AWS Elasticsearch v7.10中Hunspell词干词典配置求助

问题根源 #

AWS Elasticsearch Service（v7.10）不支持直接通过S3路径加载Hunspell词典，集群节点无法直接读取S3文件，这是导致配置失败的核心原因。

正确配置步骤 #

1. 预处理词典文件 #

从.oxt包中提取出en_GB.aff和en_GB.dic文件，确保文件编码为UTF-8。

2. 上传词典到集群（推荐方案） #

通过集群设置API将词典内容上传到ES集群，配置会持久化生效：

PUT _cluster/settings
{
  "persistent": {
    "indices.analysis.hunspell.dictionary.en_GB.aff": "替换为en_GB.aff文件的完整文本内容",
    "indices.analysis.hunspell.dictionary.en_GB.dic": "替换为en_GB.dic文件的完整文本内容"
  }
}

3. 配置Hunspell分析器 #

修改索引设置，无需指定S3路径，仅需指定locale即可，集群会自动加载对应词典：

{
  "settings": {
    "analysis": {
      "analyzer": {
        "hunspell_stemmer_en_GB": {
          "type": "hunspell",
          "locale": "en_GB",
          "dedup": true,
          "ignore_case": true
        }
      }
    }
  }
}

4. 验证配置 #

创建索引后，使用分析API测试功能：

POST /your-index-name/_analyze
{
  "analyzer": "hunspell_stemmer_en_GB",
  "text": ["running", "organisation"]
}

替代方案：内嵌词典到索引设置 #

若不想修改集群级配置，可在创建索引时直接将词典内容内嵌到分析器配置中：

{
  "settings": {
    "analysis": {
      "analyzer": {
        "hunspell_stemmer_en_GB": {
          "type": "hunspell",
          "locale": "en_GB",
          "dedup": true,
          "ignore_case": true,
          "dictionary": [
            "en_GB.aff文件的完整文本内容",
            "en_GB.dic文件的完整文本内容"
          ]
        }
      }
    }
  }
}

注意事项 #

• 确保词典文件编码为UTF-8，避免乱码导致加载失败。
• 集群级配置对所有后续创建的索引生效，索引内嵌配置仅对当前索引生效。
• 大体积词典建议使用集群级上传方式，避免索引设置过大。

内容的提问来源于stack exchange，提问作者James McGuigan