From eabaaaff4f19a41d1822f50e72a7111b0a3a383d Mon Sep 17 00:00:00 2001 From: shikui Date: Fri, 7 Aug 2015 11:34:45 +0800 Subject: [PATCH 1/2] update README.md MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 对 use_smart 做详细说明。 --- README.md | 47 ++++++++++++++++++++++++++++++++++++++++++++++- 1 file changed, 46 insertions(+), 1 deletion(-) diff --git a/README.md b/README.md index 4fce33e..302cee4 100644 --- a/README.md +++ b/README.md @@ -65,7 +65,52 @@ Or index.analysis.analyzer.ik.type : "ik" ``` -you can set your prefer segment mode,default `use_smart` is false. +#### 以上两种配置方式的区别： + +1、第二种方式，只定义了一个名为 ik 的 analyzer，其 use_smart 采用默认值 false + +2、第一种方式，定义了三个 analyzer，分别为：ik、ik_max_word、ik_smart，其中 ik_max_word 和 ik_smart 是基于 ik 这个 analyzer 定义的，并各自明确设置了 use_smart 的不同值。 + +3、其实，ik_max_word 等同于 ik。ik_max_word 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合；而 ik_smart 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。 + +因此，建议，在设置 mapping 时，用 ik 这个 analyzer，以尽可能地被搜索条件匹配到。 + +不过，如果你想将 /index_name/_analyze 这个 RESTful API 做为分词器用，用来提取某段文字中的主题词，则建议使用 ik_smart 这个 analyzer： + +``` +POST /hailiang/_analyze?analyzer=ik_smart HTTP/1.1 +Host: localhost:9200 +Cache-Control: no-cache + +中华人民共和国国歌 +``` + +返回值： + +```json +{ + "tokens" : [ { + "token" : "中华人民共和国", + "start_offset" : 0, + "end_offset" : 7, + "type" : "CN_WORD", + "position" : 1 + }, { + "token" : "国歌", + "start_offset" : 7, + "end_offset" : 9, + "type" : "CN_WORD", + "position" : 2 + } ] +} +``` + +另外，可以在 elasticsearch.yml 里加上如下一行，设置默认的 analyzer 为 ik： + +```yaml +index.analysis.analyzer.default.type : "ik" +``` + ### Mapping Configuration From 6dfda672005ee3d5a569f377fbdac7dd094832f6 Mon Sep 17 00:00:00 2001 From: shikui Date: Fri, 7 Aug 2015 11:43:00 +0800 Subject: [PATCH 2/2] Update README.md MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 标准的HTTP协议返回的是 ETag，而不是 ETags，代码中已经改为 ETag。 --- README.md | 4 +++- 1 file changed, 3 insertions(+), 1 deletion(-) diff --git a/README.md b/README.md index 302cee4..e228b4c 100644 --- a/README.md +++ b/README.md @@ -273,12 +273,14 @@ curl -XPOST http://localhost:9200/index/fulltext/_search -d' 其中 `location` 是指一个 url，比如 `http://yoursite.com/getCustomDict`，该请求只需满足以下两点即可完成分词热更新。 -1. 该 http 请求需要返回两个头部(header)，一个是 `Last-Modified`，一个是 `ETags`，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。 +1. 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。 2. 该 http 请求返回的内容格式是一行一个分词，换行符用 `\n` 即可。 满足上面两点要求就可以实现热更新分词了，不需要重启 ES 实例。 +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。 + have fun. 常见问题