2）自己建立停用词库，如了，的，哈，啥，这几个字不想去建立索引
在配置文件IKAnalyzer.cfg.xml下ext_stopwords标签添加：extra_stopword.dic，并加几个词，修改后同样要重启es。
例：加一个"啥"字在ext_stopword中
修改前：
添加停用词后
{ "tokens": [ { "token": "都好", "start_offset": 1, "end_offset": 3, "type": "CN_WORD", "position": 0 } ] }那个啥字直接没有了，结果符合预期。
热更新方案上面自定义词库有一个致命问题：必须要重启ES，新增的词库才能生效。
研发、测试环境自己玩玩无所谓，多半是自己使用，节点又少，重启就重启，关系不大。但想想生产环境能随便让你重启吗？动辄几百个ES实例，重启的事就别想了，另外找办法。
由此引出现在的热更新需求，让ES不停机能立即加载新增的词库。
热更新的方案
基于id分词器原生支持的更新方案，部署一个web服务器，提供一个http接口，通过modified和try两个http响应头，来提供词语的热更新操作。
修改ik分词器源码，然后手动支持从mysql中每隔一定时间，自动加载新的词库。
推荐方案二，方案一虽是官方提供的，但操作起来比较麻烦，还需要部署http服务器。
方案步骤
1）下载源码
git clone https://github.com/medcl/elasticsearch-analysis-ik
git checkout tags/v6.3.1
该工程是Maven项目工程，将代码导入IDEA或Eclipse。
2）修改点
org.wltea.analyzer.dic.Dictionary
主要思路是在这个类的initial()方法内增加一个入口，反复去调用reLoadMainDict()方法，此方法如下：
public void reLoadMainDict() { logger.info("重新加载词典..."); // 新开一个实例加载词典，减少加载过程对当前词典使用的影响 Dictionary tmpDict = new Dictionary(configuration); tmpDict.configuration = getSingleton().configuration; tmpDict.loadMainDict(); tmpDict.loadStopWordDict(); _MainDict = tmpDict._MainDict; _StopWords = tmpDict._StopWords; logger.info("重新加载词典完毕..."); }这个方法就是重新加载词库的，然后修改loadMainDict()和loadStopWordDict()方法，在这两个方法最后加上读取数据库获取最新的数据记录的逻辑即可。数据库的表结构自己定义两张表，满足数据库表设计规范即可。
3）IDE上mvn package打包
可以直接用target/releases/目录下的elasticsearch-analysis-ik-6.3.1.zip
4）解压zip包，加上jdbc的配置，该修改的修改，重启ES，看日志
5）在数据库里加几个字段，在线尝试是否生效。
该方案使用数据库轮询的方法，简单有效，但比较浪费资源，毕竟生产上修改词库的动作是按需求发生的，可以考虑由定时轮询改成MQ消息通知，这样就可以做到按需更新，而不用浪费太多的资源做词典更新。
小结本篇对中文分词器IK作了简单的讲解，市面上流行的中文分词器很多，如果我们遇到有中文分词的需求，货比三家是永远不过时的道理，调研可能要花费一些时间，但能挑到适合自己项目的分词器，还是划算的。
专注Java高并发、分布式架构，更多技术干货分享与心得，请关注公众号：Java架构社区
可以扫左边二维码添加好友，邀请你加入Java架构社区微信群共同探讨技术