1. 安装最新版 elasticsearch

参考: https://www.elastic.co/guide/en/elasticsearch/reference/5.2/deb.html

依次执行以下命令

1wget -qO - https://artifacts.elastic.co/GPG-KEY-elasticsearch | sudo apt-key add -
2
3sudo apt-get install apt-transport-https
4
5echo "deb https://artifacts.elastic.co/packages/5.x/apt stable main" | sudo tee -a /etc/apt/sources.list.d/elastic-5.x.list
6
7sudo apt-get update && sudo apt-get install elasticsearch

查看自己系统用的是 SysV 还是 systemd

ps -p 1

我用的是 systemd 执行

1sudo /bin/systemctl daemon-reload
2sudo /bin/systemctl enable elasticsearch.service

2.  启动 elasticsearch

sudo service elasticsearch start

3. 检查是否安装成功

curl -XGET 'localhost:9200/?pretty'

如果返回结果类似以下内容,说明安装成功

1{
2  "name" : "Cp8oag6",
3  "cluster_name" : "elasticsearch",
4  "cluster_uuid" : "AT69_T_DTp-1qgIJlatQqA",
5  "version" : {
6    "number" : "5.2.2",
7    "build_hash" : "f27399d",
8    "build_date" : "2016-03-30T09:51:41.449Z",
9    "build_snapshot" : false,
10    "lucene_version" : "6.4.1"
11  },
12  "tagline" : "You Know, for Search"
13}

4. 配置同义词

elasticsearch5 的默认目录是 /etc/elasticsearch,所以在 /etc/elasticsearch 目录下创建同义词文件

edit /etc/elasticsearch/analysis/synonyms.txt

输入同义词(每行一组),注意文件必须要是 utf-8 格式,英文逗号

1中文,汉语,汉字,
22室1厅1卫,2室2厅1卫=>二居室,
31室1厅1卫=>一居室,一室
43室2厅1卫,三居室,

其中包含 => 的同义词是在 analysis 时只生成 => 后面的词,应该比较省内存,不知道缺点是什么.

5. 安装分词插件

elasticsearch 默认是没有汉语词组的,所以要用这个插件

https://github.com/medcl/elasticsearch-analysis-ik/releases

下载和 elasticsearch 匹配的版本,解压缩到 elasticsearch 的 plugins 目录下的 ik 文件夹中,比如我的是 /usr/share/elasticsearch/plugins/ik

6. 配置自定义词组

我们用到的词语有些是 ik 中已有的,比如 中文/汉语/汉字,有些是没有的,比如 一居室/二居室,没有的就要自己配置了

gedit /usr/share/elasticsearch/plugins/ik/config/custom/mydict.dic

添加自定义词组到文件中

12室1厅1卫
22室2厅1卫
3二居室
41室1厅1卫
5一居室
63室2厅1卫
7三居室

安装/修改插件,需要重启 elasticsearch 才会生效

1sudo service elasticsearch stop
2sudo service elasticsearch start 

7. 检测自定义分词是否有效

curl -XGET 'http://localhost:9200/gj/_analyze?pretty&analyzer=by_smart' -d '{"text":"一居室"}

8. 创建 index

准备工作已经做好了,现在可以在代码中使用同义词了,这里用 php 演示一下

1        $client = ClientBuilder::create()->build();
2
3        // 创建 index
4        $settings = json_decode('{
5            "analysis": {
6                "analyzer": {
7                    "by_smart": {
8                        "type": "custom",
9                        "tokenizer": "ik_smart",
10                        "filter": [
11                            "by_tfr",
12                            "by_sfr"
13                        ],
14                        "char_filter": [
15                            "by_cfr"
16                        ]
17                    },
18                    "by_max_word": {
19                        "type": "custom",
20                        "tokenizer": "ik_max_word",
21                        "filter": [
22                            "by_tfr",
23                            "by_sfr"
24                        ],
25                        "char_filter": [
26                            "by_cfr"
27                        ]
28                      }
29                    },
30                    "filter": {
31                        "by_tfr": {
32                            "type": "stop",
33                            "stopwords": [
34                                " "
35                            ]
36                        },
37                        "by_sfr": {
38                            "type": "synonym",
39                            "synonyms_path": "analysis/synonyms.txt"
40                        }
41                    },
42                    "char_filter": {
43                        "by_cfr": {
44                            "type": "mapping",
45                            "mappings": [
46                                "| => |"
47                            ]
48                        }
49                    }
50                }
51            }');
52
53        $mappings = json_decode('{
54            "_default_":{
55              "properties": {
56                  "shoujia": {
57                    "type":"double"
58                  }
59              }
60            },
61            "xinfang":{
62              "_source":{
63                "enabled":true
64              },
65              "properties":{
66                  "huxing": {
67                      "type": "text",
68                      "index": "analyzed",
69                      "analyzer": "by_max_word",
70                      "search_analyzer": "by_smart"
71                  }
72              }
73            }
74        }');
75
76        $params = [
77          'index'=>'gj',
78          'body'=>[
79            'settings'=>$settings,
80            'mappings'=>$mappings
81          ]
82        ];
83        $client->indices()->create($params);

8. 名词解释

只用了几天 elasticsearch,懂的地方不多,所以这些只是片面的理解.

_index 类似数据库中的 schema 名字

_type 类似数据表

properties 表中的字段

mappings 配置字段的分词规则(比如我们的ik分词),类型(integer,double,string,text等等)

analysis 分词的规则