正确设置GridFS元数据需用扁平JSON对象（如{"type":"pdf","year":2024}），避免字符串或嵌套；在files集合建复合索引（如{"metadata.dept":1,"metadata.year":-1,"metadata.type":1}）；归档需同步迁移files和chunks文档；filename不可靠，必须依赖结构化metadata。
GridFS 文件写入时如何正确设置元数据标签
GridFS 本身不提供自动分类能力，分类逻辑必须在写入阶段注入元数据。关键不是“存文件”，而是把 metadata 字段填对——它必须是合法 JSON 对象，且字段名要能支撑后续查询分区。
常见错误是把标签塞进字符串字段（比如 tags: "pdf,report,2024"），这会让后续按类型或年份查变得低效甚至不可靠。正确做法是结构化存储：
-
metadata必须是对象，不能是字符串或数组（Driver 会拒绝或静默丢弃） - 推荐用扁平键名，如
{"type": "pdf", "category": "report", "year": 2024, "dept": "finance"}，避免嵌套过深影响索引效率 - 值类型尽量统一：年份用整数而非字符串；状态用小写字符串（
"active"而非"Active"），方便索引和聚合匹配 - 如果使用官方 Go Driver，注意
options.GridFSUpload()的Metadata字段需传map[string]interface{}，不是struct{}（否则可能序列化失败）
如何基于元数据创建高效分区查询索引
没有索引的元数据就是摆设。GridFS 的 files 集合才是元数据所在，chunks 集合不存这些字段。别在 chunks 上建索引，纯属浪费资源。
分区查询通常组合多个条件（如“财务部 2024 年 PDF 报告”），所以复合索引比单字段索引更实用：
- 常用组合顺序建议：
dept→year→type（高基数字段放前，如部门名；低基数放后，如 type） - 执行：
db.fs.files.createIndex({"metadata.dept": 1, "metadata.year": -1, "metadata.type": 1}) - 注意点：
metadata.xxx是点号路径，不是嵌套文档键名；索引字段名必须和写入时完全一致（大小写敏感） - 避免对
metadata.tags这种数组字段建普通索引——除非你明确要用$all或$in，否则效果差
用聚合管道实现动态归档路由（不依赖应用层硬编码）
所谓“自动归档”，本质是根据元数据把文件流导向不同集合或数据库。MongoDB 不支持写入时自动触发跨库操作，但可以用聚合 + $merge 在后台完成归档动作，无需改应用代码。
例如，每天凌晨把昨日的报告类文件归档到 archive_2024 库：
- 先确认目标库存在，且
fs.files和fs.chunks已手动创建（GridFS 不会自动建） - 运行聚合：
db.fs.files.aggregate([ { $match: { "metadata.category": "report", "metadata.date": { $gte: ISODate("2024-05-01"), $lt: ISODate("2024-05-02") } } }, { $merge: { into: { db: "archive_2024", coll: "fs.files" }, on: "_id", whenMatched: "fail" } } ]) - ⚠️重要：
$merge只复制files文档，不复制chunks！必须同步执行db.fs.chunks的对应迁移（用_id.files_id关联） - chunk 迁移示例：
db.fs.chunks.copyTo("archive_2024.fs.chunks", { "files_id": { $in: [/* 上一步得到的 _id 列表 */] } })（注意：部分 Driver 不支持copyTo，需用find + insertMany替代）
为什么不能依赖 GridFS 默认的 filename 做分类
filename 字段看着方便，但它是弱约束字段：可为空、可重复、无格式校验，且无法被索引高效利用（尤其含时间戳时，正则匹配极慢）。
真实踩坑场景：
- 用户上传
report_v2_final_2024.pdf，另一人传REPORT_2024.pdf，两个文件type和year元数据一致，但仅靠 filename 永远无法稳定提取 - 前端传参遗漏
filename，后端 fallback 为"unknown"，所有这类文件在 filename 索引下全挤在一起，查不出来 - 某些语言 Driver（如 Python PyMongo）在调用
gridfs_bucket.upload_from_stream()时不显式传filename参数，该字段直接为空字符串 - 结论：把分类逻辑耦合到
filename，等于放弃可控性。元数据才是唯一可信来源
真正难的不是写几行聚合，而是让所有写入端（Web、CLI、IoT 设备）遵守同一套元数据契约。一旦某个服务漏传 year 或传错类型，归档流水线就会漏掉这批数据，且很难事后发现。
