如何在Fauna DB中高效查询过滤？多条件范围查询实操问题咨询

你的实现逻辑是正确的，可以返回符合要求的查询结果，但确实不是最优方案，在数十万条数据的场景下性能会非常差。核心问题是你没有用到Fauna索引的范围查询能力，全量遍历集合的方式会消耗大量读操作配额，延迟也会随数据量增长急剧升高。

你确实遗漏了Fauna索引的核心用法：Fauna的terms仅支持精确匹配，但索引的values字段支持排序和范围查询，配合Range函数可以实现高性能的条件过滤，不需要全量扫集合。

优化方案 #

第一步：创建专用查询索引

提前创建包含过滤字段和返回字段的索引，避免查询时逐篇读取全量文档：

CreateIndex({
  name: "clients_by_salary_age",
  source: Collection("clients"),
  values: [
    { field: ["data", "monthly_salary"] },
    { field: ["data", "age"] },
    { field: ["data", "name"] },
    { field: ["ref"] }
  ]
})

索引的values会按配置顺序排序，我们可以直接利用这个排序特性做范围查询。

第二步：改写查询逻辑

先用Range函数走索引筛选出月薪大于2000的所有条目，再在这个大幅缩小的结果集里过滤年龄大于30的条目，性能会比原写法提升几个量级：

Map(
  Filter(
    Paginate(
      Range(
        Match(Index("clients_by_salary_age")),
        [2001], // 月薪大于2000，所以下界设为2001
        [] // 上界无限制
      )
    ),
    Lambda(["salary", "age", "name", "ref"], GT(Var("age"), 30))
  ),
  // 索引已经返回所有需要的字段，直接组装结果即可，无需额外Get操作
  Lambda(["salary", "age", "name", "ref"], {
    ref: Var("ref"),
    data: {
      name: Var("name"),
      monthly_salary: Var("salary"),
      age: Var("age")
    }
  })
)

如果你的查询条件是固定的，还可以使用索引绑定（Binding）提前把两个条件的校验结果写入索引，进一步消除查询时的过滤开销，性能还能再提升。

内容的提问来源于stack exchange，提问作者Perestrelo