ES 實現實時從Mysql數據庫中讀取熱詞,停用詞

IK分詞器雖然自帶詞庫

 

 

 可是在實際開發應用中對於詞庫的靈活度的要求是遠遠不夠的,IK分詞器雖然配置文件中能添加擴展詞庫,可是須要重啓ES

這章就當寫一篇擴展了

 

其實IK自己是支持熱更新詞庫的,可是須要我感受不是很好

詞庫熱更新方案:

1:IK 原生的熱更新方案,部署一個WEB服務器,提供一個Http接口,經過Modified和tag兩個Http響應頭,來完成詞庫的熱更新

2:經過修改IK源碼支持Mysql定時更新數據

注意:推薦使用第二種方案,也是比較經常使用的方式,雖然第一種是官方提供的,可是官方也不建議使用

 

方案一:IK原生方案

　　1:外掛詞庫,就是在IK配置文件中添加擴展詞庫文件多個之間使用分號分割

　　　　優勢:編輯指定詞庫文件,部署比較方便

　　　　缺點:每次編輯更新後都須要重啓ES

　　2:遠程詞庫,就是在IK配置文件中配置一個Http請求,能夠是.dic文件,也能夠是接口,一樣多個之間使用分號分割

　　　　優勢:指定靜態文件,或者接口設置詞庫實現熱更新詞庫,不用重啓ES,是IK原生自帶的

　　　　缺點:須要經過Modified和tag兩個Http響應頭,來提供詞庫的熱更新,有時候會不生效

具體使用就不說了,在這裏具體說第二種方案

方案二:經過定時讀取Mysql完成詞庫的熱更新

首先要下載IK分詞器的源碼

　　網址:https://github.com/medcl/elasticsearch-analysis-ik

下載的時候必定要選對版本,保持和ES的版本一致,不然會啓動的時候報錯,版本不一致

接着把源碼導入IDEA中,並在POM.xml中添加Mysql的依賴,根據本身的Mysql版本須要添加

個人Mysql是5.6.1因此添加5的驅動包

<!-- https://mvnrepository.com/artifact/mysql/mysql-connector-java -->
        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>5.1.49</version>
        </dependency>

而後再config目錄下建立一個新的.properties配置文件

 

 

 在裏面配置Mysql的一些配置,以及咱們須要的配置

jdbc.url=jdbc:mysql://192.168.43.154:3306/es?characterEncoding=UTF-8&serverTimezone=GMT&nullCatalogMeansCurrent=true
jdbc.user=root
jdbc.password=root
# 更新詞庫
jdbc.reload.sql=select word from hot_words
# 更新停用詞詞庫
jdbc.reload.stopword.sql=select stopword as word from hot_stopwords
# 從新拉取時間間隔
jdbc.reload.interval=5000

建立一個新的線程，用於調用Dictionary得reLoadMainDict()方法從新加載詞庫

 

 

 

package org.wltea.analyzer.dic;

import org.wltea.analyzer.help.ESPluginLoggerFactory;

public class HotDicReloadThread implements Runnable{

    private static final org.apache.logging.log4j.Logger logger = ESPluginLoggerFactory.getLogger(Dictionary.class.getName());

    @Override
    public void run() {

        while (true){
            logger.info("-------從新加載mysql詞典--------");

            Dictionary.getSingleton().reLoadMainDict();
        }

    }
}

修改org.wltea.analyzer.dic文件夾下的Dictionary

在Dictionary類中加載mysql驅動類

private static Properties prop = new Properties();

    static {
        try {
            Class.forName("com.mysql.jdbc.Driver");
        } catch (ClassNotFoundException e) {
            logger.error("error", e);
        }
    }

接着,建立重Mysql中加載詞典的方法

/**
     * 從mysql中加載熱更新詞典
     */
    private void loadMySqlExtDict(){
        Connection connection = null;
        Statement statement = null;
        ResultSet resultSet = null;

        try {
            Path file = PathUtils.get(getDictRoot(),"jdbc-reload.properties");
            prop.load(new FileInputStream(file.toFile()));

            logger.info("-------jdbc-reload.properties-------");
            for (Object key : prop.keySet()) {
                logger.info("key:{}", prop.getProperty(String.valueOf(key)));
            }

            logger.info("------- 查詢詞典, sql:{}-------", prop.getProperty("jdbc.reload.sql"));

            // 創建mysql鏈接
            connection = DriverManager.getConnection(
                    prop.getProperty("jdbc.url"),
                    prop.getProperty("jdbc.user"),
                    prop.getProperty("jdbc.password")
            );

            // 執行查詢
            statement = connection.createStatement();
            resultSet = statement.executeQuery(prop.getProperty("jdbc.reload.sql"));

            // 循環輸出查詢啊結果,添加到Main.dict中去
            while (resultSet.next()) {
                String theWord = resultSet.getString("word");
                logger.info("------熱更新詞典:{}------", theWord);

