MongoDB 6.0利用Bulk Write预分片提升大批量写入速度

一个常见的误解是：许多人认为 MongoDB 6.0 推出了“Bulk Write 预分片技术”，可以自动将数据写入正确位置。实际上，bulkWrite() 本身并不具备预分片功能——它只是一个批量发送操作的工具。真正决定大批量写入速度的核心因素，在于分片键设计、集合是否已分片，以及数据分布是否均衡。换句话说，bulkWrite() 不会替你完成分片，也无法绕过已有的分片瓶颈。它只负责将多个操作打包发送，但数据流向和通道是否顺畅，仍取决于分片配置。

因此，如果在分片集群中使用 bulkWrite() 时发现写入速度上不去甚至报错，大概率是分片准备没有到位。下面展开说明几个关键点。

为什么在分片集群中 bulkWrite() 可能变慢甚至失败

在未合理分片的集合上执行 bulkWrite() 时，所有操作仍会集中路由到主分片，相当于全部挤在一个入口，单点瓶颈会立即显现。反之，如果操作跨多个分片但分片键选择不当，就会触发大量 scatter-gather 查询，导致写入延迟飙升。严重时，还会因 writeConcern 超时导致整个 batch 失败。

• 典型报错：返回 WriteResult({ "nInserted" : 0, "writeErrors" : [ { "index" : 0, "code" : 13, "errmsg" : "not master" } ] })，或者长时间卡住无响应。
• 根因只有两个：操作被路由到非主分片，或者分片键基数太低、分布不均导致数据倾斜。
• 设置 ordered: false 可以缓解部分失败传播，但治标不治本——底层路由不均和负载问题依然存在。

真正有效的提速组合：分片准备搭配 bulkWrite 配置

要让 bulkWrite() 发挥并行写入的优势，必须先做好分片初始化。具体来说：

• 确认集合已经启用分片：执行 sh.enableSharding("db_name") 和 sh.shardCollection("db_name.collection", { "shard_key": 1 })。
• 分片键需满足三个条件：高基数、写入均匀、查询常用。避免使用 _id（ObjectId 时间戳前缀容易产生热点）或单调递增字段。
• 批量大小建议控制在每次 bulkWrite() 调用 100–1000 条。太大容易触发内存或超时，太小则网络开销占比过高。
• 设置 writeConcern: { w: "majority", j: true } 时，需权衡持久性与吞吐量。压测阶段可临时使用 { w: 1 } 先摸清基线性能。

ordered: false 并非“跳过错误继续”，而是控制失败传播方式

默认情况下 ordered: true，一旦某个操作失败（例如唯一键冲突），后续操作全部跳过。改为 ordered: false 后，其余操作可以继续执行，但返回结果中需要自行检查 writeErrors 字段来定位具体错误。

• 适用场景：导入脏数据、补录历史记录、幂等性写入（如 updateOne 配合 upsert: true）。
• 不适用场景：强顺序依赖的操作（如连续编号生成）以及金融类事务型更新。
• 注意：即使使用 ordered: false，每个操作依然受单分片写锁限制，无法突破单个分片的吞吐上限。

容易被忽略的底层约束

MongoDB 6.0 的 bulkWrite() 在分片环境下还受以下底层机制限制：

• writeConcernMajorityJournalDefault 必须为 true，否则无法使用安全的 majority 写关注，分片间日志同步可能丢数据。
• retryWrites 默认开启，但仅对网络闪断或 primary 切换有效。分片路由错误、键冲突、磁盘满等业务错误，它一概不重试。
• 在 Atlas UI 中无法直接调用 bulkWrite()，必须通过驱动或 mongosh 连接后执行。
• 时间序列集合不支持重新分片，写入前务必确认集合类型。