Kafka：ZK+Kafka+Spark Streaming集群环境搭建（十九）ES6.2.2 安装Ik中文分词器

时间  2020-05-19
标签 kafka zk+kafka+spark spark streaming 集群 环境 搭建 十九 es6.2.2 安装 中文 分词器 栏目 Kafka 繁體版
原文   原文链接

注： elasticsearch 版本6.2.2html

  • 1）集群模式，则每一个节点都须要安装ik分词，安装插件完毕后须要重启服务，建立mapping前若是有机器未安装分词，则可能该索引可能为RED，须要删除后重建。
    • 　　 
      域名            ip
master         192.168.0.120
slave1         192.168.0.121
slave2         192.168.0.122
  • 2）Elasticsearch 内置的分词器对中文不友好，会把中文分红单个字来进行全文检索，不能达到想要的结果，在全文检索及新词发展如此快的互联网时代，IK能够进行友好的分词及自定义分词。
  • 3）IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版，目前支持最新版本的ES6.X版本。
  • 4）IK 带有两个分词器：
    • 　　ik_max_word ：会将文本作最细粒度的拆分；尽量多的拆分出词语
    • 　　ik_smart：会作最粗粒度的拆分；已被分出的词语将不会再次被其它词语占有
  • 5）本篇采用下载IK中文分词器源码后，使用eclipse编译源码方式获得IK分词器安装包，由于之后若是要进行修改IK分词器能够修改完源码本身进行打包安装。

第一步：下载IK中文分词器源代码

在github中搜索ik，找到"medcl/elasticsearch-analysis-ik"，并找到https://github.com/medcl/elasticsearch-analysis-ik/releases，选择本身须要的版本：java

或者git


如上图所示，选择和elsticsearch 匹配的版本，并下载zip包。github

第二步：解压下载的zip包并使用ecplise打开

①解压elasticsearch-analysis-ik-6.2.2.zipjson

②打开eclispe导入 maven项目服务器

下一步微信

③导入后，使用maven build...编译jar包app

弹出编辑框：eclipse

点击“Run”执行curl

完成后，在target文件夹上右键 选择 Refresh，如图所示：

第三步：分别上传到ES的服务器并分别解压安装

把编译好的jar包上传到master服务器上，

执行命令安装：

[spark@master ~]$ cd /opt/
[spark@master opt]$ unzip elasticsearch-analysis-ik-6.2.2.zip -d /opt/elasticsearch-6.2.2/plugins/
Archive:  elasticsearch-analysis-ik-6.2.2.zip
   creating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/plugin-descriptor.properties  
   creating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/extra_main.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/extra_single_word.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/extra_single_word_full.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/extra_single_word_low_freq.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/extra_stopword.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/IKAnalyzer.cfg.xml  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/main.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/preposition.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/quantifier.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/stopword.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/suffix.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/config/surname.dic  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/elasticsearch-analysis-ik-6.2.2.jar  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/httpclient-4.5.2.jar  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/httpcore-4.4.4.jar  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/commons-logging-1.2.jar  
  inflating: /opt/elasticsearch-6.2.2/plugins/elasticsearch/commons-codec-1.9.jar  
[spark@master opt]$ cd /opt/elasticsearch-6.2.2/plugins/
[spark@master plugins]$ mv elasticsearch/ ik/

slave1,slave2一样安装，这里省略。。

master,slave1,slave2三台服务器安装完成后，重启elasticsearch 便可加载ik分词器。

第四步：测试

1) 删除、建立索引：

curl -Xdelete "http://192.168.0.120:9200/index"

curl -Xput "http://192.168.0.120:9200/index"

2)使用index索引建立mapping（对字段‘content’进行中文分词）：

curl -XPOST "http://192.168.0.120:9200/index/fulltext/_mapping" -H 'Content-Type: application/json' -d'
{
        "properties": {
            "content": {
                "type": "text",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word"
            }
        }
    
}'

3)先添加4条记录：

curl -XPOST "http://192.168.0.120:9200/index/fulltext/1" -H 'Content-Type: application/json' -d'
{"content":"美国留给伊拉克的是个烂摊子吗"}'

curl -XPOST "http://192.168.0.120:9200/index/fulltext/2" -H 'Content-Type: application/json' -d'
{"content":"公安部：各地校车将享最高路权"}'

curl -XPOST "http://192.168.0.120:9200/index/fulltext/3" -H 'Content-Type: application/json' -d'
{"content":"中韩渔警冲突调查：韩警平均天天扣1艘中国渔船"}'

curl -XPOST "http://192.168.0.120:9200/index/fulltext/4" -H 'Content-Type: application/json' -d'
{"content":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"}'

4)执行统计：

curl -XPOST "http://192.168.0.120:9200/index/fulltext/_search" -H 'Content-Type: application/json' -d'
{
    "query" : { "match" : { "content" : "中国" }},
    "highlight" : {
        "pre_tags" : ["<tag1>", "<tag2>"],
        "post_tags" : ["</tag1>", "</tag2>"],
        "fields" : {
            "content" : {}
        }
    }
}'

