Rails 4，elasticsearch-rails

Question

我正在寻找一些关于我的应用程序前进的最佳方式的建议，我已经开始第一次集成elasticsearch。我是rails的初学者，但热衷于潜入其中，所以请原谅任何明显的错误！

我遵循了一个教程http://www.sitepoint.com/full-text-search-rails-elasticsearch/，还通过阅读文档等实现了一些附加的elasticsearch dsl特性。我只是还不确定我已经做到了。(我当然需要走出这个模型，因为目前大多数都位于产品活动记录模型中。)

我正在尝试实现一个搜索产品模型与部分词搜索，模糊搜索(拼写错误)的能力。据我所知，我能够为elasticsearch设置自己的分析器和过滤器，这是我已经完成的，目前驻留在Product模型中。我也想把它们移到一个更合理的位置，一旦我确定了我是否真的正确地这样做了。当我搜索时，我确实得到了结果，但我包括了一些事情，比如删除索引，在产品模型的末尾创建一个新的索引和映射，如果我下面的方法不是“正确的方法”，还有什么比我必须的1更好的方法，使用rails 2实现弹性搜索，更有效地分离关注点。

谢谢，非常感谢

代码：

lib/task/tasks ticsearch.rake：

   require 'elasticsearch/rails/tasks/import'

查看：

    <%= form_tag search_index_path, class: 'search', method: :get do %>
      <%= text_field_tag :query, params[:query], autocomplete: :off, placeholder: 'Search', class: 'search' %>
     <% end %>

我使用的Gems：

 gem 'elasticsearch-model', git: 'git://github.com/elasticsearch/elasticsearch-rails.git'
 gem 'elasticsearch-rails', git: 'git://github.com/elasticsearch/elasticsearch-rails.git'

搜索控制器：

class SearchController < ApplicationController
def index
 if params[:query].nil?
   @products = []
 else
   @products = Product.search(params[:query])
 end
end
end

产品型号：

require 'elasticsearch/model'
class Product < ActiveRecord::Base
     # ElasticSearch
  include Elasticsearch::Model
  include Elasticsearch::Model::Callbacks

  settings index: {
    number_of_shards: 1,
    analysis: {
      filter: {
        trigrams_filter: {
          type: 'ngram',
          min_gram: 2,
          max_gram: 10
        },
        content_filter: {
          type: 'ngram',
          min_gram: 4,
          max_gram: 20
        }
      },
      analyzer: {
        index_trigrams_analyzer: {
          type: 'custom',
          tokenizer: 'standard',
          filter: ['lowercase', 'trigrams_filter']
        },
        search_trigrams_analyzer: {
          type: 'custom',
          tokenizer: 'whitespace',
          filter: ['lowercase']
        },
        english: {
          tokenizer: 'standard',
          filter: ['standard', 'lowercase', 'content_filter']
        }
      }
    }
    } do
    mappings dynamic: 'false' do
      indexes :name, index_analyzer: 'index_trigrams_analyzer', search_analyzer: 'search_trigrams_analyzer'
      indexes :description, index_analyzer: 'english', search_analyzer: 'english'
      indexes :manufacturer_name, index_analyzer: 'english', search_analyzer: 'english'
      indexes :type_name, analyzer: 'snowball'
    end
  end

  # Gem Plugins
   acts_as_taggable
   has_ancestry
   has_paper_trail
 @@ -99,6 +146,33 @@ def all_sizes
     product_attributes.where(key: 'Size').map(&:value).join(',').split(',')
   end

  def self.search(query)
    __elasticsearch__.search(
      {
        query: {
          query_string: {
            query: query,
            fuzziness: 2,
            default_operator: "AND",
            fields: ['name^10', 'description', 'manufacturer_name', 'type_name']
          }
        },
        highlight: {
          pre_tags: ['<em>'],
          post_tags: ['</em>'],
          fields: {
            name: {},
            description: {}
          }
        }
      }
    )
  end

  def as_indexed_json(options={})
    as_json(methods: [:manufacturer_name, :type_name])
  end

 end

# Delete the previous products index in Elasticsearch
Product.__elasticsearch__.client.indices.delete index: Product.index_name rescue nil

# Create the new index with the new mapping
Product.__elasticsearch__.client.indices.create \
  index: Product.index_name,
  body: { settings: Product.settings.to_hash, mappings: Product.mappings.to_hash }

# Index all article records from the DB to Elasticsearch
Product.import(force: true)
end

Answer 1

如果你正在使用elasticsearch进行搜索，那么我推荐使用elasticsearch服务器的gem 'chewy‘。

有关更多信息，请转到下面提供的链接。

对于耐嚼的：

https://github.com/toptal/chewy

将chewy与elasticsearch集成：

http://www.toptal.com/ruby-on-rails/elasticsearch-for-ruby-on-rails-an-introduction-to-chewy

谢谢

Answer 2

我可以推荐searchkick：

https://github.com/ankane/searchkick

生产中的几个应用程序都运行在searchkick上，而且使用起来很简单。

还可以查看searchkick的文档，其中详细描述了对产品的搜索，包括方面、建议等。