Elasticsearchをたくさんやった年なのでチュートリアルを紹介する

クラウドワークスアドベントカレンダー2020年12月21日の記事になります。

はじめに

初めまして。株式会社クラウドワークスに2018年に入社したまよまよ(@mayoxtuna)です。
最近ハマっていることはApex LegendsというバトロワFPSゲームです。

Apex Legendsは『タイタンフォール』から数百年後の世界のお話でそれぞれのレジェンドと呼ばれるキャラクターを使用して3vs3で戦うゲームとなっております。
最近ではクロスプラットフォームにも対応した為、PS4やXBoxの方と一緒に遊ぶことも出来るようになりました。
ぜひ一緒にやりましょう〜！

じゃなくて(はよ本題へ)...

2020年の1年間を振り返った時に、Elasticsearchを頑張ったなーという感想だったので
溜まった知見などを放出してElasticsearchチュートリアル的なものを出そうかなと思いました。

これから、Elasticsearchをやってみたい方や気になる方、名前だけ聞いたことあるけどどんな事できるの？ってことを知りたい方はぜひ覗いてみてください。

Elasticsearchの概要

◯ Elasticsearchとはなんぞや？

公式より引用:

Elasticsearchは高速でスケーラブル、しかも多様なコンテンツをインデックスすることができ、幅広いユースケースにお使いいただけます。

・アプリ検索
・Webサイト検索
・エンタープライズサーチ
・ロギングとログ分析
・インフラメトリックとコンテナー監視
・アプリケーションパフォーマンス監視（APM）
・地理空間データ分析と可視化
・セキュリティ分析
・ビジネス分析

とあります。

ものすごく噛み砕くと、高速な検索エンジンです。

◯ RDBと何が違うの？

まずはそもそもの呼ばれ方が異なります。

RDB	Elasticsearch
データベース	インデックス
テーブル	タイプ
カラム	フィールド
レコード	ドキュメント

そしてデータの投入方法として、SQLではなくRESTful APIを用いてJSON形式にてデータの追加削除を行っています。

「呼び方が違うのとSQL文ではなくJSON形式投入するくらいの違いで、基本的にはRDBと作りは同じだけど、早いってだけなんですね！」って最初は疑問に思っていましたが、RBDは汎用性の高い機能が豊富で、それを真似するようにElasticsearchにも様々な機能的改善が見られRDBみたいと思う事はありますが、Elasticsearchは全文検索に特化しており、Analysisのような機能はRDBではありません。また、RDBでは複数のデータベースを持つことは少ないけどElasticsearchではそれが普通だったりもします。
更にいえばRDBでデータベースを消すということはローカル環境ではない限り滅多にしないけど、Elasticsearchでは不要なインデックスは消してしまう。RBDとElasticsearchの使い方は似て非なるものだと思いました。

◯ データの持ち方について

RDBでは1つデータベースを持って複数のテーブルを持つとは思うのですが、Elasticsearchでは日時別やユーザー別などでデータベース(インデックス)持ったりします。
つまりテーブルのような概念はあまりありません。タイプと呼ばれるもので実現は可能ですがElasticsearch 7以降タイプレス化が進んでいるため、RDBとElasticsearchではここが大きな違いだと思います。

RDBでは1つのデータベースに仕事やユーザー情報を持ちますが、Elasticsearchでは仕事別、ユーザー別に分けたりすることが多いです。

Elasticsearchでは1つのデータベースにすべてのテーブルを置くというわけではなく、必要最低限の検索対象を1つのデータベースとして定義するという形になると思います。

複合条件で検索したいのであれば複合のインデックスを作ります。

また、データベースの削除などをRDBでは行いませんが、Elasticsearchでは不要なインデックスを消したりします。データの持ち方によっては定期的に再構築するケースもあるでしょう。

◯ おまけ： analysisなどのテキスト分析(解析)