                // 加到mainDict裏面
                _MainDict.fillSegment(theWord.trim().toCharArray());
            }
        } catch (Exception e) {
            logger.error("error:{}", e);
        } finally {
            try {
                if (resultSet != null) {
                    resultSet.close();
                }
                if (statement != null) {
                    statement.close();
                }
                if (connection != null) {
                    connection.close();
                }
            } catch (SQLException e){
                logger.error("error", e);
            }
        }
    }

接着,建立加載停用詞詞典方法

/**
     * 從mysql中加載停用詞
     */
    private void loadMySqlStopwordDict(){
        Connection conn = null;
        Statement stmt = null;
        ResultSet rs = null;

        try {
            Path file = PathUtils.get(getDictRoot(), "jdbc-reload.properties");
            prop.load(new FileInputStream(file.toFile()));

            logger.info("-------jdbc-reload.properties-------");
            for(Object key : prop.keySet()) {
                logger.info("-------key:{}", prop.getProperty(String.valueOf(key)));
            }

            logger.info("-------查詢停用詞, sql:{}",prop.getProperty("jdbc.reload.stopword.sql"));

            conn = DriverManager.getConnection(
                    prop.getProperty("jdbc.url"),
                    prop.getProperty("jdbc.user"),
                    prop.getProperty("jdbc.password"));
            stmt = conn.createStatement();
            rs = stmt.executeQuery(prop.getProperty("jdbc.reload.stopword.sql"));

            while(rs.next()) {
                String theWord = rs.getString("word");
                logger.info("------- 加載停用詞 : {}", theWord);
                _StopWords.fillSegment(theWord.trim().toCharArray());
            }

            Thread.sleep(Integer.valueOf(String.valueOf(prop.get("jdbc.reload.interval"))));
        } catch (Exception e) {
            logger.error("error", e);
        } finally {
            try {
                if(rs != null) {
                    rs.close();
                }
                if(stmt != null) {
                    stmt.close();
                }
                if(conn != null) {
                    conn.close();
                }
            } catch (SQLException e){
                logger.error("error:{}", e);
            }

        }
    }

接下來,分別在loadMainDict()方法和loadStopWordDict()方法結尾處調用

/**
     * 加載主詞典及擴展詞典
     */
    private void loadMainDict() {
        // 創建一個主詞典實例
        _MainDict = new DictSegment((char) 0);

        // 讀取主詞典文件
        Path file = PathUtils.get(getDictRoot(), Dictionary.PATH_DIC_MAIN);
        loadDictFile(_MainDict, file, false, "Main Dict");
        // 加載擴展詞典
        this.loadExtDict();
        // 加載遠程自定義詞庫
        this.loadRemoteExtDict();
        // 加載Mysql外掛詞庫
        this.loadMySqlExtDict();
    }

/**
     * 加載用戶擴展的中止詞詞典
     */
    private void loadStopWordDict() {
        // 創建主詞典實例
        _StopWords = new DictSegment((char) 0);

        // 讀取主詞典文件
        Path file = PathUtils.get(getDictRoot(), Dictionary.PATH_DIC_STOP);
        loadDictFile(_StopWords, file, false, "Main Stopwords");

        // 加載擴展中止詞典
        List<String> extStopWordDictFiles = getExtStopWordDictionarys();
        if (extStopWordDictFiles != null) {
            for (String extStopWordDictName : extStopWordDictFiles) {
                logger.info("[Dict Loading] " + extStopWordDictName);

                // 讀取擴展詞典文件
                file = PathUtils.get(extStopWordDictName);
                loadDictFile(_StopWords, file, false, "Extra Stopwords");
            }
        }

        // 加載遠程停用詞典
        List<String> remoteExtStopWordDictFiles = getRemoteExtStopWordDictionarys();
        for (String location : remoteExtStopWordDictFiles) {
            logger.info("[Dict Loading] " + location);
            List<String> lists = getRemoteWords(location);
            // 若是找不到擴展的字典，則忽略
            if (lists == null) {
                logger.error("[Dict Loading] " + location + " load failed");
                continue;
            }
            for (String theWord : lists) {
                if (theWord != null && !"".equals(theWord.trim())) {
                    // 加載遠程詞典數據到主內存中
                    logger.info(theWord);
                    _StopWords.fillSegment(theWord.trim().toLowerCase().toCharArray());
                }
            }
        }

        // 加載Mysql停用詞詞庫
        this.loadMySqlStopwordDict();

    }

最後在initial()方法中啓動更新線程

/**
     * 詞典初始化 因爲IK Analyzer的詞典採用Dictionary類的靜態方法進行詞典初始化
     * 只有當Dictionary類被實際調用時，纔會開始載入詞典， 這將延長首次分詞操做的時間 該方法提供了一個在應用加載階段就初始化字典的手段
     *
     * @return Dictionary
     */
    public static synchronized void initial(Configuration cfg) {
        if (singleton == null) {
            synchronized (Dictionary.class) {
                if (singleton == null) {

                    singleton = new Dictionary(cfg);
                    singleton.loadMainDict();
                    singleton.loadSurnameDict();
                    singleton.loadQuantifierDict();
                    singleton.loadSuffixDict();
                    singleton.loadPrepDict();
                    singleton.loadStopWordDict();

