1、IK的介绍
Elasticsearch IK分析器插件是国内非常著名的开源中文分析器插件，它是基于国人所开发的另一款基于Luence 的IK分词器做的扩展，以达到对Elasticsearch的支持。Elasticsearch IK分词器是Java语言编写的，在Elasticsearch 0.16的时候就已经开始对其支持了，涵盖了Elasticsearch后续各版本的支持。
它包括了ik_smart和ik_max_word两种分析器，包括了与两种分析器对应的分词器ik_smart和ik_max_word，ik_smart和ik_max_word两种分析器的区别如下：
| ik_smart：ik_smart的分词的粒度比较粗，适合于基本Phrase的查询，如会把“中华人民共和国”只拆分成“中华人民共和国”； ik_max_word：ik_max_word的拆分就会很细，会穷尽所有的可能，以便于查找到最多的结果，适合于Term Query，同样的对“中华人民共和国”进行分词，它会拆分成“中华人民共和国，中华人民，中华，华人，人民共和国，人民，共和国，共和，国”； |
2、IK的安装
IK的项目托管在Github上，项目地址为：
https://github.com/medcl/elasticsearch-analysis-ik
IK的版本从5.x开始就和Elasticsearch的版本是一一对应的了，如下所示：
| Elasticsearch版本 |
IK版本 |
| 5.x |
5.x |
| 6.x |
6.x |
| master |
7.x -> master |
安装的时候一定要选与当前Elasticsearch版本一致的版本，因为每个版都可能会涉及到功能实现上的修改，以避免版本上的不一致出现的问题。
IK的安装方式有两种（也可以下载源码自己编译），针对5.5.1以前的版本，只能够将IK下载到Elasticsearch的plugins目录中，5.5.1过后的版本，支持通过Elasticsearch的插件安装命令进行安装，如下所示7.0.0的安装命令：
| $ ./bin/elasticsearch-plugin install \ https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.0.0/elasticsearch-analysis-ik-7.0.0.zip |
安装完成后，需要重新启动整个集群。如果安装正常，会在Elasticsearch的启动控制台可以看到如下日志的输出：
| loaded plugin [analysis-ik] ... try load config from $ES_HOME/config/analysis-ik/IKAnalyzer.cfg.xml try load config from $ES_HOME/plugins/ik/config/IKAnalyzer.cfg.xml |
说明IK被成功加载。其中显示两次配置文件的加载，表示IK会从这两个位置加载配置文件，首先去Elasticsearch的配置文件所在目录加载：
| $ ES_HOME/config/analysis-ik/IKAnalyzer.cfg.xml |
如果没有加载成功，则从IK的安装目录进行加载：
| $ ES_HOME/plugins/ik/config/IKAnalyzer.cfg.xml |
配置文件IKAnalyzer.cfg.xml中的内容如下，默认如下：
| <?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"></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> |
该配置文件用于配置额外配置的扩展字典和扩展停止词字典，字典必须满足以下两个条件：
| 文件必须以UTF-8编码 每行一个词 |
配置文件中的ext_dict和ext_stopwords分别配置本地加载的扩展字典和扩展停止词字典，可以配置加载多个字典，他们以英文分号“;”做分隔符，不支持动态配置。remote_ext_dict和remote_ext_stopwords分别用于配置远程扩展词典和远程扩展停止词字典，可以用于动态加载字典，配置的地址为字典的URL地址，如“http://192.168.0.104/my.dic”，也可以以英文分号“;”做分隔符配置多个字典URL地址；为了让IK识别到字典有更新，需要在HTTP响应头Header中增加Last-Modified或ETag响应头，其中只要有一个响应头发生了变化，IK就会重新加载字典，这样就达到了通过远程文件对字典进行热更新的目的。
注：为了方便增加响应头，可以使用Nginx做为字典文件的HTTP服务器，Nginx会自动的为响应文件增加Last-Modified头。
如果没有配置扩展字典，IK默认不加载任何的扩展词，只加载以下的字典文件：
| main.dic preposition.dic quantifier.dic stopword.dic suffix.dic surname.dic |
IK也自带了一些扩展词典：
| extra_main.dic extra_single_word_full.dic extra_stopword.dic extra_single_word.dic extra_single_word_low_freq.dic |
如果要想使用这些扩展词字典，只需要在配置文件IKAnalyzer.cfg.xml中配置好就行。
3、IK的使用
1）分词器的验证
验证一下IK是否安装成功，通过以下语句验证分词器ik_max_word。