RBDではデータをそのまま保持しますが、Elasticsearchではテキストデータを必要な形に分割、変換を行い保持します。

テキスト分析を行い最適な形に変換しておく事で、親しい文章の抽出などが容易になります。

ここはRDBとは違ってかなり重要かつ美味しいポイントでもあります。

AnalyzerではCharacter Filters、Tokenizer、Token Filtersという3つの要素で構成されています。

kuromojiとかicu_normalizeとかそういったものですね。

ここは省かせてください。

Text analysis | Elasticsearch Reference [7.10] | Elastic

細かいElasticsearchの仕様については、公式を見ていただいければと思います。

ドキュメントも細かく、Releaseノートなどでは、どういった理由で変更を行ったのかなどが書いてあって読みやすかったです。

Elasticsearchの準備と確認

直接installすると破棄が面倒なのでdockerを利用して行きます。

Elasticsearchの方にインストールの詳細が載っておりますが大事な部分だけを抜き出します。

• https://www.elastic.co/guide/en/elasticsearch/reference/7.9/docker.html#docker

Docker Hubの方でも公開されています。

• https://hub.docker.com/r/elastic/elasticsearch/

Elasticsearchのdocker imageですが、OSS版とそうではないものがあります。

• https://www.docker.elastic.co/r/elasticsearch/elasticsearch-oss

OSS版では、 x-packがデフォルトで入っていないものとなっています。

ローカルで検証する分にはx-packは不要な為OSS版を利用します。

環境構築

1. 公式通り最新のElasticsearchをpullします

2. 起動の確認を行います

3. アクセスしてみる

ここまでで、起動の確認はできました。

ターミナル上で Cntl+C でプロセスを終了しましょう。

4. Dockerfileにする

pluginなどもインストールしておきたい為Dockerfileを用意しましょう。
入れるものとしては日本語のAnalyzeをしてくれるkuromojiなどです。

Dockerfile

FROM docker.elastic.co/elasticsearch/elasticsearch-oss:7.9.3

RUN elasticsearch-plugin install analysis-kuromoji && \
    elasticsearch-plugin install analysis-icu

USER elasticsearch

5. Kibanaを用意する

Elasticsearchを扱う上でterminal上でjson形式でやり取りをするのは非常に面倒くさいので Kibana も用意していきます。

KibanaではElasticsearchでインデックスされたデータの検索と可視化の機能を提供してくれます。

6. docker-compose.ymlを作る

kibanaでElasticsearchと繋いだりDockerfileを指定したりするのでdocker-compose.yml を用意しましょう

docker-compose.yml

version: "3"
services:
  elasticsearch-v7.9.3:
    container_name: "elasticsearch"
    build:
      context: .
      dockerfile: ./Dockerfile
    environment:
      - discovery.type=single-node
      - bootstrap.memory_lock=true
      - logger.deprecation.level=debug
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    ports:
      - "9200:9200"
    volumes:
      - elasticsearch-v7.9.3-data:/usr/share/elasticsearch/data

  kibana-v7.9.3:
    image: docker.elastic.co/kibana/kibana-oss:7.9.3
    ports:
      - "5601:5601"
    restart: always
    environment:
      - "ELASTICSEARCH_HOSTS=http://elasticsearch:9200"

volumes:
  elasticsearch-v7.9.3-data:
    driver: local

8. 起動して確認

http://localhost:5601 へアクセスし以下のような画面になれば成功です

以上で環境の構築は完了しました。お疲れさまでした。

簡単な使い方の説明

まずは Dev Tools を開きましょう。

1. 画面右上の 三 アイコンをクリック

1. Dev Tools をクリック

この画面上からElasticsearchに向けてデータの投入参照削除(POST/GET/DELETE)を行うことが出来ます。

試しに参照をしてみましょう。以下の文章を貼り付けてください。

kibana

GET _cat/aliases

以下の部分を押すことで実行する事が可能です。
もしくは ⌘+ENTER で可能です。

実行が完了すると右側に結果が出力されます。

Elasticsearchを実際に触ってみよう

空のIndexを作成する

indexを作成するにはPOSTではなくPUTを利用します。

以下の文をコピペして実行してみましょう。

kibana

PUT job_offers

以下のようなものが返却されれば成功です。

kibanaレスポンス

{
  "acknowledged" : true,
  "shards_acknowledged" : true,
  "index" : "job_offers"
}

Indexを確認する

基本的に参照系はすべてGETで行えます。

実際に作られたIndexを確認してみましょう。

以下の文をコピペして実行してみましょう。

kibana

GET _cat/indices

以下のような形式のものが返却されます。

kibanaレスポンス

yellow open job_offers Y99rqJqOSQ6RHnnmOG8jow 1 1  0  0   208b   208b
green  open .kibana_1  3WOY-fXOSiGGCyX8qwEo-A 1 0 13 19 46.2kb 46.2kb

