pymongo默认连接池最大大小为100、最小空闲连接数为0；该连接池绑定于每个mongoclient实例，非全局共享，需通过maxpoolsize和minpoolsize参数显式配置，且必须在实例化时传入。
PyMongo 默认连接池大小是多少？
PyMongo 的 ThreadPool 连接池默认最大连接数是 100，最小空闲连接数是 0。这个值不是硬编码在代码里，而是由 maxPoolSize 和 minPoolSize 参数控制的，不显式设置时就走默认值。
注意：这个“池”是每个 MongoClient 实例独享的，不是全局共享的。多个 MongoClient 就意味着多个独立池 —— 很多人误以为复用同一个 URI 就能共用连接，其实不然。
-
maxPoolSize=100是上限，但实际活跃连接数取决于并发请求量和操作耗时 -
minPoolSize=0意味着低峰期连接可能全部释放，下次请求需重建，带来毫秒级延迟 - 如果应用长期稳定高并发，设
minPoolSize=20能减少连接震荡
如何显式配置连接池参数？
必须在创建 MongoClient 时通过关键字参数传入，不能运行时修改。URL 中也能传，但容易被忽略或写错格式。
推荐用关键字参数方式，清晰且类型安全：
from pymongo import MongoClient
client = MongoClient(
"mongodb://localhost:27017/",
maxPoolSize=50,
minPoolSize=10,
maxIdleTimeMS=60000,
timeoutMS=5000
)
-
maxPoolSize和minPoolSize必须是整数，且minPoolSize ≤ maxPoolSize，否则初始化直接抛ConfigurationError -
maxIdleTimeMS控制空闲连接存活时间（毫秒），设太小会导致频繁建连；设太大可能占用服务端资源 -
timeoutMS是 socket 级超时，和连接池大小无关，但常被一起调优
连接池大小设多大才合适？
没有通用公式，得看你的部署结构和负载特征。盲目设成 500 或 1000 反而可能触发 MongoDB 服务端的 maxConns 限制或引发内存压力。
- 单个 Web 应用进程（如 Flask/Gunicorn）建议按 worker 数 × 平均每 worker 并发请求数估算，通常 20–80 足够
- 使用 Gunicorn 时，若开了 4 个 worker，每个 worker 内复用一个
MongoClient，那总连接数 ≈ 4 ×maxPoolSize - 连接数超过 MongoDB 的
net.maxIncomingConnections（默认 65536）倒不是瓶颈，但每个连接占约 1MB 内存，服务端扛不住 - 用
db.command("serverStatus")["connections"]查实时连接数，比盲猜靠谱
常见踩坑点：连接泄漏与重复实例
最典型的不是设错数字，而是根本没意识到连接池绑定在 MongoClient 实例上。
- 每次 HTTP 请求都 new 一个
MongoClient→ 每次都新建池 → 连接数爆炸，OS 句柄耗尽 - 用 class 实例属性存 client，但 class 被反复构造 → 仍会泄漏
- 用
atexit.register()关闭 client？没用 —— 进程结束前池已自动清理，关键是别乱 new - 真正做法：模块级单例，或依赖注入容器统一管理生命周期
连接池本身不难配，难的是让整个应用只持有一个 MongoClient 实例，并理解它背后是线程安全、进程不共享、异步不兼容（PyMongo 不支持 asyncio 原生，要用 motor）这些隐含约束。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
