对于标题我没有夸大哈，能成功的，每一步也有代码和图相结合的最近在弄这个Elasticsearch，技术发展所要求，现在还有什么我不需要去学吗？麻了麻了。沉下去，再浮上来，我想我们会变的不一样的。😁CV即可啦原因：好看的人拍的好看的图作者：笨小孩.一、Docker安装Elasticsearch1.1、拉取Elasticsearch镜像dockerpullelasticsearch:7.7.0查看镜像命令：dockerimages删除镜像命令：dockerrmiordockerrmi1.2、启动前准备创建存放数据及配置文件的文件夹，启动时挂载。mkdir-p/home/elasticsearch/

分词器在Elasticsearch的使用中非常重要。分词器中的过滤器可以帮我们对最终的分词进行处理，从而使得我们得到的最终分词会影响存储的大小和搜索的方式。在今天的文章中，我来分享一下一些常用的分词器中的token过滤器。更多有关token过滤器的内容可以在Elastic的官方文档查询。有关更多关于analyzer的阅读，请参考我之前的文章“Elasticsearch:analyzer”。如上图所示，在分词器的构成中，它可以含有0或多个charfilters，有且只有一个tokenizer，0或多个tokenfilters。 安装在今天的展示中，我们需要安装中文最为流行的IK分词器。详细的安装

快速安装快速安装anacondanavigator内不包含的第三方库（如pygame、imagehash、jieba等等）部分参考网址：https://blog.csdn.net/See_Star/article/details/103941469https://blog.csdn.net/weixin_43498449/article/details/123614106方法一1.打开AnacondaPrompt，并进入目标环境。输入activate环境名，如activatemusic_player.2.pipinstall库，如pipinstallpydub如果因为网络原因而下载失败，可使用

一、概念1、初学可以把es看作数据库可以建立索引（库）文档（库中的数据）2、es是面向文档的，一切都是json3、物理设计es后台把每个索引划分成多个分片，每份分片可以在集群中的不同服务器间迁移，一个默认就是一个集群默认集群名称elaticsearch4、逻辑设计二、ik分词器1、概述把一段中文分成一个个关键字，搜索的时候根据关键信息搜索，会把数据库中或者索引中的数据进行分词，默认中文分词是将每一字都看成一个词，比如我爱中国分成‘我’‘爱’‘中’‘国’显然有问题，所以安装中文分词器解决这个问题ik提供了ik_smart和ik_max_word,其中ik_smart为最少切分，ik_max_wo

倒排索引Elasticsearch使用一种称为倒排索引的结构，它适用于快速的全文搜索。见其名，知其意，有倒排索引，肯定会对应有正向索引。正向索引（forwardindex），反向索引（invertedindex）更熟悉的名字是倒排索引。所谓的正向索引，就是搜索引擎会将待搜索的文件都对应一个文件ID，搜索时将这个ID和搜索关键字进行对应，形成K-V对，然后对关键字进行统计计数。但是互联网上收录在搜索引擎中的文档的数目是个天文数字，这样的索引结构根本无法满足实时返回排名结果的要求。所以，搜索引擎会将正向索引重新构建为倒排索引，即把文件ID对应到关键词的映射转换为关键词到文件ID的映射，每个关键词都

什么是IK分词器？分词:即把一段中文或者别的划分成一个个的关键字，在搜索时候会把自己所需的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如“我是李铁”会被分为"我”“是”“李”"铁”，不符合要求的，所以需要安装中文分词器ik来解决这个问题。如果要使用中文，建议使用ik分词器!K提供了两个分词算法:iksmat和ikmaxword,其中iksmat为最少切分ikmaxword为最细粒度划分!一会我们测试!安装IK分词器插件1.地址：https://github.com/medcl/elasticsearch-analysis-i

一、分词器的概念1、AnalysisPhase在文档（Document）被添加到反向索引（invertedindex）之前，Elasticsearch对文档正文执行的过程称为分析阶段（AnalysisPhase）。如下图所示，可以很形象的说明一个文档被IngestNode接入时需要经历的步骤：分析阶段的这部分就是分析器Analyzer，通常是由CharFilters、Tokenizer、TokenFilter组成的，它们的功能和特点如下：CharFilters：字符过滤器执行的是过滤和转换特定字符的工作，比如，过滤标点符号、过滤数字、过滤HTML标签、将&转换成and等；Tokenizer：分

ElasticSearch+kibana部署略创建索引PUT/nba_20220101{ "mappings":{ "properties":{ "age":{ "type":"integer" }, "birthDay":{ "type":"date" }, "birthDayStr":{ "type":"keyword" }, "code":{ "type":"text" }, "country":{ "type":"keyword" }, "countryEn":{ "type":"keyword" }

文章目录ES分词器介绍什么是分词器分词器的组成CharacterfiltersTokenizersTokenfilters分词的过程写入时分词搜索时分词测试分词效果分词器的分类使用示例以StandardAnalyzer为例测试分析效果其他：Normalizers（规范器）ES分词器介绍什么是分词器分词属于ES的文本分析功能，是将文本（如任何的电子邮件的正文），转换成tokens/terms的过程，再将这些tokens或terms添加到倒排索引中以进行搜索服务。分词器就是用来执行上述工作的。这里的分词器指的是analyzer，ES提供了内置的分词器，也可以进行自定义分词器。分词器的组成一个标准的

文章目录项目介绍（开发背景）主要用到的技术点前端后端Ansj分词实现索引模块实现Parser类实现Index类完善Parser类优化制作索引速度实现搜索模块实现DocSearcher类处理暂停词项目编写过程中遇到的困难点上传部署总结项目介绍（开发背景）        相信很多小伙伴在学习Java的过程中都会参考Java官方文档，但是这个文档存在一个问题，就是不支持用户对某个关键词进行搜索，只能够通过某个包去找到其中的某个类进行查看，显然这样的效率是比较低的。        虽然也有很多是离线的api文档是支持搜索功能的，但是我想做一个类似与百度的搜索界面，点击跳转到详细文档的效果。对此，我参考