使用bulkWrite方法进行批量写入是MongoDB高效处理大数据的关键技巧。首先，准备一个operations数组，每个操作是insertOne、updateOne或deleteOne的对象。然后调用collection.bulkWrite(operations, {ordered: false})，unordered模式下即使部分失败也不会停止，能极大提升性能。实战代码示例：const bulkOps = []; for(let i=0; i<data.length; i++){ bulkOps.push({insertOne: {document: data[i]}}); if(bulkOps.length === 1000){ await collection.bulkWrite(bulkOps); bulkOps.length = 0; } } 这能将写入速度提升10倍以上，是数据库优化的必备方法。

批量写入优化技巧一：使用Unordered Bulk Operations

在MongoDB中，unordered bulk operations允许操作并行执行，即使某些操作失败也不会影响其他操作的执行。这大大提高了批量写入的效率。示例代码：db.collection.initializeUnorderedBulkOp()，然后逐个.add()操作，最后.execute()。对于大数据写入，这比ordered模式快很多，因为它不等待每个操作完成。

控制批量大小，避免内存溢出

批量写入时，建议每批次控制在500-1000条记录之间，太大容易导致内存压力和超时。实际测试中，1000条是最佳平衡点，能最大化吞吐量同时保持稳定性。在循环中累积数据，到达阈值立即flush写入。

索引优化与批量写入

批量写入前确保必要的索引已建立，但避免在写入高峰期创建索引。使用{writeConcern: {w: 1}}降低确认级别，加速写入。对于大数据，预热索引或分批建立，能显著提升整体性能。

连接池与集群环境下的批量写入

在Replica Set或Sharded Cluster中，批量写入会自动分发到多个mongos。调大maxPoolSize连接池大小，并使用w: majority写关注，能平衡性能与数据安全。实战中，这让TB级数据导入只需几小时。

监控与调优批量写入性能

使用db.currentOp()和profiler监控批量操作的执行时间。常见瓶颈是网络延迟和锁竞争，解决方案是用upsert模式减少重复检查，或并行多个bulk任务。

FAQ

Q: 批量写入失败怎么处理？
A: 使用try-catch包裹bulkWrite，捕获BulkWriteError，分析result.nInserted等字段重试失败部分。

Q: bulkWrite和insertMany区别？
A: insertMany只支持插入，bulkWrite支持混合操作更灵活，且支持ordered/unordered。

Q: 如何处理超大数据集？
A: 分批次写入，每批1000条，并用Promise.all并行多个batch进一步加速。

Q: 写入性能突然下降怎么查？
A: 检查explain计划、锁统计和系统资源，常见是索引缺失或磁盘IO瓶颈。