使用IK分詞外掛程式（analysis-ik） - Elasticsearch

IK分詞外掛程式（analysis-ik）是Elasticsearch（簡稱ES）的擴充外掛程式，提供了基於詞典的分詞能力，預設不能卸載。所有類型的詞典均預設使用IK分詞外掛程式的原生設定檔，通過更新詞典，您可以修改IK分詞外掛程式的預設詞庫或添加新的詞庫，改善分詞效果，讓分詞結果更加符合業務情境需求。在開源外掛程式的基礎上，IK分詞外掛程式擴充支援了通過Object Storage Service動態載入詞典檔案的功能。

前提條件

叢集狀態為正常，可在執行個體的基本資料頁面查看。具體操作請參見查看執行個體的基本資料。

說明

部分低版本執行個體的介面和支援的功能可能與本文有區別，請以控制台為準。

IK分詞外掛程式介紹

IK分詞器的分詞規則

IK分詞外掛程式的分詞器的分詞規則包括ik_smart和ik_max_word兩種：

ik_max_word：將文本按照最細粒度進行拆分，適合術語查詢。
ik_smart：將文本按照粗粒度進行拆分，適合短語查詢。

支援的詞典類型

IK分詞外掛程式支援以下幾種詞典類型：

詞典類型	詞典說明	詞典檔案要求	更新方式
主詞典（main.dic）	IK分詞外掛程式原生內建的主詞典包含27萬多條中文詞語。如果在建立ES索引時指定了主分詞詞典，向叢集中寫入資料時，資料中包含主分詞詞典中的詞，叢集就會建立索引，並且該索引能通過關鍵詞被查詢到。	每行一個詞，儲存為UTF-8編碼的DIC檔案。	IK詞典冷更新 IK詞典熱更新
停用詞詞典（stopword.dic）	IK分詞外掛程式原生內建的停用詞詞典中包含英文的停用詞，例如a、the、and、at、but等。如果在建立ES索引時指定了停用詞詞典，向索引中寫入資料時，資料中包含的停用詞詞典中的詞會被過濾掉，不會出現在倒排索引中。	每行一個詞，儲存為UTF-8編碼的DIC檔案。	IK詞典冷更新 IK詞典熱更新
介詞詞典（preposition.dic）	存放介詞	-	IK詞典冷更新
量詞詞典（quantifier.dic）	存放單位相關的詞和量詞。	-	IK詞典冷更新
suffix.dic	存放尾碼	-	不支援更新
surname.dic	存放中國的姓氏。	-	不支援更新

支援的詞典更新方式

阿里雲ES的IK分詞外掛程式支援IK詞典冷更新和IK詞典熱更新。

更新方式	生效方式	載入方式	推薦應用情境
冷更新	對整個叢集的詞典進行更新，詞典生效會觸發叢集重啟。	系統將上傳的詞典檔案傳送到ES節點上，然後重啟ES節點載入詞典檔案。	如果您需要替換預設詞典檔案或刪除預設詞典檔案中的內容，使用IK詞典冷更新。如果您需要更新介詞詞典或量詞詞典檔案，使用IK詞典冷更新。
熱更新	上傳同名詞典檔案時，不會觸發叢集重啟，叢集會在運行過程中直接載入詞庫。第一次上傳詞典檔案、新增或刪除詞典檔案、詞典檔案名稱發生變化時，會觸發叢集重啟，叢集需要重新載入詞典的配置。	僅詞典檔案內容發生變化時，ES節點會自動載入上傳的詞典檔案，實現詞典的更新操作。如果詞典檔案清單或詞典名稱發生變化，叢集需要重啟重新載入詞典的配置。	如果您需要擴充主詞典或停用詞詞典檔案，或變更擴充詞典檔案，建議使用IK詞典熱更新。

