Mongoose如何处理异步并行修改操作？

我正在使用Node.js和MongoDB（借助Mongoose包）进行开发。编写了一个用于更新文档的异步函数，当前需要并行执行10次该函数并传入不同参数。我的疑问是：若文档已被提前保存，Mongoose/MongoDB会在保存前自动重新获取文档吗？还是会抛出错误？

以下是我的代码：

const crawlSitemap = async (projectId) => {
  try {
    const project = await Project.findById(projectId);
    const browser = await puppeteer.launch({ headless: "new" });

    const crawl = (sitemap) => async () => {
      const page = await browser.newPage();
      page.setDefaultNavigationTimeout(120 * 1000);
      console.log(sitemap.url);
      if (!validator.isURL(sitemap.url) || sitemap.crawlStatus !== "queued")
        return;
      await page.goto(sitemap.url, { waitUntil: "networkidle0" });
      await page.evaluate(() => {
        const scripts = document.querySelectorAll("script");
        scripts.forEach((script) => script.remove());

        const images = document.querySelectorAll("img");
        images.forEach((img) => img.remove());

        const styles = document.querySelectorAll(
          'link[rel="stylesheet"], style'
        );
        styles.forEach((style) => style.remove());
      });
      const textContent = await page.evaluate(() => document.body.textContent);
      await page.close();

      await promisify(fs.writeFile)(
        path.join(__dirname, `tmp/${sitemap.url.replaceAll("/", "-")}.txt`),
        textContent,
        "utf-8"
      );
      sitemap.crawlStatus = "ok";
      await project.save();
    };

    await parallelLimit(project.sitemap.map(crawl), 10);

    await browser.close();
  } catch (error) {
    console.log(error);
  }
};

Mongoose默认不会自动重新获取文档，你当前的写法大概率会遇到更新丢失或者版本冲突错误，原因如下：

• 函数开头就把project文档从数据库拉到了内存中，所有并行的crawl任务都是在修改同一个内存对象的sitemap数组项。
• 当第一个并行任务修改完sitemap.crawlStatus并调用project.save()后，数据库里的文档版本（默认通过__v字段标识）已经更新，但其他并行任务手里的还是旧的内存对象。
• 后续任务再调用project.save()时，如果Schema开启了版本校验（默认开启），会直接抛出版本冲突错误；如果没开版本校验，新的保存会直接覆盖数据库里的最新数据，导致前面任务的修改丢失。

推荐解决方案：使用原子更新 #

不要先拉取整个文档到内存，而是直接用Mongoose的原子更新方法，单独修改目标sitemap项。这样每次更新都是直接操作数据库，完全避免并行冲突问题：

// 替换原代码中的await project.save()
await Project.updateOne(
  { 
    _id: projectId, 
    'sitemap._id': sitemap._id // 定位到具体的sitemap子文档
  },
  { 'sitemap.$.crawlStatus': 'ok' } // 更新该子文档的状态
);

其他可选方案（不推荐） #

• 每次保存前重新获取最新的project文档：但并行场景下还是可能出现冲突，且频繁查询会降低性能。
• 实现分布式锁：复杂度高，增加系统维护成本，没必要为这个场景引入。

内容的提问来源于stack exchange，提问作者Zullu Balti