全部产品
Search
文档中心

检索分析服务Elasticsearch版:使用IK分词插件(analysis-ik)

更新时间:Oct 16, 2024

IK分词插件(analysis-ik)是阿里云Elasticsearch(简称ES)的扩展插件,提供了基于词典的分词能力,默认不能卸载。所有类型的词典均默认使用IK分词插件的原生配置文件,通过更新词典,您可以修改IK分词插件的默认词库或添加新的词库,改善分词效果,让分词结果更加符合业务场景需求。在开源插件的基础上,IK分词插件扩展支持了通过对象存储OSS动态加载词典文件的功能。

前提条件

集群状态为正常,可在实例的基本信息页面查看。具体操作请参见查看实例的基本信息

说明

部分低版本实例的界面和支持的功能可能与本文有区别,请以控制台为准。

IK分词插件介绍

IK分词器的分词规则

IK分词插件的分词器的分词规则包括ik_smart和ik_max_word两种:

  • ik_max_word:将文本按照最细粒度进行拆分,适合术语查询。

  • ik_smart:将文本按照粗粒度进行拆分,适合短语查询。

支持的词典类型

IK分词插件支持以下几种词典类型:

词典类型

词典说明

词典文件要求

更新方式

主词典(main.dic)

IK分词插件原生内置的主词典包含27万多条中文词语。

如果在创建ES索引时指定了主分词词典,向集群中写入数据时,数据中包含主分词词典中的词,集群就会建立索引,并且该索引能通过关键词被查询到。

每行一个词,保存为UTF-8编码的DIC文件。

停用词词典(stopword.dic)

IK分词插件原生内置的停用词词典中包含英文的停用词,例如a、the、and、at、but等。

如果在创建ES索引时指定了停用词词典,向索引中写入数据时,数据中包含的停用词词典中的词会被过滤掉,不会出现在倒排索引中。

介词词典(preposition.dic)

存放介词

-

IK词典冷更新

量词词典(quantifier.dic)

存放单位相关的词和量词。

suffix.dic

存放后缀

-

不支持更新

surname.dic

存放中国的姓氏。

支持的词典更新方式

阿里云ES的IK分词插件支持IK词典冷更新IK词典热更新

更新方式

生效方式

加载方式

推荐应用场景

冷更新

对整个集群的词典进行更新,词典生效会触发集群重启。

系统将上传的词典文件传送到ES节点上,然后重启ES节点加载词典文件。

  • 如果您需要替换默认词典文件或删除默认词典文件中的内容,使用IK词典冷更新。

  • 如果您需要更新介词词典或量词词典文件,使用IK词典冷更新。

热更新

  • 上传同名词典文件时,不会触发集群重启,集群会在运行过程中直接加载词库。

  • 第一次上传词典文件、新增或删除词典文件、词典文件名称发生变化时,会触发集群重启,集群需要重新加载词典的配置。

  • 仅词典文件内容发生变化时,ES节点会自动加载上传的词典文件,实现词典的更新操作。

  • 如果词典文件列表或词典名称发生变化,集群需要重启重新加载词典的配置。

如果您需要扩充主词典或停用词词典文件,或变更扩充词典文件,建议使用IK词典热更新。

更新词典

对于已经配置了IK分词的索引,IK词典冷更新或热更新完成后,将只对新数据(包含新增数据和更新后的数据)生效。如果您希望对全部数据生效,需要重建索引。

IK词典冷更新

您可以通过冷更新方式替换词典文件,替换过程需要重启ES集群。

警告

冷更新操作会触发集群重启,为保证您的业务不受影响,请在业务低峰期进行操作。

  1. 登录阿里云Elasticsearch控制台
  2. 在左侧导航栏,单击Elasticsearch实例
  3. 进入目标实例。
    1. 在顶部菜单栏处,选择资源组和地域。
    2. Elasticsearch实例中单击目标实例ID。
  4. 在左侧导航栏,选择配置与管理 > 插件配置

  5. 系统默认插件列表页签,找到analysis-ik插件,在其右侧操作列中单击冷更新

  6. IK词库配置-冷更新控制面板,单击目标词典右侧的编辑,添加或替换对应的词典文件后单击保存

    词典文件更新方式包括:

    • 上传本地文件:单击文件上传区域上传词典文件,或拖拽词典文件到上传区域。

    • 上传OSS文件:输入Bucket名称和词典文件名称,单击添加

      • Bucket与阿里云ES实例需要在同一地域。

      • 不支持自动同步更新词典文件。源端OSS中的词典文件内容发生变化后,需要通过冷更新使之生效。

    说明
  7. 单击确定

    ES实例重启成功后,即词典文件更新成功。

  8. (可选)登录ES实例的Kibana控制台,测试词典是否生效。

    说明

    登录Kibana控制台,请参见登录Kibana控制台

    在Kibana控制台的开发工具(Dev Tools)上执行以下代码:

    GET _analyze
    {
      "analyzer": "ik_smart",
      "text": ["您词典中包含的词"]
    }

IK词典热更新

您可以通过扩展词典更新的方式扩充主词典和停用词词典。如果词典文件名和文档数量不发生变化,则不需要重启ES集群。

  1. 登录阿里云Elasticsearch控制台
  2. 在左侧导航栏,单击Elasticsearch实例
  3. 进入目标实例。
    1. 在顶部菜单栏处,选择资源组和地域。
    2. Elasticsearch实例中单击目标实例ID。
  4. 在左侧导航栏,选择配置与管理 > 插件配置

  5. 系统默认插件列表页签,找到analysis-ik插件,在其右侧的操作列中单击热更新

  6. IK词库配置-热更新控制面板,单击目标词典右侧的编辑,上传对应的词典文件后单击保存

    词典文件更新方式包括:

    • 上传本地文件:单击文件上传区域上传词典文件,或拖拽词典文件到上传区域。

    • 上传OSS文件:输入Bucket名称和词典文件名称,单击添加

      • Bucket与阿里云ES实例需要在同一地域。

      • 不支持自动同步更新词典文件。源端OSS中的词典文件内容发生变化后,需要通过热更新使之生效。

    说明
    • 词典文件后缀必须是.dic,文件名可以包含大小写字母、数字和下划线,长度不超过30个字符。

    • 如果您需要修改已上传的词典文件内容,可单击目标词典文件右侧的下载按钮图标,下载、修改词典文件,然后删除源词典文件并重新上传。

    • 支持上传多个词典文件,仅词典文件内容发生变化时集群不需要重启,文件名称或文件数量发生变化时需要集群重启。为保证您的业务不受影响,请在业务低峰期进行操作,等待重启结束后,词典会自动生效。

  7. 在页面底部,单击确定

    阿里云ES节点上的插件具有自动加载词典文件的功能,但每个节点获取词典文件的可能时间不同,请耐心等待词典生效。

  8. (可选)登录ES实例的Kibana控制台,测试词典是否生效。

    说明

    登录Kibana控制台,请参见登录Kibana控制台

    为保证准确性,在Kibana控制台的开发工具(Dev Tools)上多次执行以下命令进行验证。

    GET _analyze
    {
      "analyzer": "ik_smart",
      "text": ["您词典中包含的词"]
    }

相关文档