ElasticSearch 安装

ElasticSearch

• • • 概念
    • 安装
    • • 安装es
      • 安装Elastic-head
      • 安装Kibana
    • 倒排索引
    • 分词器
    • • IK分词器
      • ES命令
      • • elasticsearch-plugin
  • E:\es\elasticsearch-7.16.3\bin>elasticsearch-plugin --help A tool for managing installed elasticsearch plugins Commands
  • • • 测试
      • 自定义词汇
      • • 场景
        • 扩展ik分词器

概念

ES是一款分布式全文搜索引擎，基于Lucene，进行了二次封装，更容易上手。

安装

安装es

• 下载官网
• 解压
• 启动 ./bin/elasticsearch.bat
• 访问 127.0.0.1:9200
  

安装Elastic-head

这里采用Docker安装

docker run -p 9100:9100 mobz/elasticsearch-head:5

可能需要设置允许跨域，参考官方

http.cors.enabled: true
http.cors.allow-origin: "*"

再一个如果不在一台主机可能需要修改主机地址
/usr/src/app/_site/app.js 内 配置了主机地址，修改为实际的地址

安装Kibana

• 下载，尽量与ES版本一致
• 解压，运行
  
• 使用开发控制台
  
• 设置中文
  kibana.yml中 修改为
  i18n.locale: “zh-CN”

倒排索引

参考
其本质是对文档进行关键词（又称单词）提取并保存其出现频次，所在文档，出现位置等等信息，放入一条记录；所有记录组成了单词词典。

查询时，直接根据关键字去索引对应的文档，然后根据一系列权重算法进行排序。

而这种索引的形式就称为倒排索引。

在倒排索引中，分词就显得很重要。

分词器

• 概念：将一句话拆分成一些合理的词，ES默认的分词器中，会将中文的每个字解析成一个词，不具有意义，需要安装合乎汉语语义的分词器。

IK分词器

Ik分词器提供了两个分词算法：ik_smart（简单拆分，仅仅按字典做拆分），ik_max_word（连续的一个或多个有含义的多个字都会拆成一个词）
明显，max比smart分词更多，词典更大，占用内存更多，更准确

• 下载ik分词器（注意ES版本一致）
  github
• 解压至对应es的plugins目录下
• 重启es即可
  

ES命令

elasticsearch-plugin

E:\es\elasticsearch-7.16.3\bin>elasticsearch-plugin --help
A tool for managing installed elasticsearch plugins
Commands

list - Lists installed elasticsearch plugins #es当前已加载的插件列表
install - Install a plugin #在es中安装一个插件
remove - removes plugins from Elasticsearch #从当前es中移除一个插件

Non-option arguments:
command

Option Description

---

-E Configure a setting
-h, --help Show help
-s, --silent Show minimal output
-v, --verbose Show verbose output

测试

基于Kibana控制台测试

1. 使用 ik_smart 算法对指定文本分词

GET _analyze
{
  "analyzer": "ik_smart",
  "text": [
    "name","小明","我的你的","单词词典(Lexicon)：搜索引擎的通常索引单位是单词，单词词典是由文档集合中出现过的所有单词构成的字符串集合，单词词典内每条索引项记载单词本身的一些信息以及指向“倒排列表”的指针眼。"
    ]
}

以最后三个字为例
smart 分词会分为：

{
      "token" : "指",
      "start_offset" : 102,
      "end_offset" : 103,
      "type" : "CN_CHAR",
      "position" : 49
    },
    {
      "token" : "针眼",
      "start_offset" : 103,
      "end_offset" : 105,
      "type" : "CN_WORD",
      "position" : 50
    }

而 max_word 分词会分为

  {
     "token" : "指针",
     "start_offset" : 102,
     "end_offset" : 104,
     "type" : "CN_WORD",
     "position" : 57
   },
   {
     "token" : "针眼",
     "start_offset" : 103,
     "end_offset" : 105,
     "type" : "CN_WORD",
     "position" : 58
   }

自定义词汇

场景

当分词器没有按预期的结果进行分词时，我们可以自定义词语并扩展到词典中。

扩展ik分词器

• 在 IKAnalyzer.cfg.xml 配置文件中配置自己的词典
  
• 然后在对应目录（这里就是当前目录）创建对应的文件，每行表示一个词

在添加自定义词典之前
最大分词也不能分出 气很这个词，在添加后即可分出该词汇（smart和max_word都可以）

标签：ik,ElasticSearch,分词器,offset,elasticsearch,安装,分词,es
来源： https://blog.csdn.net/tergou/article/details/122465967