作られていそうなのは確認できたのでこのIndexの詳細を覗いてみましょう。

以下の文をコピペして実行してみましょう。

kibana

GET job_offers

以下のような形式のものが返却されます。

kibanaレスポンス

{
  "job_offers" : {
    "aliases" : { },
    "mappings" : { },
    "settings" : {
      "index" : {
        "creation_date" : "1607079649046",
        "number_of_shards" : "1",
        "number_of_replicas" : "1",
        "uuid" : "Y99rqJqOSQ6RHnnmOG8jow",
        "version" : {
          "created" : "7090399"
        },
        "provided_name" : "job_offers"
      }
    }
  }
}

まだDBでいうデータベースを作成した状態なので何もありません。

作成したIndexを削除する

作ったばかりで申し訳ないですが削除をしてみましょう

RDBなどでカジュアルにデータベース消されたら怖いが、ElasticsearchではIndexの削除などが結構カジュアルに行われます。

というのも先述で述べた通り、RDBなどと持ち方の考え方が全く異なるためです。

以下の文をコピペして実行してみましょう。

kibana

DELETE job_offers

以下のような形式のものが返却されます。

kibanaレスポンス

{
  "acknowledged" : true
}

同じようにIndex一覧を確認してみましょう。

以下の文をコピペして実行してみましょう。

kibana

GET _cat/indices

以下のような形式のものが返却されます。

kibanaレスポンス

green open .kibana_1 3WOY-fXOSiGGCyX8qwEo-A 1 0 21 0 23.3kb 23.3kb

先程とは異なり1つのみになりましたね。

ということで作成・削除の工程は終わりましたので次はデータを実際に差し込んで参照する流れを説明していきます。

データを作成する

Indexは1つ以上のタイプを持つことが出来ます。
個々のドキュメントにはそれぞれ一意な識別子(ID)が設定されるようになっています。

ちなみにElasticsearchでは事前にmappingと呼ばれるテーブル定義みたいなものをせずに、いきなりデータを投入してもよしなに解釈してデータとして保持してくれます。

素晴らしいですね。

ただし、裏を返せばPOSTした際に不正なタイプを指定して挿入してしまった場合受理されてしまいますのでそこは注意が必要です。

また、勝手に型を指定されてしまうので思ったのと違うということにもなりかねません。

そして現在はそのようなやり方は非推奨となっているはずなのでやめましょう。

なので事前定義をして挿入するやり方で今回は進めたいと思います。

ではさっそく、今回は以下のようなものを作成します。

qiitaというindexを作成しtitle,description,screen_nameを入れましょう。
そしてIDは2434にしましょう。
（構造関係を文字で書くとややこしいのでJSONで表現します。）

kibana

{
  qiita: {
    _doc: {
      title: "アドベントカレンダーxx日目のタイトル",
      description: "どうも初めまして。xxと申します。",
      screen_name: "k-waragai"
    }
  }
}

このようなものを表現するには、以下の文をコピペして実行してみましょう。

1. まずはIndexの作成

以下の文をコピペして実行してみましょう。

kibana

PUT qiita

2. mappingの定義

以下の文をコピペして実行してみましょう。

kibana

PUT qiita/_mapping/
{
  "properties" : {
    "title" : {
      "type" : "text"
    },
    "description" : {
      "type" : "text"
    },
    "screen_name" : {
      "type" : "text"
    }
  }
}

ここで1つ補足があります。
Elasticsearch 6 系までは、qiita/article/2434 のような形でタイプ名を指定することが可能でしたが、Elasticsearch 7 系よりタイプレス化が進み指定する場合は、include_type_name=trueというオプションを付けなければならなくなりました。ちなみにこれも非推奨でいずれなくなるそうです。
これによって、指定しない場合は_docというものが自動的に付くようになりました。
そのため qiita/_doc/2434 という形になります。

mappingの例として以下のような変更です

• before

mapping

{
  "mappings": {
    "article": {
      "properties" : {
        "title" : {
          "type" : "text"
        },
        "description" : {
          "type" : "text"
        },
        "screen_name" : {
          "type" : "text"
        }
      }
    }
  }
}

• after

mapping

{
  "mappings": {
    "_doc": {
      "properties" : {
        "title" : {
          "type" : "text"
        },
        "description" : {
          "type" : "text"
        },
        "screen_name" : {
          "type" : "text"
        }
      }
    }
  }
}

