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
GetcharZp4 小时前
玩转 Linux 机器视觉：手把手带你搞定 Ubuntu 下海康工业相机 C++ SDK
后端
星星在线7 小时前
MusicFree：一个「All in One」的个人音乐服务器，让听歌回归简单
前端·后端
IT_陈寒8 小时前
Redis的SETNX并发问题让我加了三天班
前端·人工智能·后端
demo007x8 小时前
Docling 文档转换以及技术架构分析
前端·后端·程序员
袋鱼不重9 小时前
我的神奇同事，AI 用多了居然写了个 Open In Codex
前端·后端·ai编程
大树889 小时前
金刚石散热越强，管路越先见顶
大数据·运维·服务器·人工智能·ai
用户8356290780519 小时前
使用 Python 操作 Word 内容控件
后端·python
像我这样帅的人丶你还9 小时前
啥? 前端也要会干Java?🛵🛵🛵
后端
Hommy889 小时前
【剪映小助手】添加贴纸接口（Add Sticker）
后端·github·剪映小助手·视频剪辑自动化·剪映api
大志哥12310 小时前
ES和Logstash日志链路系统上线后遭遇切片爆炸（解决）
大数据·elasticsearch
热门推荐
012026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？022026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04【AI】2026 年具身智能模型和世界模型总结05GitHub 镜像站点06HTTP 与 HTTPS 的区别：从原理到实战详解072026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？08上线仅72小时被强制下架：Claude Fable 5 的短命09Codex 下载安装指南：Windows 和 macOS 官方版下载10AI科技热点日报 | 2026年6月1日