返回结果：

{
  "took": 133,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 0.6489038,
    "hits": [
      {
        "_index": "index",
        "_type": "fulltext",
        "_id": "4",
        "_score": 0.6489038,
        "_source": {
          "content": "中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"
        },
        "highlight": {
          "content": [
            "<tag1>中国</tag1>驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"
          ]
        }
      },
      {
        "_index": "index",
        "_type": "fulltext",
        "_id": "3",
        "_score": 0.2876821,
        "_source": {
          "content": "中韩渔警冲突调查：韩警平均天天扣1艘中国渔船"
        },
        "highlight": {
          "content": [
            "中韩渔警冲突调查：韩警平均天天扣1艘<tag1>中国</tag1>渔船"
          ]
        }
      }
    ]
  }
}

5)再添加3条记录：

curl -XPOST "http://192.168.0.120:9200/index/fulltext/5" -H 'Content-Type: application/json' -d'
{"content":"俄侦委：俄一辆卡车渡河时翻车 致2名中国游客遇难"}'
 
curl -XPOST "http://192.168.0.120:9200/index/fulltext/6" -H 'Content-Type: application/json' -d'
{"content":"韩国银行面向中国留学生推出微信支付服务"}'

curl -XPOST "http://192.168.0.120:9200/index/fulltext/7" -H 'Content-Type: application/json' -d'
{"content":"印媒：中国东北“锈带”在困境中反击"}'

6）从新执行统计：

curl -XPOST "http://192.168.0.120:9200/index/fulltext/_search" -H 'Content-Type: application/json' -d'
{
    "query" : { "match" : { "content" : "中国" }},
    "highlight" : {
        "pre_tags" : ["<tag1>", "<tag2>"],
        "post_tags" : ["</tag1>", "</tag2>"],
        "fields" : {
            "content" : {}
        }
    }
}'

返回结果：

{
  "took": 41,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 5,
    "max_score": 0.6785375,
    "hits": [
      {
        "_index": "index",
        "_type": "fulltext",
        "_id": "7",
        "_score": 0.6785375,
        "_source": {
          "content": "印媒：中国东北“锈带”在困境中反击"
        },
        "highlight": {
          "content": [
            "印媒：<tag1>中国</tag1>东北“锈带”在困境中反击"
          ]
        }
      },
      {
        "_index": "index",
        "_type": "fulltext",
        "_id": "6",
        "_score": 0.47000363,
        "_source": {
          "content": "韩国银行面向中国留学生推出微信支付服务"
        },
        "highlight": {
          "content": [
            "韩国银行面向<tag1>中国</tag1>留学生推出微信支付服务"
          ]
        }
      },
      {
        "_index": "index",
        "_type": "fulltext",
        "_id": "4",
        "_score": 0.44000342,
        "_source": {
          "content": "中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"
        },
        "highlight": {
          "content": [
            "<tag1>中国</tag1>驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"
          ]
        }
      },
      {
        "_index": "index",
        "_type": "fulltext",
        "_id": "5",
        "_score": 0.2876821,
        "_source": {
          "content": "俄侦委：俄一辆卡车渡河时翻车 致2名中国游客遇难"
        },
        "highlight": {
          "content": [
            "俄侦委：俄一辆卡车渡河时翻车 致2名<tag1>中国</tag1>游客遇难"
          ]
        }
      },
      {
        "_index": "index",
        "_type": "fulltext",
        "_id": "3",
        "_score": 0.2876821,
        "_source": {
          "content": "中韩渔警冲突调查：韩警平均天天扣1艘中国渔船"
        },
        "highlight": {
          "content": [
            "中韩渔警冲突调查：韩警平均天天扣1艘<tag1>中国</tag1>渔船"
          ]
        }
      }
    ]
  }
}

IK支持自定义配置词库，配置文件在config文件夹下的analysis-ik/IKAnalyzer.cfg.xml，字典文件也在同级目录下，能够支持多个选项的配置，ext_dict-自定义词库，ext_stopwords-屏蔽词库。

同时还支持热更新配置，配置remote_ext_dict为http地址，输入一行一个词语，注意文档格式要为UTF8无BOM格式，若是词库发生更新，只须要更新response header中任意一个字段Last-Modified或ETag便可。

[spark@master config]$ pwd
/opt/elasticsearch-6.2.2/plugins/ik/config
[spark@master config]$ more 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>
        <!--用户能够在这里配置本身的扩展字典 -->
        <entry key="ext_dict"></entry>
         <!--用户能够在这里配置本身的扩展中止词字典-->
        <entry key="ext_stopwords"></entry>
        <!--用户能够在这里配置远程扩展字典 -->
        <!-- <entry key="remote_ext_dict">words_location</entry> -->
        <!--用户能够在这里配置远程扩展中止词字典-->
        <!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
[spark@master config]$

 

参考：

《https://blog.csdn.net/moxiong3212/article/details/79338586》

《https://www.cnblogs.com/gaoxu387/p/7889626.html》

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程