マルチフィールドとかも可能だったのですが、それが原因で複雑性とかが増すので
indexの役割を減らすという意味ではいいアップデートだと思いました。

補足は以上です。mappingの定義が終わったのでmappingの確認をしてみましょう。

3. mappingの確認

以下の文をコピペして実行してみましょう。

kibana

GET qiita/_mapping

以下のような形式のものが返却されます。

kibanaレスポンス

{
  "qiita" : {
    "mappings" : {
      "properties" : {
        "title" : {
          "type" : "text"
        },
        "description" : {
          "type" : "text"
        },
        "screen_name" : {
          "type" : "text"
        }
      }
    }
  }
}

ちゃんとtypeに指定したtextなどが記述されていますね。

typeに関してはこちらを御覧ください。

• Field data types | Elasticsearch Reference [7.10] | Elastic

4. データを挿入する

以下の文をコピペして実行してみましょう。

POSTではなくPUTである点に注意です。

kibana

PUT qiita/_doc/2434
{
  "title": "アドベントカレンダーxx日目のタイトル",
  "description": "どうも初めまして。xxと申します。",
  "screen_name": "k-waragai"
} 

以下のような形式のものが返却されます。

kibanaレスポンス

{
  "_index" : "qiita",
  "_type" : "_doc",
  "_id" : "2434",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

上手く差し込まれていそうですね。

ではElasticsearchに_idを任せて入れてみましょう。

以下の文をコピペして実行してみましょう。

先程とは異なりPUTではなくPOSTである点に注意です。

kibana

POST qiita/_doc/
{
  "title": "Elasticsearchチュートリアル書いてみた",
  "description": "チュートリアルです。みんな見てね。",
  "screen_name": "mayoxmayo"
} 

以下のような形式のものが返却されます。

kibanaレスポンス

{
  "_index" : "qiita",
  "_type" : "_doc",
  "_id" : "J32eLXYB4YEI6IRIxT4f",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 1,
  "_primary_term" : 1
}

先程とは異なり_idにはランダムな英数値が設けられています。
この_idは固有値なため被らなければなんでも良いです。

ではそれぞれ差し込んだデータの詳細を見てみましょう。

5. データを個別に参照する

以下の文をコピペして実行してみましょう。

kibana

GET qiita/_doc/2434

以下のような形式のものが返却されます。

kibanaレスポンス

{
  "_index" : "qiita",
  "_type" : "_doc",
  "_id" : "2434",
  "_version" : 1,
  "_seq_no" : 0,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "title" : "アドベントカレンダーxx日目のタイトル",
    "description" : "どうも初めまして。xxと申します。",
    "screen_name" : "k-waragai"
  }
}

同様にもう1件確認してみましょう。

以下の文をコピペして実行してみましょう。

※ ここで指定しているランダム文字列は、POST時に作成して返却された_idを指しています。

kibana

GET qiita/_doc/J32eLXYB4YEI6IRIxT4f

以下のような形式のものが返却されます。

kibanaレスポンス

{
  "_index" : "qiita",
  "_type" : "_doc",
  "_id" : "J32eLXYB4YEI6IRIxT4f",
  "_version" : 1,
  "_seq_no" : 1,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "title" : "Elasticsearchチュートリアル書いてみた",
    "description" : "チュートリアルです。みんな見てね。",
    "screen_name" : "mayoxmayo"
  }
}

全件出したい場合は以下のようにしてください。

以下の文をコピペして実行してみましょう。

kibana

GET qiita/_search

以下のような形式のものが返却されます。

kibanaレスポンス

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "qiita",
        "_type" : "_doc",
        "_id" : "2434",
        "_score" : 1.0,
        "_source" : {
          "title" : "アドベントカレンダーxx日目のタイトル",
          "description" : "どうも初めまして。xxと申します。",
          "screen_name" : "k-waragai"
        }
      },
      {
        "_index" : "qiita",
        "_type" : "_doc",
        "_id" : "J32eLXYB4YEI6IRIxT4f",
        "_score" : 1.0,
        "_source" : {
          "title" : "Elasticsearchチュートリアル書いてみた",
          "description" : "チュートリアルです。みんな見てね。",
          "screen_name" : "mayoxmayo"
        }
      }
    ]
  }
}

