Python操作MongoDB更新数组元素的两种方案哪种时间复杂度更优？

方案2的时间复杂度表现远优于方案1，具体分析如下：

方案1的时间复杂度分析 #

方案1的核心逻辑是把文档全量拉取到本地后修改再回写，开销极高：

• 首先需要将匹配的整个文档从MongoDB拉取到本地，包含完整的items数组，IO开销随数组长度线性增长
• 本地对items数组做遍历的过程中，嵌套调用了temp.index(element)查找元素下标，这本身是O(n)复杂度的操作，整体本地计算时间复杂度为O(n²)（n为items数组长度）
• 每次匹配到符合条件的元素，都会触发一次全量update_one操作，把整个items数组回写MongoDB，存在多次重复IO开销，数组越长性能损耗越明显
• 额外的deepcopy操作也会带来O(n)的内存和计算开销

方案2的时间复杂度分析 #

方案2使用MongoDB原生的数组过滤更新能力，所有操作在服务端完成，效率更高：

• 不需要把整个文档拉取到本地，仅需要一次更新请求的网络IO开销
• 服务端通过array_filters匹配数组元素的时间复杂度为O(n)，没有额外的嵌套遍历开销
• 仅对匹配到的数组元素做局部更新，不需要重写整个items数组，服务端写开销远低于全量回写
• 即使items数组长度很大，也不会出现方案1中的性能雪崩问题

额外优化建议 #

你提供的方案2存在一个小问题：当前写法会直接把匹配到的数组元素整体替换为{"item_no": 3, "item": "aeroplane"}，如果元素还有其他字段会被覆盖。可以改成仅更新指定字段，同时可以省略前置的find查询，直接执行更新即可，性能更高：

# 优化后的更新写法，不需要先查文档
collection.update_one(
    {"doc_id": "1234"},
    {"$set": {"items.$[elem].item": "aeroplane"}},
    array_filters=[{"elem.item_no": 3}]
)

内容的提问来源于stack exchange，提问作者mark86v1