如何合并两个独立的Searchkick::Results对象以实现统一分页等操作？

这个问题确实挺棘手的——因为Searchkick::Results是一个封装了Elasticsearch响应的强类型对象，自带分页、相关性排序等状态，直接合并两个独立的实例并不像合并普通数组那么简单。不过有几个可行的方案，我来给你拆解一下：

方案1：自定义类模拟Searchkick::Results的核心行为 #

如果暂时无法调整索引结构，我们可以手动合并两个结果集的原始数据，然后构建一个模仿Searchkick::Results功能的自定义类，保留分页、获取模型实例等核心能力。

具体实现代码 #

# 先执行两个独立搜索
user_results = User.search("abc", where: { <condition 1> })
blog_results = Blog.search("abc", where: { <condition 2> })

# 合并原始hits并按Elasticsearch的相关性得分排序（降序）
combined_hits = (user_results.hits + blog_results.hits).sort_by { |hit| -hit._score }

# 自定义类，模拟Searchkick::Results的核心方法
class CombinedSearchResults
  attr_accessor :hits, :total_count, :current_page, :per_page, :options

  def initialize(hits, total_count, current_page, per_page, options = {})
    @hits = hits
    @total_count = total_count
    @current_page = current_page
    @per_page = per_page
    @options = options
  end

  # 分页相关方法
  def total_pages
    (total_count.to_f / per_page).ceil
  end

  def offset
    (current_page - 1) * per_page
  end

  # 获取对应的ActiveRecord模型实例（和Searchkick的records方法一致）
  def records
    # 按索引分组查询，提升数据库查询效率
    grouped_hits = hits.group_by { |hit| hit._index }
    records_map = {}

    grouped_hits.each do |index_name, group|
      model_class = index_name.classify.constantize # 假设索引名和模型名对应，可自定义映射
      record_ids = group.map { |hit| hit._id }
      records_map[index_name] = model_class.where(id: record_ids).index_by(&:id)
    end

    hits.map { |hit| records_map[hit._index][hit._id] }
  end

  # 委托常用数组方法给hits集合
  delegate :each, :map, :[], :length, :empty?, to: :hits
end

# 处理分页逻辑（示例：取第1页，每页20条）
target_page = 1
items_per_page = 20
paginated_hits = combined_hits.slice((target_page - 1) * items_per_page, items_per_page)
total_items = combined_hits.length

# 实例化合并后的结果对象
combined_results = CombinedSearchResults.new(paginated_hits, total_items, target_page, items_per_page)

# 现在可以像使用原生Searchkick::Results一样操作
combined_results.records # 获取合并后的模型实例数组
combined_results.total_pages # 总页数
combined_results.each { |hit| puts hit._source["name"] }

注意事项 #

• 相关性得分的可比性：不同模型的_score是各自索引独立计算的（受字段权重、分析器影响），直接合并排序可能存在偏差，如果需要更精准的跨模型相关性，建议调整索引策略。
• 版本兼容性：Searchkick的内部结构可能随版本变化，需要根据你使用的版本调整自定义类的方法。

方案2：使用联合索引（更推荐） #

如果业务允许，将两个模型的数据存入同一个Elasticsearch索引是最稳妥的方案——这样可以让Elasticsearch原生处理跨模型的搜索、分页和相关性排序，完全不需要手动合并结果。

具体实现代码 #

首先修改模型的Searchkick配置，指定同一个索引：

class User < ApplicationRecord
  searchkick index_name: "combined_content", 
             mappings: {
               properties: {
                 type: { type: "keyword" }, # 添加type字段区分模型
                 # 其他User的搜索字段...
               }
             }

  def search_data
    {
      type: self.class.name,
      # 其他需要索引的字段...
    }
  end
end

class Blog < ApplicationRecord
  searchkick index_name: "combined_content",
             mappings: {
               properties: {
                 type: { type: "keyword" },
                 # 其他Blog的搜索字段...
               }
             }

  def search_data
    {
      type: self.class.name,
      # 其他需要索引的字段...
    }
  end
end

然后执行一次搜索即可得到合并结果：

combined_results = Searchkick.search(
  "abc",
  index: "combined_content",
  where: {
    or: [
      { type: "User", <condition 1> },
      { type: "Blog", <condition 2> }
    ]
  },
  page: 1,
  per_page: 20
)

# 直接使用原生Searchkick::Results的所有功能
combined_results.records
combined_results.total_pages
combined_results.total_count

为什么推荐这个方案？ #

• 完全利用Elasticsearch的原生能力，相关性排序、分页都是准确且高效的。
• 不需要维护自定义类，避免版本兼容问题。

最后补充一下你提到的Multi Search：它的作用是并行执行多个独立搜索，返回多个独立的Searchkick::Results对象，确实无法将结果合并成一个统一的结果集，所以不满足你的需求。

内容的提问来源于stack exchange，提问作者sameera207