如何在插入文档时基于唯一值生成MongoDB的_id？

核心需求 #

将远程资源的数据通过「删除重插」方式同步到MongoDB，需把文档的内部唯一标识（非12字节/24位十六进制/整数格式）关联为MongoDB的_id。

当前方案的潜在问题 #

你当前通过MD5哈希someUniqueId后截取前24位转ObjectId，存在两个隐患：

• 哈希冲突风险：MD5是128位哈希，截取前24位（12字节）会大幅提升碰撞概率，长期大量数据同步下可能出问题。
• 信息丢失：截取操作丢弃了哈希的部分信息，无法反向推导回原始someUniqueId。

推荐的最佳实践 #

方案1：直接用someUniqueId作为_id #

MongoDB的_id并不强制要求是ObjectId类型，它支持任何BSON兼容类型（字符串、数字、二进制等），只要保证集合内唯一即可。如果someUniqueId本身是唯一字符串，直接用它当_id是最优解：

const toInsert = items.map(el => ({
  ...el,
  _id: el.someUniqueId
}));
await db.insertMany(toInsert);

• 优势：无需任何转换，避免冲突，保留原始ID可直接关联，同步时删除操作更直观（直接按_id: someUniqueId匹配删除）。
• 注意：必须确保someUniqueId在集合内绝对唯一，否则插入会触发重复键错误。

方案2：用完整哈希值作为字符串类型的_id #

如果担心原始someUniqueId过长或包含特殊字符，可使用完整的哈希值（如MD5、SHA-256）作为字符串类型的_id：

const toInsert = items.map(el => ({
  ...el,
  _id: md5(el.someUniqueId) // 用完整32位MD5字符串，或SHA-256生成更长哈希
}));
await db.insertMany(toInsert);

• 优势：哈希碰撞概率极低（SHA-256几乎可忽略），避免截取带来的冲突风险，同时仍能通过哈希值关联原始ID。

方案3：保留自动生成的ObjectId，新增唯一索引字段 #

如果坚持要用MongoDB原生ObjectId作为_id，可新增一个字段（如externalId）存储原始someUniqueId，并给该字段创建唯一索引：

// 仅需执行一次：创建唯一索引
await db.collection.createIndex({ externalId: 1 }, { unique: true });

// 同步数据时的处理
const toInsert = items.map(el => ({
  ...el,
  externalId: el.someUniqueId
}));
// 先删除对应externalId的旧文档
await db.deleteMany({ externalId: { $in: items.map(el => el.someUniqueId) } });
await db.insertMany(toInsert);

• 优势：保留ObjectId的原生特性（自带时间戳等信息），externalId直接关联原始唯一标识，唯一索引保证数据唯一性。
• 注意：同步时需先删除旧文档再插入新数据，避免触发唯一索引冲突。

选择建议 #

• 优先选方案1：最直接、无额外开销，适合原始ID本身唯一且格式合法的场景。
• 若原始ID过长或有特殊顾虑，选方案2：哈希保证唯一性，同时避开ObjectId的格式限制。
• 若依赖ObjectId的原生特性，选方案3：分离内部ID与MongoDB主键，逻辑更清晰。

内容的提问来源于stack exchange，提问作者koalaok