如何为MongoDB近百万文档的集合新增字段（PyMongo实现）

首先直接给结论：用for循环逐个调用update_one来处理近百万文档的方案完全不合理，千万别这么干！

为什么？因为每次update_one都是一次独立的网络请求，近百万次请求意味着巨大的网络往返开销，MongoDB服务器要逐个处理这些请求，不仅耗时极长（可能几十分钟甚至更久），还会占用大量连接资源，很可能拖垮你的应用或者数据库性能。

接下来给你两种更高效的批量更新方案，根据你的需求选择：

场景1：所有文档的data字段值相同 #

如果要给所有文档设置同一个data值，直接用update_many就行，这是效率最高的方式——服务器端一次性批量处理所有匹配的文档，只需要一次网络请求：

# 给所有文档新增data字段，值设为你需要的默认值
db.actions.update_many(
    filter={},  # 空匹配条件：选中集合内所有文档
    update={"$set": {"data": "你的默认值"}}
)

这个操作几乎能在瞬间完成（具体耗时取决于集合大小，但比循环快几个数量级），完全不需要遍历每个文档。

场景2：每个文档的data字段值不同（比如你有对应_id的自定义值列表） #

如果每个文档的data值不一样，比如你有一个包含_id和对应data的字典列表values，那用bulk_write+UpdateOne的组合是最优解。它能把多个更新操作打包成一批提交，大幅减少网络请求次数：

from pymongo import UpdateOne

# 假设你的values是这样的结构：[{"_id": ObjectId("xxx"), "data": "自定义值1"}, ...]
operations = []
for item in values:
    # 构造单个更新操作：根据_id匹配文档，设置对应的data字段
    operations.append(
        UpdateOne(
            filter={"_id": item["_id"]},
            update={"$set": {"data": item["data"]}}
        )
    )

# 分批次执行批量操作，建议每1000-10000个操作一批（避免内存过载或请求过大被拒绝）
batch_size = 1000
for i in range(0, len(operations), batch_size):
    batch_ops = operations[i:i+batch_size]
    result = db.actions.bulk_write(batch_ops)
    # 可选：打印批次执行结果，比如更新了多少文档
    print(f"批次 {i//batch_size +1} 完成，更新了 {result.modified_count} 个文档")

为什么要分批次？ #

如果一次性把百万个操作塞进bulk_write，会占用大量客户端内存，而且MongoDB对单个请求的大小有限制，分批次能平衡内存占用和执行效率，同时降低请求失败的风险。

额外注意事项 #

1. 先测试再上线：批量更新是高危操作，建议先在测试环境用小数据集验证逻辑，或者在生产环境先选小部分文档测试（比如加个_id范围的过滤条件）。
2. 低峰期执行：如果是生产环境的大集合，尽量在业务低峰期执行批量更新，避免影响正常业务的数据库性能。
3. 确保_id索引存在：_id字段默认是有索引的，这能保证根据_id匹配文档的速度极快，如果你的集合有特殊情况导致_id索引丢失，一定要先重建索引再执行更新。

内容的提问来源于stack exchange，提问作者Sam