, 
    "type" : "CN_WORD", 
    "position" : 2 
  } ] 
} 

另外，可以在 elasticsearch.yml 里加上如下一行，设置默认的 analyzer 为 ik： 
index.analysis.analyzer.default.type : "ik" 

curl -XPOST  "http://localhost:9203/megacorp/_analyze?analyzer=ik&pretty=true&text=我是中国人"  
测试结果如下： 
[html] view plaincopy 
{  
tokens: [  
{  
token: text  
start_offset: 2  
end_offset: 6  
type: ENGLISH  
position: 1  
}  
{  
token: 我  
start_offset: 9  
end_offset: 10  
type: CN_CHAR  
position: 2  
}  
{  
token: 中国人  
start_offset: 11  
end_offset: 14  
type: CN_WORD  
position: 3  
}  
{  
token: 中国  
start_offset: 11  
end_offset: 13  
type: CN_WORD  
position: 4  
}  
{  
token: 国人  
start_offset: 12  
end_offset: 14  
type: CN_WORD  
position: 5  
}  
]  
}  

自定义字典 
config/ik/IKAnalyzer.cfg.xml 
<?xml version="1.0" encoding="UTF-8"?> 
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd"> 
<properties> 
    <comment>IK Analyzer 扩展配置</comment> 
    <!--用户可以在这里配置自己的扩展字典 --> 
    <entry key="ext_dict">custom/mydict.dic;custom/single_word_low_freq.dic</entry> 
     <!--用户可以在这里配置自己的扩展停止词字典--> 
    <entry key="ext_stopwords">custom/ext_stopword.dic</entry> 
    <!--用户可以在这里配置远程扩展字典 --> 
    <entry key="remote_ext_dict">location</entry> 
    <!--用户可以在这里配置远程扩展停止词字典--> 
    <entry key="remote_ext_stopwords">location</entry> 
</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 
    <!--用户可以在这里配置远程扩展字典 --> 
    <entry key="remote_ext_dict">location</entry> 
    <!--用户可以在这里配置远程扩展停止词字典--> 
    <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。 

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。 
have fun. 

常见问题 
1.自定义词典为什么没有生效？ 
请确保你的扩展词典的文本格式为 UTF8 编码 

2.如何手动安装，以 1.3.0 為例？（参考：https://github.com/medcl/elasticsearch-analysis-ik/issues/46） 
git clone https://github.com/medcl/elasticsearch-analysis-ik 
cd elasticsearch-analysis-ik 
mvn compile 
mvn package 
plugin --install analysis-ik --url file:///#{project_path}/elasticsearch-analysis-ik/target/releases/elasticsearch-analysis-ik-1.3.0.zip 
2、自定义词库的方式，请参考 https://github.com/medcl/elasticsearch-analysis-ik

http://horsemen.iteye.com/blog/2244354