mysql读数据入库es_ES 实现实时从Mysql数据库中读取热词,停用词
IK分词器虽然自带词库
但是在实际开发应用中对于词库的灵活度的要求是远远不够的,IK分词器虽然配置文件中能添加扩展词库,但是需要重启ES
这章就当写一篇扩展了
其实IK本身是支持热更新词库的,但是需要我感觉不是很好
词库热更新方案:
1:IK 原生的热更新方案,部署一个WEB服务器,提供一个Http接口,通过Modified和tag两个Http响应头,来完成词库的热更新
2:通过修改IK源码支持Mysql定时更新数据
注意:推荐使用第二种方案,也是比较常用的方式,虽然第一种是官方提供的,但是官方也不建议使用
方案一:IK原生方案
1:外挂词库,就是在IK配置文件中添加扩展词库文件多个之间使用分号分割
优点:编辑指定词库文件,部署比较方便
缺点:每次编辑更新后都需要重启ES
2:远程词库,就是在IK配置文件中配置一个Http请求,可以是.dic文件,也可以是接口,同样多个之间使用分号分割
优点:指定静态文件,或者接口设置词库实现热更新词库,不用重启ES,是IK原生自带的
缺点:需要通过Modified和tag两个Http响应头,来提供词库的热更新,有时候会不生效
具体使用就不说了,在这里具体说第二种方案
方案二:通过定时读取Mysql完成词库的热更新
首先要下载IK分词器的源码
网址:https://github.com/medcl/elasticsearch-analysis-ik
下载的时候一定要选对版本,保持和ES的版本一致,否则会启动的时候报错,版本不一致
接着把源码导入IDEA中,并在POM.xml中添加Mysql的依赖,根据自己的Mysql版本需要添加
我的Mysql是5.6.1所以添加5的驱动包
mysql
mysql-connector-java
5.1.49
然后再config目录下创建一个新的.properties配置文件
在里面配置Mysql的一些配置,以及我们需要的配置
jdbc.url=jdbc:mysql://192.168.43.154:3306/es?characterEncoding=UTF-8&serverTimezone=GMT&nullCatalogMeansCurrent=true
jdbc.user=root
jdbc.password=root
# 更新词库
jdbc.reload.sql=select word from hot_words
# 更新停用词词库
jdbc.reload.stopword.sql=select stopword as word from hot_stopwords
# 重新拉取时间间隔
jdbc.reload.interval=5000
创建一个新的线程,用于调用Dictionary得reLoadMainDict()方法重新加载词库
packageorg.wltea.analyzer.dic;importorg.wltea.analyzer.help.ESPluginLoggerFactory;public class HotDicReloadThread implementsRunnable{private static final org.apache.logging.log4j.Logger logger = ESPluginLoggerFactory.getLogger(Dictionary.class.getName());
@Overridepublic voidrun() {while (true){
logger.info("-------重新加载mysql词典--------");
Dictionary.getSingleton().reLoadMainDict();
}
}
}
修改org.wltea.analyzer.dic文件夹下的Dictionary
在Dictionary类中加载mysql驱动类
private static Properties prop = newProperties();static{try{
Class.forName("com.mysql.jdbc.Driver");
}catch(ClassNotFoundException e) {
logger.error("error", e);
}
}
接着,创建重Mysql中加载词典的方法
/*** 从mysql中加载热更新词典*/
private voidloadMySqlExtDict(){
Connection connection= null;
Statement statement= null;
ResultSet resultSet= null;try{
Path file= PathUtils.get(getDictRoot(),"jdbc-reload.properties");
prop.load(newFileInputStream(file.toFile()));
logger.info("-------jdbc-reload.properties-------");for(Object key : prop.keySet()) {
logger.info("key:{}", prop.getProperty(String.valueOf(key)));
}
logger.info("------- 查询词典, sql:{}-------", prop.getProperty("jdbc.reload.sql"));//建立mysql连接
connection =DriverManager.getConnection(
prop.getProperty("jdbc.url"),
prop.getProperty("jdbc.user"),
prop.getProperty("jdbc.password")
);//执行查询
statement =connection.createStatement();
resultSet= statement.executeQuery(prop.getProperty("jdbc.reload.sql"));//循环输出查询啊结果,添加到Main.dict中去
while(resultSet.next()) {