今までとは異なり、_searchというものを利用しました。

では、_idを指定せず_idを忘れてしまった場合どう検索するか。
通常の検索方法を試します。

6. 検索を行う

k-waragaiユーザーの記事がみたい！という場合は以下のように行います。
コピペして実行してみましょう。

kibana

GET qiita/_search?q=screen_name:k-waragai

以下のような形式のものが返却されます。

kibanaレスポンス

{
  "took" : 49,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.2199391,
    "hits" : [
      {
        "_index" : "qiita",
        "_type" : "_doc",
        "_id" : "2434",
        "_score" : 1.2199391,
        "_source" : {
          "title" : "アドベントカレンダーxx日目のタイトル",
          "description" : "どうも初めまして。xxと申します。",
          "screen_name" : "k-waragai"
        }
      }
    ]
  }
}

とりあえずキーワード検索したい時は以下のように指定します。

kibana

GET qiita/_search?q=初めまして

それではここで返却に関する詳細を説明します。

key	説明
hits.total.value	検索結果件数
hits.total.relation	検索結果方式(eq=等しい)
hits.max_score	検索結果の重み付けの最大値
hits.hits._score	ヒット時のスコアリング

ではもっと複雑な検索を行ってみましょう。

descriptionにて「初め」を含まず「チュートリアル」を含んだものを検索した場合は以下のように記述します

kibana

GET qiita/_search
{
  "query": {
    "bool": { 
      "must": [
        {"match": {"description": "初め"}}
      ],
      "must_not": [
        {"match": {"description": "チュートリアル"}}
      ]
    }
  }
}

データ量が少ないのであれですが、「チュートリアル」は含んでいないですね。

kibanaレスポンス

  "hits" : [
    {
      "_index" : "qiita",
      "_type" : "_doc",
      "_id" : "2434",
      "_score" : 1.2730759,
      "_source" : {
        "title" : "アドベントカレンダーxx日目のタイトル",
        "description" : "どうも初めまして。xxと申します。",
        "screen_name" : "k-waragai"
      }
    }
  ]

rails上で利用する場合

ひとまず簡潔なもので良いのでRailsアプリケーションを作成します。

今回はシンプルに Rails5 + MySQL の構成にします。

構成を以下のように変更します。

Dockerfileが複数存在する為、ディレクトリを作成して分けると読みやすくなると思います。

Railsの準備

**1. ruby用のDockerfileの準備 **

こちらはほぼ公式通りのrubyの記述になります。

PATH: dockerfiles/ruby/Dockerfile

dockerfiles/ruby/Dockerfile

FROM ruby:2.6.2

RUN apt-get update -qq && \
    apt-get install -y build-essential libpq-dev nodejs

RUN mkdir /app
WORKDIR /app

COPY Gemfile /app/Gemfile
COPY Gemfile.lock /app/Gemfile.lock

RUN bundle install
COPY . /app

**2. Gemfileの準備 **

Rails6はまだいろいろと分からない部分が多いのでRails5にて行います。

• https://rubygems.org/gems/rails/versions/5.2.4.4

PATH: Gemfile

Gemfile

source 'https://rubygems.org'
gem 'rails', '~> 5.2', '>= 5.2.4.4'

作成が完了しましたらGemfile.lockを作成しましょう。

3. composeファイルの修正

既存のdocker-compose.ymlを修正していきます。

mysql用のservice定義とrubyのサービス定義を追加しています。

またrails appにelasticsearch用のURLを渡したりlinkしたりしています。

docker-compose.yml

version: "3"
services:
  elasticsearch-v7.9.3:
    container_name: "elasticsearch"
    build:
      context: .
      dockerfile: ./dockerfiles/elasticsearch/Dockerfile
    environment:
      - discovery.type=single-node
      - bootstrap.memory_lock=true
      - logger.deprecation.level=debug
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    ports:
      - "9200:9200"
    volumes:
      - elasticsearch-v7.9.3-data:/usr/share/elasticsearch/data

  kibana-v7.9.3:
    image: docker.elastic.co/kibana/kibana-oss:7.9.3
    ports:
      - "5601:5601"
    restart: always
    environment:
      - "ELASTICSEARCH_HOSTS=http://elasticsearch:9200"

