大数据-172 Elasticsearch 索引操作与 IK 分词器落地实战：7.3/8.15 全流程速查

武子康2025-12-03 14:31

TL;DR

  • 场景：在单机或小集群环境，完成索引 CRUD、健康检查与 IK 远程词典配置。
  • 结论：IK 必须与 ES 版本匹配；重启后用 _analyze 校验；索引观测用 _cat/indices 更稳。
  • 产出：可直接复用的命令清单、远程词典部署要点、常见故障定位与修复表。

版本矩阵

组件/特性 版本/命令 已验证 说明
Elasticsearch 7.3.0 是（作者环境） 索引 CRUD、_cat/indices?v、健康度含义一致；IK 需用 7.3.0 匹配包。
Elasticsearch 8.15.0 是（作者环境） IK 目录为 plugins/analysis-ik；远程词典通过 IKAnalyzer.cfg.xml 加载后重启生效。
IK 分词器 7.3.0 是（作者环境） ik_max_word/ik_smart _analyze 通过。
IK 分词器 8.x（与 ES 同 minor） 建议对齐 跨大/小版本可能加载失败；以对应 release 为准。
远程扩展词典 Nginx 静态托管 是（作者环境） ext_dict.dic、stop_dict.dic 以 UTF-8 无 BOM 提供，HTTP 可达。
查询所有索引 GET _all / _cat/indices?v 部分 实战更推荐 _cat/indices；_all 在部分版本不稳定/不推荐。

注意事项

  1. 代码相关部分（如命令、文件名）使用反引号 ````` 包裹。
  2. 表格对齐通过调整列宽和文本换行优化可读性。
  3. 版本号与命令混合的单元格通过分行或括号注明保持清晰。

索引操作

创建索引库

Elasticsearch采用Rest风格API，因此其API就是一次HTTP请求，你可以用任何工具来发起HTTP请求。 语法：

shell 复制代码 
PUT /索引名称
{
  "settings": {
    "属性名": "属性值"
  }
}

settings：就是索引库设置，其中可以索引库的各种属性，比如分片数、副本数等。目前我们不设置，先默认即可。 示例：

shell 复制代码 
PUT /wzkicu-index

执行结果如下图：

判断索引是否存在

单个索引

语法：

shell 复制代码 
GET /索引名称

示例：

shell 复制代码 
GET /wzkicu-index

执行结果如下图所示：

多个索引

语法：

shell 复制代码 
GET /索引名称1,2,3,4,5...

示例：

shell 复制代码 
GET /wzkicu-index,wzkicu,wzk

执行结果如下图所示：（这里有不存在的索引，所以404了）

所有索引

方式1：

shell 复制代码 
GET _all

执行结果如下图所示： 方式2：

shell 复制代码 
GET /_cat/indices?v

执行结果如下图所示： 这里的health列，表示：

  • 绿色：索引的所有分片都正常分配
  • 黄色：至少有一个副本没有得到正确的分配
  • 红色：至少有一个主分片没有得到正常的分配

打开索引

语法：

shell 复制代码 
POST /索引名称/_open

示例：

shell 复制代码 
POST /wzkicu-index/_open

执行结果如下图：

关闭索引

语法：

shell 复制代码 
POST /索引名称/_close

示例：

shell 复制代码 
POST /wzkicu-index/_close

执行结果如下图：

删除索引

语法：

shell 复制代码 
DELETE /索引名称1,2,3,4,5...

示例：

shell 复制代码 
DELETE /wzkicu-index

执行结果如下图所示：

IK分词器

下载项目

官方地址在这里，是GitHub开源的项目，安装方式很多，我这里就直接用官方的方式安装了：

shell 复制代码 
https://github.com/infinilabs/analysis-ik/releases/tag/Latest

页面是这样的：

安装插件

shell 复制代码 
cd /opt/servers/elasticsearch-7.3.0/
bin/elasticsearch-plugin install https://get.infini.cloud/elasticsearch/analysis-ik/7.3.0