String theWord= resultSet.getString("word");
logger.info("------热更新词典:{}------", theWord);//加到mainDict里面
_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,创建加载停用词词典方法
/*** 从mysql中加载停用词*/
private voidloadMySqlStopwordDict(){
Connection conn= null;
Statement stmt= null;
ResultSet rs= null;try{
Path file= PathUtils.get(getDictRoot(), "jdbc-reload.properties");
prop.load(newFileInputStream(file.toFile()));
logger.info("-------jdbc-reload.properties-------");for(Object key : prop.keySet()) {
logger.info("-------key:{}", prop.getProperty(String.valueOf(key)));
}
logger.info("-------查询停用词, 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("------- 加载停用词 : {}", 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);
}
}
}
接下来,分别在loadMainDict()方法和loadStopWordDict()方法结尾处调用
/*** 加载主词典及扩展词典*/
private voidloadMainDict() {//建立一个主词典实例
_MainDict = new DictSegment((char) 0);//读取主词典文件
Path file =PathUtils.get(getDictRoot(), Dictionary.PATH_DIC_MAIN);
loadDictFile(_MainDict, file,false, "Main Dict");//加载扩展词典
this.loadExtDict();//加载远程自定义词库
this.loadRemoteExtDict();//加载Mysql外挂词库
this.loadMySqlExtDict();
}
/*** 加载用户扩展的停止词词典*/
private voidloadStopWordDict() {//建立主词典实例
_StopWords = new DictSegment((char) 0);//读取主词典文件
Path file =PathUtils.get(getDictRoot(), Dictionary.PATH_DIC_STOP);
loadDictFile(_StopWords, file,false, "Main Stopwords");//加载扩展停止词典
List extStopWordDictFiles =getExtStopWordDictionarys();if (extStopWordDictFiles != null) {for(String extStopWordDictName : extStopWordDictFiles) {
logger.info("[Dict Loading] " +extStopWordDictName);//读取扩展词典文件
file =PathUtils.get(extStopWordDictName);
loadDictFile(_StopWords, file,false, "Extra Stopwords");
}
}//加载远程停用词典
List remoteExtStopWordDictFiles =getRemoteExtStopWordDictionarys();for(String location : remoteExtStopWordDictFiles) {
logger.info("[Dict Loading] " +location);
List lists =getRemoteWords(location);//如果找不到扩展的字典,则忽略
if (lists == null) {
logger.error("[Dict Loading] " + location + " load failed");continue;
}for(String theWord : lists) {if (theWord != null && !"".equals(theWord.trim())) {//加载远程词典数据到主内存中
logger.info(theWord);
_StopWords.fillSegment(theWord.trim().toLowerCase().toCharArray());
}
}
}//加载Mysql停用词词库
this.loadMySqlStopwordDict();
}
最后在initial()方法中启动更新线程
/*** 词典初始化 由于IK Analyzer的词典采用Dictionary类的静态方法进行词典初始化
* 只有当Dictionary类被实际调用时,才会开始载入词典, 这将延长首次分词操作的时间 该方法提供了一个在应用加载阶段就初始化字典的手段
*
*@returnDictionary*/
public static synchronized voidinitial(Configuration cfg) {if (singleton == null) {synchronized (Dictionary.class) {if (singleton == null) {
singleton= newDictionary(cfg);
singleton.loadMainDict();
singleton.loadSurnameDict();
singleton.loadQuantifierDict();
