ElasticSearch中分词器组件配置详解
首先要明确一点，ElasticSearch是基于Lucene的，它的很多基础性组件，都是由Apache Lucene提供的，而es则提供了更高层次的封装以及分布式方面的增强与扩展。所以要想熟练的掌握的关于es中分词方面的知识，一定得先从Lucene抓起，否则只会是丈二和尚摸不着头脑，当然我们大多数开发者只关注于怎么用，偏底层的东东，也没有太多时间去深究，这也有情可原，遇到问题再去探究，也何尝不是一种办法，如果有时间，还是建议看看Lucene基础的知识。
在ElasticSearch或Solr中，都提供了基于配置的可插拔式的分词插件，管理方式，这样以来就组合配置方式就非常灵活，在es中，一个analysis集合
可以包含多个analyzer，而一个analyzer则由一个单个的tokenizer，零个或多个的tokenfilter组成，而一个tokenizer又可以包含零个或多个的charFilter。总体的执行流程如下图：
在es里面的一个模板配置如下：
Java代码
[*] index :
[*] analysis ://一个analysis可以包含多个analyzer，tokenizer，filter，char_filter配置
[*] analyzer :// 一个analyzer下面可以包含一个tokenizer，多个filter和char_filter， position_increment_gap是距离查询时，最大允许查询的距离，默认是100
[*] myAnalyzer1 :
[*] type : custom
[*] tokenizer : myTokenizer1
[*] filter :
[*] char_filter :
[*] position_increment_gap: 256
[*] myAnalyzer2 :
[*] type : custom
[*] tokenizer : myTokenizer1
[*] filter :
[*] char_filter :
[*] position_increment_gap: 256
[*]
[*] tokenizer :
[*] myTokenizer1 :
[*] type : standard
[*] max_token_length : 900
[*] myTokenizer2 :
[*] type : keyword
[*] max_token_length : 900
[*] filter :
[*] myTokenFilter1 :
[*] type : stop
[*] stopwords :
[*] myTokenFilter2 :
[*] type : length
[*] min : 0
[*] max : 2000
[*] char_filter :
[*] my_html :
[*] type : html_strip
[*] escaped_tags :
[*] read_ahead : 1024
一个比较完整的分词器配置案例，就如上面的例子，几乎涵盖了所有可能用到的组件，而我们在实际应用中，要做的就是，选择组合我们需要的组件，定制成一个分词器，然后就可以使用了，
上面的这段配置，我们需要配置在elasticsearch.yml文件中，全局有效，然后我们就可以在静态mapping或动态mapping中引用和使用它了。
参考链接：
https://www.elastic.co/guide/en/elasticsearch/reference/2.1/analysis-custom-analyzer.html
页:
[1]