使用IK分词插件（analysis-ik） - 阿里云Elasticsearch

背景信息

阿里云Elasticsearch的IK分词插件支持 IK词典冷更新和 IK词典热更新，两者区别如下。


更新方式	生效方式	加载方式	说明
冷更新	对整个集群的词典进行更新操作，需要重启集群才能生效。	系统将上传的词典文件传送到Elasticsearch节点上，并修改IKAnalyzer.cfg.xml文件，然后重启Elasticsearch节点加载词典文件。	IK词典冷更新支持修改IK自带的主词库及停用词主词库。在IK词典冷更新页面可以看到系统自带的主词典为`SYSTEM_MAIN.dic`，系统自带的停用词主词典为`SYSTEM_STOPWORD.dic`。
热更新	第一次上传词典文件时，会对整个集群的词典进行更新，需要重启集群才能生效；二次上传同名文件不会触发集群重启，在运行过程中直接加载词库。	当词典文件内容发生变化时，上传词典文件后Elasticsearch节点能自动加载词典文件，实现词典的更新操作。如果词典文件列表发生变化，例如上传新词典文件或删除词典文件，那么整个集群都需要重新加载词典的配置（因为会涉及到修改IKAnalyzer.cfg.xml文件）。	第一次上传词典文件时，需要修改IKAnalyzer.cfg.xml文件，所以在更新词典后，需要重启集群才能生效。

注意

对于已经配置了IK分词的索引，在IK词典冷更新或热更新操作完成后将只对新数据生效。如果您希望对全部数据生效，需要重建索引。

进行IK词典冷更新时，系统不支持删除自带的主词典和停用词主词典，但可以修改。修改方式如下：

如果需要修改系统自带的主词典文件，请上传以SYSTEM_MAIN.dic命名的主词典，系统会自动覆盖原始内容。详细信息，请参见IK Analysis for Elasticsearch。
如果需要修改系统自带的停用词主词典文件，请上传以SYSTEM_STOPWORD.dic命名的停用词主词典，系统会自动覆盖原始内容。详细信息，请参见IK Analysis for Elasticsearch和停用词配置。

前提条件

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

IK词典冷更新

登录阿里云Elasticsearch控制台。
在左侧导航栏，单击Elasticsearch实例。
进入目标实例。
1. 在顶部菜单栏处，选择资源组和地域。
2. 在左侧导航栏单击Elasticsearch实例，然后在Elasticsearch实例中单击目标实例ID。
在左侧导航栏，单击插件配置。
在系统默认插件列表中，找到需要更新的IK插件，单击其右侧操作列下的冷更新。
在冷更新页面，单击下方的配置。
在IK主分词词库下方，选择词典的更新方式，并按照以下说明上传词典文件。
阿里云Elasticsearch支持上传DIC文件和添加OSS文件两种词典更新方式：
- 上传DIC文件：单击上传DIC文件，选择一个本地文件进行上传。
- 添加OSS文件：输入Bucket名称和文件名称，单击添加。
  请确保Bucket与当前阿里云Elasticsearch实例在同一区域下，且文件为DIC文件。当源端（OSS）的文件内容发生变化后，需要重新手动配置上传才能生效，不支持自动同步更新。
警告以下操作会重启实例，为保证您的业务不受影响，请确认后操作。
滑动到页面底端，勾选该操作会重启实例，请确认后操作，单击保存。
无论是词典文件变化，还是词典内容发生变化，冷更新操作都会触发集群重启。
重启成功后，登录对应Elasticsearch实例的Kibana控制台，执行以下命令测试词典是否生效。
登录控制台的具体操作步骤，请参见登录Kibana控制台。
```
GET _analyze
{
"analyzer": "ik_smart",
"text": ["您词典中包含的词"]
}
```
说明 IK分词插件的分词器包括ik_smart和ik_max_word，两者区别如下：
- ik_max_word：将文本按照最细粒度进行拆分。例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,共和国,共和,国,国歌，适合术语查询。
- ik_smart：将文本按照粗粒度进行拆分。例如会将中华人民共和国国歌拆分为中华人民共和国,国歌，适合短语查询。