singleton.loadSuffixDict();
singleton.loadPrepDict();
singleton.loadStopWordDict();//执行更新mysql词库的线程
new Thread(newHotDicReloadThread()).start();if(cfg.isEnableRemoteDict()){//建立监控线程
for(String location : singleton.getRemoteExtDictionarys()) {//10 秒是初始延迟可以修改的 60是间隔时间 单位秒
pool.scheduleAtFixedRate(new Monitor(location), 10, 60, TimeUnit.SECONDS);
}for(String location : singleton.getRemoteExtStopWordDictionarys()) {
pool.scheduleAtFixedRate(new Monitor(location), 10, 60, TimeUnit.SECONDS);
}
}
}
}
}
}
然后,修改src/main/assemblies/plugin.xml文件中,加入Mysql
/
true
true
mysql:mysql-connector-java
源码到此修改完成,在自己的数据库中创建两张新的表
建表SQL
CREATE TABLE hot_words (
id bigint(20) NOT NULL AUTO_INCREMENT,
word varchar(50) COLLATE utf8_unicode_ci DEFAULT NULL COMMENT '词语',
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 '停用词',
PRIMARY KEY (id)
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci;
接下来对源码进行打包:
打包之前检查自己的POM.xml中的elasticsearch.version的版本,记得和自己的ES的版本对应,否则到时候会报错
检查完毕后,点击IDEA右侧的package进行项目打包,如果版本不对,修改版本并点击IDEA右侧的刷新同步,进行版本的更换,然后打包
打包完成后在左侧项目中会出现target目录,会看到一个zip,我的是因为解压了,所以有文件夹
点击右键在文件夹中展示,然后使用解压工具解压
解压完成后,双击进入
先把原来ES下的plugins下的IK文件夹中的东西删除,可以先备份,然后把自己打包解压后里面的东西全部拷贝到ES下的plugins下的IK文件夹中
接下来进入bin目录下启动就可以了
当然按照惯例,我的启动时不会那么简单的,很高兴,我的报错了,所有的坑都踩了一遍,之前的版本不对就踩了两次
第一次是源码下载的版本不对
第二次的ES依赖版本不对
好了说报错:报错只贴主要内容
第三次报错:
Caused by: java.security.AccessControlException: access denied ("java.lang.RuntimePermission" "setContextClassLoader")
这个是JRE的类的创建设值权限不对
在jre/lib/security文件夹中有一个java.policy文件,在其grant{}中加入授权即可
permission java.lang.RuntimePermission "createClassLoader";
permission java.lang.RuntimePermission"getClassLoader";
permission java.lang.RuntimePermission"accessDeclaredMembers";
permission java.lang.RuntimePermission"setContextClassLoader";
第四次报错:
Caused by: java.security.AccessControlException: access denied ("java.net.SocketPermission" "192.168.43.154:3306" "connect,resolve")
这个是通信链接等权限不对
也是,在jre/lib/security文件夹中有一个java.policy文件,在其grant{}中加入授权即可
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";
到此之后启动无异常
最后就是测试了,启动我的head插件和kibana,这两个没有或者不会的可以看我之前写的,也可以百度
执行分词
但是我想要 天青色
在Mysql中添加记录
insert into hot_words(word) value("天青色");
重新执行
也比如我想要这就是一个词 天青色等烟雨
在Mysql中添加记录
insert into hot_words(word) value("天青色等烟雨");
再次执行
到此实现了ES定时从mysql中读取热词,停用词这个一般用的比较少,有兴趣自己测测,在使用的时候,通过业务系统往数据库热词表和停用词表添加记录就可以了
作者:彼岸舞
时间:2020\09\13
内容关于:ElasticSearch
本文来源于网络,只做技术分享,一概不负任何责任
mysql读数据入库es_ES 实现实时从Mysql数据库中读取热词,停用词相关推荐
- mysql读数据入库es_es数据库查询
DB 与 Elasticsearch 混合之应用系统场景分析探讨 作者介绍 李猛,Elastic Stack深度用户,通过Elastic工程师认证,2012年接触Elasticsearch,对Elas ...
- mysql升级后将旧数据迁移到新 数据库中
mysql升级后将旧数据迁移到新 数据库中 1.将原来数据库进行导出成.sql文件 例:StudentSql.sql 2.进入新数据库的bin目录下 复制bin目录 3.cmd进入bin目录下(需管理 ...