                    // 執行更新mysql詞庫的線程
                    new Thread(new HotDicReloadThread()).start(); if(cfg.isEnableRemoteDict()){
                        // 創建監控線程
                        for (String location : singleton.getRemoteExtDictionarys()) {
                            // 10 秒是初始延遲能夠修改的 60是間隔時間 單位秒
                            pool.scheduleAtFixedRate(new Monitor(location), 10, 60, TimeUnit.SECONDS);
                        }
                        for (String location : singleton.getRemoteExtStopWordDictionarys()) {
                            pool.scheduleAtFixedRate(new Monitor(location), 10, 60, TimeUnit.SECONDS);
                        }
                    }

                }
            }
        }
    }

而後,修改src/main/assemblies/plugin.xml文件中,加入Mysql

<dependencySet>
            <outputDirectory>/</outputDirectory>
            <useProjectArtifact>true</useProjectArtifact>
            <useTransitiveFiltering>true</useTransitiveFiltering>
            <includes>
                <include>mysql:mysql-connector-java</include>
            </includes>
        </dependencySet>

源碼到此修改完成，在本身的數據庫中建立兩張新的表

建表SQL

CREATE TABLE hot_words (
id bigint(20) NOT NULL AUTO_INCREMENT,
word varchar(50) COLLATE utf8_unicode_ci DEFAULT NULL COMMENT '詞語',
PRIMARY KEY (id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci;

CREATE TABLE hot_stopwords (
id bigint(20) NOT NULL AUTO_INCREMENT,
stopword varchar(50) COLLATE utf8_unicode_ci DEFAULT NULL COMMENT '停用詞',
PRIMARY KEY (id)
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci;

接下來對源碼進行打包:

打包以前檢查本身的POM.xml中的elasticsearch.version的版本,記得和本身的ES的版本對應,不然到時候會報錯

檢查完畢後,點擊IDEA右側的package進行項目打包,若是版本不對,修改版本並點擊IDEA右側的刷新同步,進行版本的更換,而後打包

 

 

 打包完成後在左側項目中會出現target目錄,會看到一個zip,個人是由於解壓了,因此有文件夾

 

 

 點擊右鍵在文件夾中展現,而後使用解壓工具解壓

 

 

解壓完成後,雙擊進入

 

 

 

 先把原來ES下的plugins下的IK文件夾中的東西刪除,能夠先備份,而後把本身打包解壓后里面的東西所有拷貝到ES下的plugins下的IK文件夾中

 

 

 接下來進入bin目錄下啓動就能夠了

固然按照慣例,個人啓動時不會那麼簡單的,很高興,個人報錯了,全部的坑都踩了一遍,以前的版本不對就踩了兩次

第一次是源碼下載的版本不對

第二次的ES依賴版本不對

好了說報錯:報錯只貼主要內容

第三次報錯:

Caused by: java.security.AccessControlException: access denied ("java.lang.RuntimePermission" "setContextClassLoader")

這個是JRE的類的建立設值權限不對

在jre/lib/security文件夾中有一個java.policy文件,在其grant{}中加入受權便可

permission java.lang.RuntimePermission "createClassLoader"; 
permission java.lang.RuntimePermission "getClassLoader"; 
permission java.lang.RuntimePermission "accessDeclaredMembers";
permission java.lang.RuntimePermission "setContextClassLoader";

第四次報錯:

Caused by: java.security.AccessControlException: access denied ("java.net.SocketPermission" "192.168.43.154:3306" "connect,resolve")

這個是通訊連接等權限不對

也是,在jre/lib/security文件夾中有一個java.policy文件,在其grant{}中加入受權便可

permission java.net.SocketPermission "192.168.43.154:3306","accept";
permission java.net.SocketPermission "192.168.43.154:3306","listen";
permission java.net.SocketPermission "192.168.43.154:3306","resolve";
permission java.net.SocketPermission "192.168.43.154:3306","connect";

到此以後啓動無異常

 

最後就是測試了,啓動個人head插件和kibana,這兩個沒有或者不會的能夠看我以前寫的,也能夠百度

執行分詞

 

 可是我想要  天青色

在Mysql中添加記錄

insert into hot_words(word) value("天青色");

從新執行

 

 也好比我想要這就是一個詞  天青色等煙雨

在Mysql中添加記錄

insert into hot_words(word) value("天青色等煙雨");

再次執行

 

 到此實現了ES定時從mysql中讀取熱詞,停用詞這個通常用的比較少,有興趣本身測測,在使用的時候,經過業務系統往數據庫熱詞表和停用詞表添加記錄就能夠了

做者：彼岸舞

時間：2020\09\13

內容關於：ElasticSearch

本文來源於網絡，只作技術分享，一律不負任何責任