Fauna FQL实现connections集合关联雇主雇员文档查询

• 第一版代码逻辑错误：关联查询逻辑全部写在Map函数外部，connectionDoc是Map内部Lambda的局部变量，外部作用域无法访问；同时faunaClient.query仅将第一个入参识别为FQL查询语句，后续传入的关联查询逻辑会被直接忽略，因此最终只能返回connections集合本身的数据。
• 第二版代码语法错误：Map函数的括号闭合位置错误，把Lambda回调参数排除在了Map入参之外，才会触发InvalidArity: Map function requires 2 argument(s) but 1 were given报错；此外代码还存在未定义的id变量、重复声明ref变量的问题，且雇主/雇员集合名拼写和给出的文档结构不一致（示例中集合名为employer/employee，代码中错写为复数形式employers/employees）。

在Map的Lambda内部通过q.Let完成单条连接文档的关联查询即可，单次请求即可拉取所有携带关联雇主、雇员信息的连接数据：

const getConnectionsWithRelatedData = async () => {
  return await faunaClient.query(
    q.Map(
      // 分页拉取connections集合全量文档，若已有全量索引可替换为 q.Paginate(q.Match(q.Index("connections"))) 提升性能
      q.Paginate(q.Documents(Collection("connections"))),
      q.Lambda(
        "connectionRef",
        q.Let(
          {
            // 读取当前遍历到的连接文档
            connectionDoc: q.Get(q.Var("connectionRef")),
            // 提取关联的雇主、雇员ID
            employerId: q.Select(["data", "employerId"], q.Var("connectionDoc")),
            employeeId: q.Select(["data", "employeeId"], q.Var("connectionDoc")),
            // 构造关联文档的Ref对象
            employerRef: q.Ref(Collection("employer"), q.Var("employerId")),
            employeeRef: q.Ref(Collection("employee"), q.Var("employeeId")),
            // 读取关联的雇主、雇员完整文档
            employerDoc: q.Get(q.Var("employerRef")),
            employeeDoc: q.Get(q.Var("employeeRef"))
          },
          // 组装最终返回的数据结构
          {
            ref: q.Var("connectionRef"),
            ts: q.Select(["ts"], q.Var("connectionDoc")),
            data: {
              employer: q.Var("employerDoc"),
              employee: q.Var("employeeDoc"),
              isEmployeeApproved: q.Select(["data", "isEmployeeApproved"], q.Var("connectionDoc")),
              isEmployerApproved: q.Select(["data", "isEmployerApproved"], q.Var("connectionDoc")),
              connectionAcceptedOnDate: q.Select(["data", "connectionAcceptedOnDate"], q.Var("connectionDoc"))
            }
          }
        )
      )
    )
  )
}

• 若你已经为connections集合创建了返回文档Ref的全量索引，将分页逻辑替换为q.Paginate(q.Match(q.Index("connections")))可获得更好的查询性能。
• 当集合数据量较大时，建议为Paginate传入size参数控制单次拉取的文档数量，避免单次查询数据量过大触发超时。
• 如果业务中存在关联雇主/雇员文档被删除的场景，可以将q.Get替换为带存在性判断的逻辑，避免单个关联文档缺失导致整个查询失败，示例：

  employerDoc: q.If(q.Exists(q.Var("employerRef")), q.Get(q.Var("employerRef")), null)
  

• 请根据你实际创建的集合名称调整代码中的集合名参数，如果你的雇主、雇员集合实际为复数命名employers/employees，对应修改Collection()内的名称即可。

内容的提问来源于stack exchange，提问作者Mathias Riis Sorensen