执行结果如下图所示，我们需要重启ES：

重启ES

重启过程，启动完毕：

分词测试

IK分词器两种分词模式：

  • ik_max_word 模式 （最常用）（会将文本最细粒度的拆分）
  • ik_smart 模式 （会做最粗粒度的拆分）

暂时不细追究语法，先学习测试，再后续研究。

ik_max_word

shell 复制代码 
POST _analyze
{
  "analyzer": "ik_max_word",
  "text": "山东省青岛市黄岛区"
}

我们的到的结果是：

shell 复制代码 
{
  "tokens": [
    {
      "token": "山东省",
      "start_offset": 0,
      "end_offset": 3,
      "type": "CN_WORD",
      "position": 0
    },
    {
      "token": "山东",
      "start_offset": 0,
      "end_offset": 2,
      "type": "CN_WORD",
      "position": 1
    },
    {
      "token": "省",
      "start_offset": 2,
      "end_offset": 3,
      "type": "CN_CHAR",
      "position": 2
    },
    {
      "token": "青岛市",
      "start_offset": 3,
      "end_offset": 6,
      "type": "CN_WORD",
      "position": 3
    },
    {
      "token": "青岛",
      "start_offset": 3,
      "end_offset": 5,
      "type": "CN_WORD",
      "position": 4
    },
    {
      "token": "市",
      "start_offset": 5,
      "end_offset": 6,
      "type": "CN_CHAR",
      "position": 5
    },
    {
      "token": "黄岛区",
      "start_offset": 6,
      "end_offset": 9,
      "type": "CN_WORD",
      "position": 6
    },
    {
      "token": "黄岛",
      "start_offset": 6,
      "end_offset": 8,
      "type": "CN_WORD",
      "position": 7
    },
    {
      "token": "区",
      "start_offset": 8,
      "end_offset": 9,
      "type": "CN_CHAR",
      "position": 8
    }
  ]
}

执行的结果如下图所示：

ik_smart

shell 复制代码 
POST _analyze
{
  "analyzer": "ik_smart",
  "text": "山东省青岛市黄岛区"
}

执行的结果是：

json 复制代码 
{
  "tokens": [
    {
      "token": "山东省",
      "start_offset": 0,
      "end_offset": 3,
      "type": "CN_WORD",
      "position": 0
    },
    {
      "token": "青岛市",
      "start_offset": 3,
      "end_offset": 6,
      "type": "CN_WORD",
      "position": 1
    },
    {
      "token": "黄岛区",
      "start_offset": 6,
      "end_offset": 9,
      "type": "CN_WORD",
      "position": 2
    }
  ]
}

执行的结果如下图所示：

提出问题

在实际环境中，有很多时候并不能够准确的理解我们断词断句，有时候有些词我们想要它拆分，有些词我们希望它不拆分。 那我们怎么办呢？

词典使用

扩展词

不进行分词，告诉引擎这是一个词。

停用词

有些词在文本中出现的频率非常高，但对本文的语义会产生很大的影响，例如：呢、了、啊等等，英语中也有类似于 a 、the、of 等等。这样的词称为停用词。 停用词经常会过滤掉，不会被索引，在检索过程中，如果用户的查询词中含有停用词，系统会自动过滤掉。 停用词可以加快索引的速度、减少索引库的大小。

扩展词、停用词应该统一维护，避免集群中多台导致节点各自维护自己的一份。这里我们计划使用Web的方式，将dict词库共享给分词器等。

分词服务

配置Web 我这里使用 Nginx，你也可以使用 Tomcat：

shell 复制代码 
apt install nginx

安装过程如下图所示： 访问页面：h121.wzk.icu，可以看到Nginx顺利运行： 编写dict内容：

shell 复制代码 
vim /var/www/html/stop_dict.dic

向其中写入的内容如下：

shell 复制代码 
的
了
啊
呢

同理，我们写入 ext_dict.dic：

shell 复制代码 
vim /var/www/html/ext_dict.dic

我们访问对应的页面，可以拿到对应的Web文件：

配置分词器

shell 复制代码 
# 这里看自己的版本 我选了好几个
cd /opt/servers/elasticsearch-8.15.0/plugins/analysis-ik
mkdir config
vim IKAnalyzer.cfg.xml

写入如下的内容：

xml 复制代码 
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
  <comment>IK Analyzer 扩展配置</comment>
  <!--用户可以在这里配置自己的扩展字典 -->
  <entry key="ext_dict"></entry>
  <!--用户可以在这里配置自己的扩展停止词字典-->
  <entry key="ext_stopwords"></entry>
  <!--用户可以在这里配置远程扩展字典 -->
  <entry key="remote_ext_dict">http://h121.wzk.icu/ext_dict.dic</entry>
  <!--用户可以在这里配置远程扩展停止词字典-->
  <entry key="remote_ext_stopwords">http://h121.wzk.icu/stop_dict.dic</entry>
</properties>

