优化IndexedDB大体量数据查询性能的关键在于索引设计、范围控制和流式处理：建对单/复合索引，用IDBKeyRange精准限定范围，openCursor分批读取，结构分层并冷热分离。
优化 IndexedDB 大体量数据查询性能，核心不是“怎么快”，而是“怎么不慢”——关键在索引设计、范围控制和流式处理，避免全量加载和内存爆炸。
建对索引：让数据库替你找，而不是你自己遍历
高频查询字段必须单独建索引，且索引名唯一、字段路径准确。比如按分类查商品，就建 category 索引；按时间范围查日志，就建 timestamp 索引。数组字段（如 tags 或 children.name）需加 { multiEntry: true } 才能生效。
- 单字段索引：直接用
store.createIndex('byCategory', 'category') - 复合索引：支持多条件联合查询，例如
store.createIndex('byStatusAndTime', ['status', 'updatedAt']) - 避免无效索引：不常查的字段别建，每个索引都会增加写入开销
用好 IDBKeyRange：精准圈定范围，不查无关数据
不要用游标或 getAll() 扫全表，而要用 IDBKeyRange 配合索引做边界限定。比如查 2025 年订单，就用 IDBKeyRange.bound('2025-01-01', '2025-12-31')；查状态为 "pending" 且创建时间在某区间的数据，就走复合索引 + bound 范围。
-
IDBKeyRange.lowerBound('2025-06')：查所有 6 月及之后的数据 -
IDBKeyRange.upperBound('red', true)：查颜色小于 "red" 的记录（true表示不包含边界） - 索引字段为空时，
getAll()可能返回意外结果，建议设{ unique: false }
游标流式处理：查多少，读多少，不撑爆内存
面对数万条结果，绝不能用 index.getAll() 一次性加载。改用 openCursor() 分批读取，每次只处理固定数量（如 100 条），再通过 cursor.continue() 推进。
- 配合
requestIdleCallback控制节奏，避免阻塞渲染 - 需要跳过前 N 条？用
cursor.skip(N)（需自行实现或结合 key range） - 想中断？调用
cursor.transaction.abort()即可，比等完全部更快
结构分层 + 主键合理：从源头降低查询压力
把大对象拆成小记录，比塞一个巨型 JSON 更高效。例如商品规格矩阵，不要存一个含 200 个 SKU 的数组，而应建 products、specSchemas、skus 三张表，SKU 表主键用复合键（如 [productId, specKey]），再配多字段索引。
- 主键推荐显式
keyPath，避免自增导致后续无法按业务字段定位 - 单条记录建议控制在几 MB 内，超大 blob 或嵌套结构尽量分离存储
- 冷热数据分离：高频查的字段放主记录，低频用的放关联表或压缩后存
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
