九、IK中文分词器
NOTE：默认ES中采用标准分词器进行分词，这种方式并不适用于中文网站，因此需要修改ES对中文友好分词，从而达到更佳的搜索效果
# 1、定义：就是将一本文本中关键词拆分出来
我是一个博客 分词器 我 是 一个 博客
分词特点：拆分关键词，去掉停用词和语气词
# 2、ES中提供的分词器
1）默认标准分词器（standard analyzer） 英文：单词分词 中文：单字分词
2）简单分词器（simple analyzer） 英文：单词分词，去掉数字 中文：不分词
# 3、测试不同分词器
GET _analyze
{
"analyzer":"simple",
"text":"redis 非常号用 111"
}
1、在线安装IK中文分词器
NOTE：要求版本严格与当前使用版本一致，如需使用其他版本替换6.2.4为使用的版本号
# 1、在es安装目录中执行如下命令
./bin/elasticsearch-plugin install http://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.2.4/elasticsearch-analysis-ik-6.2.4.zip
# 2、验证 查看
ls plugins/
cd /plugins/analysis-ik/
ls
# 3、重启es生效
2、本地安装IK中文分词器
可以将对应的IK分词器下载到本地，然后在安装
# 1、下载对应版本
wget http://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.2.4/elasticsearch-analysis-ik-6.2.4.zip
# 2、解压
unzip elasticsearch-analysis-ik-6.2.4.zip #先使用yum install -y unzip安装压缩包
# 3、移动到es安装目录的plugins目录中
ls elasticsearch-6.2.4/plugins/
mv elasticsearch elasticsearch-6.2.4/plugins/
ls elasticsearch-6.2.4/plugins/
3、扩展词
NOTE：当我们想要分词的词如网络热词等未进行分词可以手动指定分词，可以通过ES安装目录下/plugins/ik/config目录中名字:IKAnalyzer.cfg.xml进行配置如下：
<?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">ext.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"></entry>
<!--用户可以在这里配置远程扩展字典-->
<!--<entry key="remote_ext_dict">words_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">words_location</entry>-->
</properties>
定义：现有IK分词器无法将这个词切分成一个关键词，但是有希望某个词为关键词
ik分词器 大佬 遭遇 突击 ===>不明觉厉 等等。
修改配置文件如下配置：
<!--用户可以在这里配置自己的扩展字典-->
<entry key="ext_dict">ext.dic</entry>
4、停用词
定义：现有IK分词器将一个关键词切分为一个词，但是出于某种原因这个词不能被作为关键词出现
配置IK的配置文件：ES安装目录下/plugins/ik/config目录中名字:IKAnalyzer.cfg.xml
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
5、配置远程词典
配置IK的配置文件：ES安装目录下/plugins/ik/config目录中名字:IKAnalyzer.cfg.xml
url
words_location
1、准备一个nginx服务器，里面方入init.txt文件，用来存放远程扩展词典
2、在浏览器访问远程扩展词典，能访问即可
3、在 http://192.168.0.1/init.txt
4、如果启动报错：
java.security.AccessControlException:access denied (“java.net.SocketPermission” “192.168.0.1” “connect,resolve”)
5、修改虚拟机安全策略
修改：/user/java/jdk1.8.0_171-amd64/jre/lib/security/java.policy加入如下配置
permission java.net.SocketPermission “192.168.0.1”,“connect,resolve”
目前该插件支持热更新IK分词器，无需重启es，通过上文在IK配置文件中提到到如下配置
<!--用户可以在这里配置远程扩展字典-->
<entry key="remote_ext_dict">url</entry>
<!--用户可以在这里配置远程扩展停止词字典-->
<entry key="remote_ext_stopwords">words_location</entry>
其中location是指一个url，比如http://myweb.com/getDict，该请求只需满足以下两点即可完成分词热更新
1、该http请求需要返回两个头部（header），一个是Last-Modified，一个是ETag，者两者都是字符串类型，只要有一个发生变化，该插件就回去抓取新的分词进而更新词库
2、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
可以将需要自动更新的热刺方在一个UTF-8编码的.txt文件里，方在nginx或者其他简易的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
6、分词器总结
1、远程词典修改不需要重启服务，编码必须都是UTF-8
2、停用词：不会进行分词，过滤分词索引查询
3、优先级：远程>本地（叠加的方式） 停用词>扩展此
4、不能对原始数据进行分词，只能对只有添加的数据进行分词判断处理，只能删除全部文档重新建立索引
ElasticSearch学习笔记（1）· ES基本概念
ElasticSearch学习笔记（2）· 基于Kibana的基本CRUD
ElasticSearch学习笔记（3）· ES高级检索（query）
ElasticSearch学习笔记（4）· ES IK分词器
ElasticSearch学习笔记（5）· Java操作Elasticsearch6.2.4
ElasticSearch学习笔记（6）· Java操作Elasticsearch7.6.1
ElasticSearch学习笔记（7）· Springboot+SpringData操作ES
ElasticSearch学习笔记（8）· ES集群的搭建
