どうも！先日、Amazon から CloudSearch の日本語化対応が発表されました。これは触らなければ！ということで、ざっと触った感じをメモします。今日は、あんまりまとまっていませんが参考になれば。

Amazon Web Services ブログ: 【AWS発表】Amazon CloudSearch 大幅アップデート - 1ヶ月100ドル以下でより良い検索が可能に！日本語にも対応！

とりあえすサクッと動かしてみるには。

ドメイン作って検索までは、以下のブログを参考にしました。なお、特に記載がありませんでしたが、アップロードするCSVファイルのエンコードはUTF-8を使用します。ShiftJISなどでは化けました。

CloudSearchが多言語対応してTokyoリージョンに！Suggesterを試してみる | shinodogg.com

ちなみに、サンプルのデータですが、私はwikipediaから作りましたが、以下のコマンドラインツールのダウンロードサイトに、一緒にサンプルデータが置いてあります。

http://aws.amazon.com/developertools/Amazon-CloudSearch

感想

シンプルで分かりやすい、すぐに使える！インデキシングや検索もさくっとできます。
いわゆるインデキシングの処理はかなり速い。単に検索する用途だけにドキュメントを追加するだけの場合、かなり速く反映される印象でした。
ただし、スキーマの変更を行う、ドメインを追加する、サジェスターを追加する、などを行うと反映にかなり時間がかかります。その状態でも検索できるのは素晴らしい！
下にも記載しましたが、ファセットの表現はあまりまだバリエーションがなさそうです。
Webのクローラなどのデータを取り込む部分はありません。実システムに入れるには manifoldCF や Nutch など何かしらモジュールが必要です。が、CSVやJSONなどに変換すればいいのでとても簡単です。
同義語、ステミング、ストップワードで精度のチューニングが可能です。そこまで対応しているとは！

データアップロードの制限。

コンソールからのアップロードの最大サイズは5MB。それ以上の場合は、コマンドラインツールを使用してアップロードする必要があります。S3 に置いた場合でも同様でした。S3から取り込む場合はサイズ制限は撤廃してほしいなー。うーん、微妙（笑）。CloudSearch へのドキュメントのフィードは SDF という json フォーマットに変換した形で行われています。推測ですが、コンソールを使った場合は、コンソール側で変換処理を行っているので、制限があるのではないかと思われます。

CloudSearch CommandLine Tools

プロキシ環境下で使う場合は、以下の設定が必要です。基本はEC2と同じですが、若干変数名が EC2 → CS など違いがあり、cmd ファイルの中身をチェックする必要がありました。なお、まだドキュメントには記載がありませんでした。

proxy の設定について。「CS_JVM_ARGS」に設定。環境変数以外は、EC2と同じです。以下、サンプル。
export CS_JVM_ARGS="-Dhttp.proxyHost=my.proxy.com -Dhttp.proxyPort=8080-Dhttps.proxyHost=my.proxy.com -Dhttps.proxyPort=8080"

http://docs.aws.amazon.com/AWSEC2/latest/CommandLineReference/set-up-ec2-cli-windows.html#using_a_proxy_windows

CloudSearch は全てのリージョンについて HTTPS 接続が前提になっているので、両方書いておくのが楽でいいでしょう。以下のリンク先の表のプロトコルの列を参照。 http://docs.aws.amazon.com/general/latest/gr/rande.html#cloudsearch_region