asp.net core系列 75 Elasticsearch与中文分词配置

一. elasticsearch on windows

1.下载地址：

　　https://www.elastic.co/cn/downloads/elasticsearch

　　如果浏览器下载文件慢，建议使用迅雷下载，速度很快。下载版本为7.5.2

2. 修改配置文件

　　下载后解压，找到config\jvm.options，分配JVM堆内存大小，原则上是分配总内存的50%给 elasticsearch，但不要超过30.5GB，原因是64位寻址会导致性能下降。将默认1g改成512m,  个人电脑当默认1g时，windows安装会出现：HeapDumpOnOutOfMemoryError

 　3. windows安装

　　　打开cmd执行以下命令

　　　E:\elasticsearch-7.5.2\bin>elasticsearch-service.bat install

　4.启动服务

　　由于elasticsearch比较耗内存，默认安装服务设置启动方式为手动，除非真的使用windwos作为服务器， 手动启动服务后，浏览器查看：http://localhost:9200/，出现以下代表成功

　　name：为集群中的节点名称，默认值为当前机器名称。

　　cluster_name:集群的名称，默认为elasticsearch。

　   查看健康状态：http://localhost:9200/_cat/health?v

　　查看所有索引：http://localhost:9200/_cat/indices?v

5. 其它配置

　　elasticsearch.yml文件

　　　　transport.port :节点与节点通信的端口，默认为9300

　　　　http.port:elasticsearch 开放的Rest接口的端口，默认为9200

　　　　network.host 默认为192.168.0.1，要设置为0.0.0.0,绑定所有本地地址，或者直接设置一个可供外网访问的地址

二. Kibana on windows

1.下载地址

　　https://www.elastic.co/cn/downloads/kibana

　　如果浏览器下载文件慢，建议使用迅雷下载，速度很快。下载版本为7.5.2　

2.修改配置文件

　　在config\kibana.yml文件中，默认连接elasticsearch地址是：elasticsearch.hosts: ["http://localhost:9200"]， 如果elasticsearch和kibana都在同一台机器，则不需要修改。

3. 启动

　　Kibana不同于Elasticsearch，Kibana官方并没有提供安装为系统服务的方法。在bin目录下双击kibana.bat文件。暂用控制台作为宿主。在浏览器运行http://localhost:5601/

　　首页右下角单击，左边的导航栏会展开，如下所示：

　　可以将sample flight data 飞行记录数据和sample web logs  web日志记录，这二个样例数据导入，方便学习。

 　　　　在左边的导航栏Dev Tools 中，可以调用 elasticsearch api 来进行操作，如下所示：

4.kibana其它配置

　　4.1 kibana.yml修改为中文

　　　　#i18n.locale: "en"
　　　　　　  i18n.locale: "zh-CN"

 三.分析器安装

IK 是中文分析器中比较有名的，分词包括两种: ik_smart和ik_max_word。二种区别在于提取词项的粒度，前者提取的粒度最粗，后者最细。elsaticsearch默认并不支持ik,需要安装。版本与elsaticsearch保持一致，这里下载v7.5.2。下载 地址：https://github.com/medcl/elasticsearch-analysis-ik/releases    elasticsearch-analysis-ik-7.5.2.zip

在plugins下，新建一个ik文件夹，解压放入，重启ES，如下所示：

(打开kibana的Dev Tools测试)IK中文分析器测试，ik_max_word测试如下：

 IK中文分析器测试，ik_smart测试如下：

四.IK扩展词典

3.1 本地配置自定义词典

　　 如下图，先建一个txt文件，文本格式为 UTF8 编码，重命名为mydict.dic文件，添加自定义词典

　　将dic新文件路径配置到IKAnalyzer.cfg.xml中，如下所示：

<?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">custom/mydict.dic</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>

　　置后，重启es服务，再使用分词器测试如下所示：

五.IK热更新词库

  官方给出建议：可以将需自动更新的热词放在一个 UTF-8 编码的 .txt 文件里，放在 nginx 或其他简易 http server 下，当 .txt 文件修改时，http server 会在客户端请求该文件时自动返回相应的 Last-Modified 和 ETag。可以另外做一个工具来从业务系统提取相关词汇，并更新这个 .txt 文件。

  下面使用iis作为http服务器，新建一个站点，站点下有一个hotword.txt 文件，应用池托管为v 4.0经典模式。去掉压缩不然lk程序监视器读取不到。 再就是设置http响应头，因为该 http 请求需要返回两个头部(header)，一个是 Last-Modified，一个是 ETag，这两者都是字符串类型，只要有一个发生变化，该插件就会去抓取新的分词进而更新词库。配图如下所示：

 　　将服务器txt文件路径配置到IKAnalyzer.cfg.xml中，如下所示：

<?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">http://localhost:8088/hotword.txt</entry> 
    <!--用户可以在这里配置远程扩展停止词字典-->
  <!--  <entry key="remote_ext_stopwords"></entry>-->
</properties>

hotword.txt配置如下所示：

　 重启es服务器，在Log/elasticsearch.log中可以看到加载的词列表，如下所示：

[2020-02-18T10:46:47,129][INFO ][o.w.a.d.Monitor          ] [DESKTOP-D49T1S2] try load config from D:\有啦\elasticsearch-7.5.2\plugins\ik\config\IKAnalyzer.cfg.xml
[2020-02-18T10:46:47,206][INFO ][o.w.a.d.Monitor          ] [DESKTOP-D49T1S2] [Dict Loading] http://localhost:8088/hotword.txt
[2020-02-18T10:46:47,213][INFO ][o.w.a.d.Monitor          ] [DESKTOP-D49T1S2] 新冠
[2020-02-18T10:46:47,213][INFO ][o.w.a.d.Monitor          ] [DESKTOP-D49T1S2] 新冠肺炎
[2020-02-18T10:46:47,213][INFO ][o.w.a.d.Monitor          ] [DESKTOP-D49T1S2] 盛吉芳
[2020-02-18T10:46:47,213][INFO ][o.w.a.d.Monitor          ] [DESKTOP-D49T1S2] 首提
[2020-02-18T10:46:47,214][INFO ][o.w.a.d.Monitor          ] [DESKTOP-D49T1S2] 哈哈
[2020-02-18T10:46:47,214][INFO ][o.w.a.d.Monitor          ] [DESKTOP-D49T1S2] reload ik dict finished.

　测试分词，如下所示：

参考文献

analysis-ik