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

IK分词插件（英文名为analysis-ik）是阿里云Elasticsearch的扩展插件，默认不能卸载。该插件在开源插件的基础上，扩展支持了对象存储服务OSS（Object Storage Service）词典文件的动态加载，可以实现IK词典的冷更新和热更新。本文介绍如何使用IK分词插件。

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。

使用限制

Elasticsearch 7.16及以上版本的实例和部分地域的基于云原生管控的实例不支持IK词典冷更新。

注意事项

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（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。

词典冷热更新对比

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。

系统自动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自带的主词库和停用词主词库。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。

重要

如果您需要自定义配置词库文件（IKAnalyzer.cfg.xml），可下载词典并修改后重新上传，具体操作请参见更新词库文件。

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，系统会自动修改IKAnalyzer.cfg.xml文件，所以在更新词典后，需要重启集群才能生效。

词典文件说明

词典类型	词典说明	相关限制	更新方式
主分词词典	在Elasticsearch集群中创建索引时，如果指定了主分词词典，那么向集群中写入数据时，如果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。文件名包含大小写字母、数字和下划线，且长度不超过30个字符。不允许上传同名文件，主分词文件和停用词文件也不允许重名。	IK词典冷更新
停用词词典	在Elasticsearch集群中创建索引时，如果指定了停用词词典，那么向集群中写入数据时，数据中包含的停用词词典中的词会被过滤掉。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，可参见更新词库文件，下载并修改内容，然后将文件重命名为SYSTEM_STOPWORD.dic后重新上传。说明如果您需要使用中文停用词，可参考官方Elasticsearch默认的IK分词配置文件中config目录下的extra_stopword.dic文件。该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。		IK词典冷更新

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Elasticsearch实例中单击目标实例ID。
在左侧导航栏，选择配置与管理 > 插件配置。
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实例在同一地域下，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，请确认后在业务低峰期进行操作。
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"]
}
```
正常情况下，系统会根据ik_smart的分词规则对text的值进行分词并返回。
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，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。

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实例在同一地域下，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，请确认后在业务低峰期进行操作。
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"]
}
```
正常情况下，系统会根据ik_smart的分词规则对text的值进行分词并返回。

更新词库文件

如果您需要更新已经上传的词库文件，可直接下载对应文件，修改后重新上传。以SYSTEM_STOPWORD.dic为例，更新词库文件的步骤如下：

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。
重要
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。
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。

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