17
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

Elasticsearchで完全一致っぽいことをやる

Posted at

ディップ Advent Calendar 2023の記事です。

はじめに

RDBからElasticsearchに移行する際に、「このフリーワード検索、どうしても既存仕様(LIKE検索)と同じ結果にならないと困るなぁ・・・」といった声に頭を抱えることがあると思います。(私は何度か頭を抱えました。)
こちらの記事が何かしらのヒントになると幸いです。

Elasticsearchのバージョンは8.5系です。

求められていること

  • freeword_textに格納されているワードを完全一致検索させたい。
  • freeword_textには「text-1」「text_1」などが入る。
  • もちろん、「text-1」と「text_1」は別物として扱う。

対処法1:wildcardを利用する

公式ドキュメント Wildcard query

名称の通り、クエリにワイルドカードを指定することができます。

まずはMappingを定義します。

Mapping
PUT test-index
{
  "mappings": {
    "properties": {
      "freeword_text": {
        "type": "keyword",
        "ignore_above": "256"
      }
    }
  }
}

データを入れます。

PUT test-index/_doc/1
{
  "freeword_text":"【text-1】フリーワード検索用のデータ"
}

検索してみましょう。

# クエリ
GET test-index/_search
{
  "query": {
    "wildcard": {
      "freeword_text": {
        "value": "*text-1*"
      }
    }
  }
}

# 結果
{
  "took": 2,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 1,
      "relation": "eq"
    },
    "max_score": 1,
    "hits": [
      {
        "_index": "test-index",
        "_id": "1",
        "_score": 1,
        "_source": {
          "freeword_text": "【text-1】フリーワード検索用のデータ"
        }
      }
    ]
  }
}

割愛しますが、text_1で検索した結果も問題なしでした。

やりたいことが実現できそうなのですが、負荷が高いクエリらしく
本番環境で頻繁に実行されることが想定されるため、採用は見送りました。

対処法2:match_phraseを利用する

公式ドキュメント Match phrase query

簡単に説明するとフレーズ検索です。
もう少し詳細に説明すると、クエリに指定した単語が同じ順序で含まれているものをHITさせます。

まずはMappingを投入します。

mapping
PUT test-index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "kuromoji_analyzer": {
          "tokenizer": "kuromoji_tokenizer"
        }
      }
    }
  },
  "mappings": {
      "properties": {
        "freeword_text": {
          "type": "text",
          "analyzer": "kuromoji_analyzer"
        }
      }
    }
}

検索してみましょう。

# クエリ
GET test-index/_search
{
  "query": {
    "match_phrase": {
      "freeword_text": "text-1"
    }
  }
}

# 結果
{
  "took": 3,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 1,
      "relation": "eq"
    },
    "max_score": 0.5753642,
    "hits": [
      {
        "_index": "test-index",
        "_id": "1",
        "_score": 0.5753642,
        "_source": {
          "freeword_text": "【text-1】フリーワード検索用のデータ"
        }
      }
    ]
  }
}

いい感じですね!!!
ではtext_1で検索してみましょう。

# クエリ
GET test-index/_search
{
  "query": {
    "match_phrase": {
      "freeword_text": "text_1"
    }
  }
}

# 結果
{
  "took": 0,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 1,
      "relation": "eq"
    },
    "max_score": 0.5753642,
    "hits": [
      {
        "_index": "test-index",
        "_id": "1",
        "_score": 0.5753642,
        "_source": {
          "freeword_text": "【text-1】フリーワード検索用のデータ"
        }
      }
    ]
  }
}

・・・・なるほど?:cry:

_analyzeを利用して、どのように分かち書きがされているか確認してみます。

GET test-index/_analyze
{
  "analyzer": "kuromoji_analyzer",
  "text": ["text-1"]
}

# 結果
{
  "tokens": [
    {
      "token": "text",
      "start_offset": 0,
      "end_offset": 8,
      "type": "word",
      "position": 0
    },
    {
      "token": "1",
      "start_offset": 9,
      "end_offset": 10,
      "type": "word",
      "position": 1
    }
  ]
}

kuromoji_analyzerで記号が除外されたのが原因でした・・・。
以下のようにMappingを修正してみました。

mapping・改
PUT test-index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "bigram_analyzer": {
          "tokenizer": "bigram_tokenizer"
        }
      },
      "tokenizer": {
        "bigram_tokenizer": {
          "type": "ngram",
          "min_gram": 2,
          "max_gram": 2
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "freeword_text": {
        "type": "text",
        "analyzer": "bigram_analyzer"
      }
    }
  }
}

意図した結果になるか確認してみます。

# クエリ
GET test-index/_search
{
  "query": {
    "match_phrase": {
      "freeword_text": "text-1"
    }
  }
}

# 結果
{
  "took": 259,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 1,
      "relation": "eq"
    },
    "max_score": 0.5753642,
    "hits": [
      {
        "_index": "test-index",
        "_id": "1",
        "_score": 0.5753642,
        "_source": {
          "freeword_text": "【text-1】フリーワード検索用のデータ"
        }
      }
    ]
  }
}

OKそうですね!
では問題のtext_1ではどうでしょうか?

# クエリ
GET test-index/_search
{
  "query": {
    "match_phrase": {
      "freeword_text": "text_1"
    }
  }
}

# 結果
{
  "took": 963,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 0,
      "relation": "eq"
    },
    "max_score": null,
    "hits": []
  }
}

これで要件が満たせそうです:clap:

17
3
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
17
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?