“这是我参与8月更文挑战的第1天，活动详情查看：8月更文挑战”

前言

中文搜索一直是一个令人头痛的问题。一边要想着如何分词，一边还要想着如何排序。因为在实际业务中，并不是简简单单按词来排序，需要考虑这个产品的属性，比如访问数，销量等等。 从最早用sql like来实现简单的搜索，后来发现搜两个词的时候就无法进行分词搜索。 为了解决这个问题，我们改用了elasticSearch+IK分词器来实现。随之而来的问题就是怎么分词，ik虽然有自己的基础词库，但是实际的业务领域会有自己的专业名称，比如我坐在的行业保险，各种保险公司名称，险种，产品名称都不在基础词词库中，那就还需要维护扩展词库。无疑是增大了咱码农的维护工作量了。唉，那有没有一款产品可以把这些事都解决，或者说提供个傻瓜式功能给运营和产品经理去用呢？阿里的opensearch就解决了这一痛点。好了，就吹到这了，接下来咱们探讨的是opensearch解决痛点的同时又带来了哪些坑？

分词

opensearch的分词和ik不太一样，是阿里机器学习的词典+语义分析。下面将演示一个问题。

我们先搜“某安万元保2021版”来看一下分词结果

咱们关注万元保这三个字，会发现在这个语义中，被分成了“万元”“保”两个词。

我们再看一下“万元保”的分词结果

不难发现，此时被分成了“万”“元保”两个词。

在实际应用中，客户的搜索习惯总是喜欢输入短的词，在搜索“万元保”的时候，分的词并不在倒排索引中，就会导致关键的结果搜不出来，从而导致生产问题。

解决方案

那怎么解决呢？opensearch之所以是一个成熟的产品，就是因为可以用它自身的其他功能来填坑。仔细了解后会发现自定义词的优先级是高于语义分析的。咱们可以自定义一个分词器，然后词典管理里先维护好“万元保”这个词，（如果是后维护的话，切记要重建索引）。咱们来看看效果。

都被分成了“万元”“保”，这样就不会因为倒排索引里面没有导致搜不出来了。完美解决问题。