- 从mysql数据库中读取二进制文件_数据库技术之在MYSQL数据库中如何存取二进制文件...
[数据库技术之在MYSQL数据库中如何存取二进制文件]在MySQL数据库中,不可以存放文字信息,还可以存放图片.声音.文件等二进制信息.那么在MYSQL数据库中中如何存取二进制文件?下面,武汉宏鹏鲁广 ...
- mysql 导出表数据到另一张表_yz-Mysql数据库中一个表中的数据导出来到另外一个数据库的表格...
-----------方式一-------------------------------------------------------------------------------------- ...
- mysql 查询不为0的数据_查询数据库中所有记录总数不为0的数据表名称
[如何查询postgreSQL 里面某个数据库中所有用户定义的数据表的名字@forandever 2011-11-131.通过命令行查询\d 数据库 -- 得到所有表的名字\d 表名 -- 得到表 ...
- MySQL利用磁盘缓存写入_MySQL写入缓冲区在数据库中的作用( Change Buffer )
原标题:MySQL写入缓冲区在数据库中的作用( Change Buffer ) 介绍另外一种重要的数据变更日志,也就是InnoDB change buffer.Change buffer的主要目的是将 ...
- mysql 读取oracle数据_Python中Pandas通过read_sql方法从Mysql或Oracle数据库中读取数据帧(DataFrame)...
1.pandas.read_sql(sql,con,index_col = None,coerce_float = True,params = None,parse_dates = None,colu ...
- 使用python实现微博评论分词与关键词提取(从MySQL数据库中读取数据)
一.实验环境 (1)Windows操作系统: (2)PyCharm 2019.1. (3)数据库用户名为 root,密码为 123456. (4) 学校机房电脑,带有mysql 二.获取数据库信息 ...
- Mysql表数据如何导入到微信云开发数据库中
文章目录 1.方法1 2.方法2 3.小结 思路:打开微信云开发控制平台,可以利用.json文件导入数据,所以重点是如何将mysql表数据导出为json文件 1.方法1 使用Navicat Premi ...
最新文章
- Go Pro 半小时上手指南
- 非线性规划-三种常见参数估计算法及联系
- java.io.IOException: Stream closed
- HP5200打印机从控制面板手动配置TCP/IP 参数
- 微软鼠标测试软件,微软发了一款“精准”鼠标 我们告诉你精准在哪儿?
- C++字符读入函数(getchgetchar)
- 如何使用EA画ER图?
- 面试题单例模式的五种写法(枚举妙用)
- 三维全景融合拼接技术
- 脱机使用打印机是什么意思?
- 页面布局中遇到菱形图片时的处理办法
- 计算机音乐nevada,Nevada
- Cocos2d-JS 中游戏背景音乐与音效
- Python · 助力冬奥:turtle绘制奥运五环
- PC网站微信扫码支付,Native支付,“当前商户号暂不支持关联该类型的appid“,“签名错误,请检查后再试““springBoot 微信支付“
- (VS)c++调用matlab函数
- Vue如何将baes64格式的图片转成普通格式
- 四轴飞行器——电调校准
- 视频剪辑工作者的福音,视频格式转换工具4Videosoft Video Converter Ultimate的介绍使用,可以转换所有的视频格式
- Ackerman函数(递归与非递归算法实现)
热门文章
- 终极解密!输入网址按回车到底发生了什么?
- 一文读懂 CI/CD 工具
- 中国最优秀的程序员都有哪些?王兴、张小龙、张一鸣是哪类?| 蒋涛说
- 万字梳理,带你拿下 Java 面试题!
- 定了!百度运维工程师非法挖矿获利 10 万、被判 3 年,如何避免面向监狱编程?...
- 谁说国产编译器没救了?这个 C/C++ 和 JavaScript 编译器来了 | 程序人生 2020
- 《2019年数据及存储发展研究报告》十大洞察
- 告别写笔记,AI 实时转写黑科技来了!
- 直接拿来用!GitHub 标星 8W,学完它就可以去 Google 面试了!
- 雷军这么努力,为什么还是干不过 OV?