对应的截图如下所示：

重启服务

重启ES服务，测试效果。

错误速查

症状 根因定位 修复
_analyze 报 unknown analyzer [ik_max_word] 未安装IK或版本不匹配/未重启 查看plugins/analysis-ik、ES启动日志；安装与ES对齐的IK；重启ES
分词结果无变化（远程词典改了不生效） 词典URL不可达/缓存未刷新/编码问题 curl访问词典；查ES日志是否加载成功；确认200可达；UTF-8无BOM；重启ES触发加载
安装IK报"was built for ES version ..." 插件与ES版本不一致 读取安装报错行；换用与ES完全匹配的IK版本包
多索引查询404（部分存在、部分不存在） 请求里包含不存在索引 _cat/indices?v核对清单；仅保留存在的索引或先创建缺失索引
集群健康yellow 单节点副本未分配 _cluster/health；开发环境将副本数设0，或增加节点
集群健康red（主分片未分配） 磁盘阈值/路径错误/节点宕机 _cluster/allocation/explain、ES日志；释放磁盘、修正path.data、恢复节点并触发分配
对已关闭索引操作报index_closed_exception 索引处于关闭状态 _cat/indices看status；POST /{index}/_open后再操作
远程词典加载失败（超时/403/404） 网络、防火墙或权限限制 curl -I、Nginx访问日志；放通内网/白名单；保证URL稳定可达
词典中文显示为乱码 文件编码非UTF-8 本地查看文件编码；统一保存为UTF-8无BOM

其他系列

🚀 AI篇持续更新中（长期更新）

AI炼丹日志-29 - 字节跳动 DeerFlow 深度研究框斜体样式架 私有部署 测试上手 架构研究 ，持续打造实用AI工具指南！ AI研究-132 Java 生态前沿 2025：Spring、Quarkus、GraalVM、CRaC 与云原生落地

💻 Java篇持续更新中（长期更新）

Java-180 Java 接入 FastDFS：自编译客户端与 Maven/Spring Boot 实战 MyBatis 已完结，Spring 已完结，Nginx已完结，Tomcat已完结，分布式服务已完结，Dubbo已完结，MySQL已完结，MongoDB已完结，Neo4j已完结，FastDFS 已完结，OSS正在更新... 深入浅出助你打牢基础！

📊 大数据板块已完成多项干货更新（300篇）：

包括 Hadoop、Hive、Kafka、Flink、ClickHouse、Elasticsearch 等二十余项核心组件，覆盖离线+实时数仓全栈！ 大数据-278 Spark MLib - 基础介绍 机器学习算法 梯度提升树 GBDT案例 详解

相关推荐
D***441436 分钟前
Spring Boot 多数据源解决方案：dynamic-datasource-spring-boot-starter 的奥秘（上）
java·spring boot·后端
疯狂的程序猴39 分钟前
iOS 性能检测工具深度解析 多工具协同下的全维度性能检测体系建设
后端
学术小白人1 小时前
【落幕通知】2025年能源互联网与电气工程国际学术会议（EIEE 2025）在大连圆满闭幕
大数据·人工智能·机器人·能源·信号处理·rdlink研发家
物流可信数据空间1 小时前
专家解读 | 提升数据流通安全治理能力 促进数据流通开发利用【可信数据空间】
大数据·人工智能·安全
开心就好20251 小时前
App 上架服务行业的实际工作流程与工具选择 从人工代办到跨平台自动化的转变
后端
我叫黑大帅1 小时前
存储管理在开发中有哪些应用？
前端·后端·全栈
十月南城1 小时前
MyBatis 进阶治理点——缓存、副作用、拦截与批处理的得失分析
后端·架构
Elasticsearch1 小时前
Elastic 与 Accenture 在 GenAI 数据准备方面的合作
elasticsearch
哈哈哈笑什么1 小时前
Spring Cloud分布式高并发系统下，订单数据（离线设备→云端）“同步不丢、不重、有序”的完整落地方案
后端
热门推荐
01GitHub 镜像站点02UV安装并设置国内源03BongoCat - 跨平台键盘猫动画工具04安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）05本地部署阿里最新开源的Z-Image06Linux下V2Ray安装配置指南07【超详细教程】手把手教你从微软官网免费下载Windows 10官方原版ISO镜像（2025最新版）08Meta第三代“分割一切”模型——SAM 3本地部署教程：首支持文本提示分割，400万概念、30毫秒响应，检测分割追踪一网打尽09【保姆级教程】免费使用Gemini3的5种方法！免翻墙/国内直连10Labelme从安装到标注：零基础完整指南