FaunaDB集合Ref关联字段填充及分页查询实现方法

你存的companyId本身就是FaunaDB原生Ref类型，不需要额外做ID转换，直接用FQL内置能力在数据库查询层一次性完成关联填充即可，完全避免应用层循环查导致的N+1性能问题，10万条user数据的量级下查询性能和普通单表分页没有明显差距。

方案1：常规分页场景直接关联（单页100条以内推荐） #

分页拿到当前页的user数据后，遍历每条记录时直接拉取关联的company文档，和原user数据合并后返回，整个过程在数据库端执行，没有额外网络开销。
示例FQL：

Paginate(
  Documents(Collection("user")),
  { 
    size: 20, // 按需调整单页条数
    // after: 游标值 // 查下一页的时候把上一次返回的after值传进来即可
  }
)
.pipe(
  Lambda("userRefs",
    Map(Var("userRefs"),
      Lambda("userRef",
        Let(
          {
            userDoc: Get(Var("userRef")),
            companyDoc: Get(Select(["data", "companyId"], Var("userDoc")))
          },
          // 合并数据，保留原user所有字段，新增company字段存关联公司完整数据
          Merge(
            Var("userDoc"),
            {
              data: Merge(
                Select(["data"], Var("userDoc")),
                { company: Var("companyDoc") }
              )
            }
          )
        )
      )
    )
  )
)

这个查询返回的分页结构和普通单表分页完全一致，直接取返回结果里的after字段做下一页查询的入参就行，不需要改原有分页逻辑。

方案2：大页场景批量拉取优化（单页超过100条推荐） #

如果单页条数设置得比较大，可以先把当前页所有user关联的company Ref提取去重，一次性批量拉取所有关联company后做映射匹配，比逐条Get的性能更高。
示例FQL：

Paginate(
  Documents(Collection("user")),
  { size: 100 }
)
.pipe(
  Lambda("userRefs",
    Let(
      {
        // 批量拉取当前页所有user文档
        userList: Map(Var("userRefs"), Lambda("ref", Get(Var("ref")))),
        // 提取所有company Ref并去重，避免重复拉取同一条company数据
        companyRefs: Distinct(
          Map(Var("userList"), Lambda("user", Select(["data", "companyId"], Var("user"))))
        ),
        // 批量拉取company，组装成 Ref值->文档 的映射表
        companyMap: ToObject(
          Map(Var("companyRefs"), Lambda("cRef", [ToString(Var("cRef")), Get(Var("cRef"))]))
        )
      },
      // 遍历user列表，从映射表匹配对应company数据合并
      Map(Var("userList"),
        Lambda("user",
          Let(
            {
              currentCompany: Select(
                [ToString(Select(["data", "companyId"], Var("user")))],
                Var("companyMap")
              )
            },
            Merge(
              Var("user"),
              { data: Merge(Select(["data"], Var("user")), { company: Var("currentCompany") }) }
            )
          )
        )
      )
    )
  )
)

注意事项 #

• 绝对不要在应用层做循环查询：先查当前页user列表，再循环N次请求数据库查每个user对应的company，这种N+1查询的网络开销极高，数据量上来之后延迟会完全不可用。
• 不需要返回company全量字段时，直接用Select提取需要的字段即可，比如只需要公司名就写Select(["data", "companyName"], Get(Var("companyRef")))，能进一步降低查询延迟和返回包大小。
• 如果分页查询带筛选条件，一定要给筛选字段建对应索引，10万条数据量级下全表扫描性能很差，走索引的话分页查询速度会有量级提升。

内容的提问来源于stack exchange，提问作者Rajesh Gauswami