IK词典热更新

在系统默认插件列表中，找到需要更新的IK插件，单击其右侧操作列下的热更新。
在热更新页面，单击右下方的配置。
在IK主分词词库下方，选择词典的更新方式，并按照以下说明上传词典文件。
说明 IK热更新不支持修改系统自带的主词典，如果您需要修改系统主词典请使用IK冷更新的方式。
阿里云Elasticsearch支持上传DIC文件和添加OSS文件两种词典更新方式：
- 上传DIC文件：单击上传DIC文件，选择一个本地文件进行上传。
- 添加OSS文件：输入Bucket名称和文件名称，单击添加。
  请确保Bucket与当前Elasticsearch实例在同一区域下，且文件为DIC文件（以下步骤以dic_0.dic文件进行说明）。且源端（OSS）的文件内容发生变化后，需要重新手动配置上传才能生效，不支持自动同步更新。
警告以下操作会重启实例，为保证您的业务不受影响，请确认后操作。
滑动到页面底端，勾选该操作会重启实例，请确认后操作（第一次上传词典文件，需要重启），单击保存。

保存后，集群会进行滚动重启，等待滚动重启结束后，词典会自动生效。

词典使用一段时间后，如果需要扩充或者减少词典中的内容，请继续执行以下步骤修改上传的dic_0.dic文件。
进入词典热更新页面，先删除之前上传的同名词典文件，重新上传修改过的dic_0.dic同名词典文件。
因为修改的是已存在的同名词典文件的内容，所以本次上传修改过的同名词典文件不需要滚动重启整个集群。
单击保存。
由于阿里云Elasticsearch节点上的插件具有自动加载词典文件的功能，所以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。大概两分钟后再使用更新之后的词典，为了保证准确性，请登录Kibana控制台，多次执行以下命令进行验证。

说明登录Kibana控制台的具体步骤，请参见登录Kibana控制台。
```
GET _analyze
{
"analyzer": "ik_smart",
"text": ["您词典中包含的词"]
}
```

停用词配置

阿里云Elasticsearch默认的停用词词库配置文件中，包含了一些默认的停用词，例如：a、an、and、are、as、at、be、but、by、for、if、in、into、is、it、no、not、of、on、or、such、that、the、their、then、there、these、they、this、to、was、will、with

如果您需要去掉一些不需要的默认停用词，可通过以下步骤进行操作：

下载官方Elasticsearch默认的IK分词配置文件。
解压配置文件，并打开config目录下的stopword.dic文件。

注意如果您需要使用中文停用词，可在config目录下找到 extra_stopword.dic文件，并通过 IK词典冷更新的方式进行上传。 extra_stopword.dic文件中包含的停用词包括：也、了、仍、从、以、使、则、却、又、及、对、就、并、很、或、把、是、的、着、给、而、被、让、在、还、比、等、当、与、于、但。
删除不需要的停用词，并保存。
修改stopword.dic文件名为SYSTEM_STOPWORD.dic。
使用IK词典冷更新功能，上传修改后的SYSTEM_STOPWORD.dic文件，覆盖当前默认的停用词配置文件。
确认后重启，即可更新停用词配置文件。

下载并更新词库文件

如果您需要对已经上传过的词库文件进行更新，可直接下载对应的文件，修改后重新上传即可。本文以冷更新的IK停用词库文件SYSTEM_STOPWORD.dic为例为您展开介绍。

在系统默认插件列表中，找到analysis-ik插件，单击其右侧操作列下的冷更新。
在冷更新面板中，单击IK停用词库下SYSTEM_STOPWORD.dic文件对应的图标。
修改已下载的文件，并重新上传。上传操作请参见IK词典冷更新或者IK词典热更新中对应的步骤。