Elasticsearch基礎之:head插件和ik,pinyin中文分詞插件安裝

本文使用的Elasticsearch版本是2.4.1

離線安裝head插件

https://github.com/mobz/elasticsearch-head/archive/master.zip
下載head插件
然后到$ES_HOME(elasticsearch的主目錄,下同),執行命令: bin/plugin install file:/home/××/elasticsearch-head.zip ,注:file后面為插件所在的絕對或者相對路徑

重啟elasticsearch,訪問http://localhost:9200/_plugin/head/ 查看插件界面

image.png

注:在線安裝head插件方法是:$ES_HOME/bin/plugin install mobz/elasticsearch-head

安裝ik分詞插件

https://github.com/medcl/elasticsearch-analysis-ik 下載對應的ik版本,
這里我們使用的es是2.4.1,對應的ik插件版本是v1.10.1,如果使用不同的es版本,自行選擇不同的Tag

image.png

Download ZIP 下載源碼,使用mvn clean package -Dmaven.test.skip=true進行編譯,編譯成功后,拷貝elasticsearch-analysis-ik-1.10.1.zip到$ES_HOME/plugins/ik里面(沒有ik目錄自行創建)。


image.png

用unzip elasticsearch-analysis-ik-1.10.1.zip 解壓,再重啟elasticsearch。

驗證ik分詞效果
http://10.1.109.163:9200/_analyze?text=中華人民共和國MN&tokenizer=ik
或者
http://10.1.109.163:9200/_analyze?text=中華人民共和國MN&analyzer=ik
或者
curl -XGET "http://localhost:9200/your_index/_analyze" -H 'Content-Type: application/json' -d'
{
"text":"中華人民共和國MN","tokenizer": "my_ik"
}'

可以看到以下分詞效果,說明ik分詞正常:


image.png

注:可以試著將analyzer改成ik_smart和ik_max_word對比結果的不同
ik_smart 是 IK Analysis 其中一種分詞形式。IK Analysis主要有兩種類型的分詞形式,分別是 ik_max_word 和 ik_smart。

ik_max_word: 會將文本做最細粒度的拆分,比如會將“中華人民共和國國歌”拆分為“中華人民共和國”、“中華人民”、“中華”、“華人”、“人民共和國”、“人民”、“人”、“民”,、“共和國”、“共和”、“和”、“國歌”等,會窮盡各種可能的組合;
ik_smart: 會做最粗粒度的拆分,比如會將“中華人民共和國國歌”拆分為“中華人民共和國”、“國歌”。

ik實戰例子

{
    "mappings":{
        "post":{
            "dynamic":"strict",
            "properties":{
                "id":{"type":"integer","store":"yes"},
                "title":{"type":"string","store":"yes","index":"analyzed","analyzer": "ik_max_word","search_analyzer": "ik_max_word"},
                "content":{"type":"string","store":"yes","index":"analyzed","analyzer": "ik_max_word","search_analyzer": "ik_max_word"},
                "author":{"type":"string","store":"yes","index":"no"},
                "time":{"type":"date","store":"yes","index":"no"}
            }
        }
    }
}
  • 2、再put一條數據進去


    image.png
  • 3、模擬查詢,查詢“上海”能正常查詢出來,但是查詢“上”就查詢不到數據


    image.png

pinyin分詞插件

https://github.com/medcl/elasticsearch-analysis-pinyin 下載對應的pinyin版本,es2.4.1版本對應的pinyin版本是v1.8.1,選擇Tag進行切換,
安裝方法同ik分詞插件,

驗證pinyin分詞,訪問
http://10.1.109.163:9200/_analyze?analyzer=pinyin&text=張學友:

image.png

參考:

elasticsearch2.3.3以及其插件離線安裝
bin/plugin install file:/home/××/license-2.3.3.zip

Elasticsearch之中文分詞器插件es-ik(博主推薦)

安裝elasticsearch-analysis-ik中文分詞插件

Elasticsearch 5 Ik+pinyin分詞配置詳解

社區帖子全文搜索實戰(基于ElasticSearch)

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,967評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,273評論 3 415
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 175,870評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,742評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,527評論 6 407
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,010評論 1 322
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,108評論 3 440
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,250評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,769評論 1 333
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,656評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,853評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,371評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,103評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,472評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,717評論 1 281
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,487評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,815評論 2 372

推薦閱讀更多精彩內容