请求：
| GET /_analyze { "analyzer": "ik_max_word", "text": ["中华人民共和国"] } |
响应：
| { "tokens" : [ { "token" : "中华人民共和国", "start_offset" : 0, "end_offset" : 7, "type" : "CN_WORD", "position" : 0 }, { "token" : "中华人民", "start_offset" : 0, "end_offset" : 4, "type" : "CN_WORD", "position" : 1 }, { "token" : "中华", "start_offset" : 0, "end_offset" : 2, "type" : "CN_WORD", "position" : 2 }, ...省略更多的结果 ] } |
通过以下语句验证分词器ik_smart。
请求：
| GET /_analyze { "analyzer": "ik_smart", "text": ["中华人民共和国"] } |
响应：
| { "tokens" : [ { "token" : "中华人民共和国", "start_offset" : 0, "end_offset" : 7, "type" : "CN_WORD", "position" : 0 } ] } |
以下是一个演示场景，先创建索引并指定mapping（如果不理解mapping，可以先理解为给数据库中表的字段定义类型，以后会详解），mapping中指定了用于测试的字段title的索引分析器为ik_max_word，希望其分析出的词项尽可能的多一些，以后被搜索到的机率就会更多，而搜索分析器指定的是ik_smark，希望搜索出来的结果中要尽量的包含输入的内容，然后插入数据，再执行查询操作并比较查询结果。
创建索引
请求：
| PUT /ik_index_sample { "mappings": { "properties": { "title": { "type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_smart" } } } } |
响应：
| { "acknowledged" : true, "shards_acknowledged" : true, "index" : "ik_index_sample" } |
索引创建成功。
写入数据
通过批量操作语句写入以下测试数据。
请求：
| POST /_bulk { "index" : { "_index" : "ik_index_sample", "_id" : "1" } } { "title" : "中华人民共和国（People's Republic of China），简称“中国”，成立于1949年10月1日，位于亚洲东部，太平洋西岸" } { "index" : { "_index" : "ik_index_sample", "_id" : "2" } } { "title" : "中国政府网_中央人民政府门户网站官网" } { "index" : { "_index" : "ik_index_sample", "_id" : "3" } } { "title" : "中国(世界四大文明古国之一)_百度百科" } { "index" : { "_index" : "ik_index_sample", "_id" : "4" } } { "title" : "“金蓝领”为“中国创造”添彩--社会--人民网" } { "index" : { "_index" : "ik_index_sample", "_id" : "5" } } { "title" : "在4月29日播出的《这就是中国》节目中，复旦大学中国研究院院长张维为教授就“西方中心论”进行了解构。" } |
响应：
| { "took" : 76, "errors" : false, "items" : [ { "index" : { "_index" : "ik_index_sample", "_type" : "_doc", "_id" : "1", "_version" : 1, "result" : "created", "_shards" : { "total" : 2, "successful" : 2, "failed" : 0 }, "_seq_no" : 0, "_primary_term" : 1, "status" : 201 } }, ...//省略掉多余的语句 ] } |
响应提示数据插入成功。
搜索
请求：
| GET /ik_index_sample/_search { "query": { "term": { "title": { "value": "中国" } } } } |
响应：
| { "took" : 7, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 5, "relation" : "eq" }, "max_score" : 0.11295266, "hits" : [ { "_index" : "ik_index_sample", "_type" : "_doc", "_id" : "4", "_score" : 0.11295266, "_source" : { "title" : "“金蓝领”为“中国创造”添彩--社会--人民网" } }, ...//省略其它4条数据 ] } } |
提示5条记录全部查询出来了，可以认为达到了我们的预期结果。