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  

1. index :
2. analysis ://一个analysis可以包含多个analyzer，tokenizer，filter，char_filter配置
3. 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
4. myAnalyzer1 :
5. type : custom
6. tokenizer : myTokenizer1
7. filter : [myTokenFilter1, myTokenFilter2]
8. char_filter : [my_html]
9. position_increment_gap: 256
10. myAnalyzer2 :
11. type : custom
12. tokenizer : myTokenizer1
13. filter : [myTokenFilter1, myTokenFilter2]
14. char_filter : [my_html]
15. position_increment_gap: 256
16. tokenizer :
17. myTokenizer1 :
18. type : standard
19. max_token_length : 900
20. myTokenizer2 :
21. type : keyword
22. max_token_length : 900
23. filter :
24. myTokenFilter1 :
25. type : stop
26. stopwords : [stop1, stop2, stop3, stop4]
27. myTokenFilter2 :
28. type : length
29. min : 0
30. max : 2000
31. char_filter :
32. my_html :
33. type : html_strip
34. escaped_tags : [xxx, yyy]
35. 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