更新詞典

對於已經配置了IK分詞的索引，IK詞典冷更新或熱更新完成後，將只對新資料（包含新增資料和更新後的資料）生效。如果您希望對全部資料生效，需要重建索引。

IK詞典冷更新

您可以通過冷更新方式替換詞典檔案，替換過程需要重啟ES叢集。

警告

冷更新操作會觸發叢集重啟，為保證您的業務不受影響，請在業務低峰期進行操作。

登入Elasticsearch控制台。
在左側導覽列，單擊Elasticsearch執行個體。
進入目標執行個體。
1. 在頂部功能表列處，選擇資源群組和地區。
2. 在Elasticsearch執行個體中單擊目標執行個體ID。
在左側導覽列，選擇配置與管理 > 外掛程式配置。
在系統預設外掛程式列表頁簽，找到analysis-ik外掛程式，在其右側操作列中單擊冷更新。
在IK詞庫配置-冷更新控制台，單擊目標詞典右側的編輯，添加或替換對應的詞典檔案後單擊儲存。
詞典檔案更新方式包括：
- 上傳本地檔案：單擊檔案上傳地區上傳詞典檔案，或拖拽詞典檔案到上傳地區。
- 上傳OSS檔案：輸入Bucket名稱和詞典檔案名稱，單擊添加。
  - Bucket與阿里雲ES執行個體需要在同一地區。
  - 不支援自動同步更新詞典檔案。源端OSS中的詞典檔案內容發生變化後，需要通過冷更新使之生效。
說明
- 詞典檔案尾碼必須是.dic，詞典檔案名稱可以包含大小寫字母、數字和底線，長度不超過30個字元。
- 每種類型的詞典僅支援上傳一個DIC格式檔案，變更發起後會用您上傳的詞典替換原詞典。
- 如果您需要恢複詞典的預設檔案，下載預設詞典檔案後上傳。擷取預設詞典檔案，請單擊下載：
  主詞典（main.dic）
  停用詞詞典（stopword.dic）
  介詞詞典（preposition.dic）
  量詞詞典（quantifier.dic）
單擊確定。
ES執行個體重啟成功後，即詞典檔案更新成功。
（可選）登入ES執行個體的Kibana控制台，測試詞典是否生效。
說明
登入Kibana控制台，請參見登入Kibana控制台。
在Kibana控制台的開發工具（Dev Tools）上執行以下代碼：
```
GET _analyze
{
  "analyzer": "ik_smart",
  "text": ["您詞典中包含的詞"]
}
```

IK詞典熱更新

您可以通過擴充詞典更新的方式擴充主詞典和停用詞詞典。如果詞典檔案名稱和文檔數量不發生變化，則不需要重啟ES叢集。

登入Elasticsearch控制台。
在左側導覽列，單擊Elasticsearch執行個體。
進入目標執行個體。
1. 在頂部功能表列處，選擇資源群組和地區。
2. 在Elasticsearch執行個體中單擊目標執行個體ID。
在左側導覽列，選擇配置與管理 > 外掛程式配置。
在系統預設外掛程式列表頁簽，找到analysis-ik外掛程式，在其右側的操作列中單擊熱更新。
在IK詞庫配置-熱更新控制台，單擊目標詞典右側的編輯，上傳對應的詞典檔案後單擊儲存。
詞典檔案更新方式包括：
- 上傳本地檔案：單擊檔案上傳地區上傳詞典檔案，或拖拽詞典檔案到上傳地區。
- 上傳OSS檔案：輸入Bucket名稱和詞典檔案名稱，單擊添加。
  - Bucket與阿里雲ES執行個體需要在同一地區。
  - 不支援自動同步更新詞典檔案。源端OSS中的詞典檔案內容發生變化後，需要通過熱更新使之生效。
說明
- 詞典檔案尾碼必須是.dic，檔案名稱可以包含大小寫字母、數字和底線，長度不超過30個字元。
- 如果您需要修改已上傳的詞典檔案內容，可單擊目標詞典檔案右側的表徵圖，下載、修改詞典檔案，然後刪除源詞典檔案並重新上傳。
- 支援上傳多個詞典檔案，僅詞典檔案內容發生變化時叢集不需要重啟，檔案名稱或檔案數量發生變化時需要叢集重啟。為保證您的業務不受影響，請在業務低峰期進行操作，等待重啟結束後，詞典會自動生效。
在頁面底部，單擊確定。
阿里雲ES節點上的外掛程式具有自動載入詞典檔案的功能，但每個節點擷取詞典檔案的可能時間不同，請耐心等待詞典生效。
（可選）登入ES執行個體的Kibana控制台，測試詞典是否生效。
說明
登入Kibana控制台，請參見登入Kibana控制台。
為保證準確性，在Kibana控制台的開發工具（Dev Tools）上多次執行以下命令進行驗證。
```
GET _analyze
{
  "analyzer": "ik_smart",
  "text": ["您詞典中包含的詞"]
}
```

Elasticsearch：使用IK分詞外掛程式（analysis-ik）