  database:
    container_name: mysql
    image: mysql:5.7
    environment:
      MYSQL_ROOT_PASSWORD: password
      MYSQL_DATABASE: root
    ports:
      - "3306:3306"

  app:
    build:
      context: .
      dockerfile: ./dockerfiles/ruby/Dockerfile
    environment:
      ELASTICSEARCH_URL: http://elasticsearch:9200/
      MYSQL_HOST: database
    command: rails s -p 3000 -b '0.0.0.0'
    volumes:
      - .:/app
    ports:
      - "3000:3000"
    links:
      - database
      - elasticsearch-v7.9.3

volumes:
  elasticsearch-v7.9.3-data:
    driver: local

4. rails new

そうしますと見知った光景になると思われます。

5. configの修正

database.yml の修正を行います。

config/database.yml

default: &default
  adapter: mysql2
  encoding: utf8
  pool: <%= ENV.fetch("RAILS_MAX_THREADS") { 5 } %>
  username: root
  password: password
  host: database

development:
  <<: *default
  database: app_development

6. build

bundle install などを行いたい為buildをします。

gemなどを別volumeとして持つというのも良いとは思いますが、今回は更新頻度がそこまで無いと思いますので最小構成で行っています。

7. DB作成

8. docker-composeを起動

localhost:3000へアクセスして以下の画面が出たら準備完了です。

Elasticsearchの準備

1. Gemfileへの追加

elasticsearch関係のGemを挿入します。以下の3つをGemfileに追加してください。

Gemfile

# Elasticsearch関係
gem 'elasticsearch', '~> 7.10'
gem 'elasticsearch-rails', '~> 7.1', '>= 7.1.1'
gem 'elasticsearch-model', '~> 7.1', '>= 7.1.1'

2. bundle install

一度立ち上がっているプロセスをCtrl+Cで終了して以下のコマンドを打ちましょう。

3. モデルの作成

• migrationの変更

db/migrate/xxxxxxx_create_articles.rb

class CreateArticles < ActiveRecord::Migration[5.2]
  def change
    create_table :articles do |t|
      t.string :title, null: false, limit: 10, comment: "記事のタイトル"
      t.text   :description, null: false, comment: "記事の本文"
      t.string :screen_name, null: false, comment: "表示名"

      t.timestamps
    end
  end
end

• migrate

4. データ投入

適当なデータを3件程用意します。

自分はSeedを使って入れましたが、rails consoleから投入でも良いです。

Article.create(
  title: "犬の気持ち",
  description: "吾輩は犬である。名前はまだない。",
  screen_name: "k-waragai"
)

Article.create(
  title: "ねこのすべて",
  description: "猫はとても気まぐれです。気まぐれロマンティック。構って欲しい時にしか寄ってきません。ぴえん。",
  screen_name: "t-suzuki"
)

Article.create(
  title: "私VTuberになる",
  description: "どうも初めましてVTuberの酢飯マグロです。VTuberを始めて1年経って分かった5つの大事な事を紹介します。",
  screen_name: "m-sumeshi"
)

5. elasticsearch-railsを使うためにincludeする

Articleのモデルファイルにinclude Elasticsearch::Modelを追加します。

app/models/article.rb

class Article < ApplicationRecord
  include Elasticsearch::Model
end

これを追加することによってmodel.__elasticsearch__.methodsが使えるようになり
importやsearchなどが容易になります。

Elasticsearchへ投入・参照をする

1. consoleへ接続

2. indexの作成

create_index!を使うことでindexの作成ができます。
細かいmappingの設定などをする際はsettingとmappingの定義を事前にしておいてそれを元に投入すると良いでしょう。

今回は作ったmodelをそのまま使います。

実際にkibanaで確認してみましょう。

indexが作られていますね。

3. データの投入

importを使うだけでデータの投入が可能です。めっちゃ簡単ですね。

実際に index/_search で検索結果も見てみましょう。

きちんとデータが入っていますね。

これをrails側で見るには model.__elasticsearch__.search を使います。

console

Article.__elasticsearch__.search(version: true, query: { term: { id: 1 } }, size: 1).response.hits.hits.first

のような形でクエリを組み立てて検索することが可能です。

4. 削除

もうお分かりだと思いますが、
Article.__elasticsearch__.delete_index! で可能です。

まとめ

Elasticsearchは非常に使い勝手が良いので皆様もこれを機に触ってみてください。

それでは〜また明日〜。