allowdiskuse: true 必须作为 aggregate() 的 options 参数传入，而非 pipeline 阶段；它仅缓解 shard 本地聚合内存压力，不解决 mongos 归并 oom；关键在于 $group 的 _id 至少包含分片键前缀以实现下推聚合。
allowDiskUse: true 必须作为 options 参数传入，不是 pipeline 一部分
很多人把 allowDiskUse: true 错误地塞进 pipeline 数组里，比如写成：[{$match: {...}}, {$group: {...}}, {allowDiskUse: true}]——这完全无效，MongoDB 会把它当成一个非法阶段报错 Unrecognized pipeline stage name: allowDiskUse。
它必须是 aggregate() 的第二个参数，且是纯对象：
db.orders.aggregate([
{ $match: { status: "shipped" } },
{ $group: { _id: "$region", total: { $sum: "$amount" } } }
], { allowDiskUse: true })
- Node.js 驱动同理：
collection.aggregate(pipeline, { allowDiskUse: true })，不是cursor.allowDiskUse()（旧版链式调用已弃用） - PyMongo 中也是第二个 positional 参数：
collection.aggregate(pipeline, allowDiskUse=True) - 如果用了
maxTimeMS或其他选项，全部放在同一个 options 对象里，不要拆开
allowDiskUse 只缓解 shard 本地聚合内存压力，不解决 mongos 归并 OOM
开了 allowDiskUse: true 还爆内存？大概率不是磁盘没开，而是你触发了分片集群的致命陷阱：mongos 把所有 shard 的原始数据拉到自己内存里做归并。
典型场景：集合按 { user_id: 1 } 分片，但聚合却按 { order_date: { $dateToString: { format: "%Y-%m" } } } 分组——每个 shard 都得把匹配的全部文档发给 mongos，哪怕单个 shard 只有 10 万条，10 个 shard 就是 100 万条文档在 mongos 内存里重组、分组、排序。
-
allowDiskUse: true不会让 mongos 把归并结果写磁盘——mongos 根本不支持磁盘归并 - 真正起作用的只有各 shard 本地的子聚合阶段（如 $group 前的 $match、$sort），它们能用磁盘暂存中间结果
- 验证是否真走分片下推：用
explain("executionStats")看shards数组里每个分片的totalDocsExamined是否远小于nReturned；如果接近，说明基本没过滤，就是广播扫描
比 allowDiskUse 更关键的是让 $group 和分片键对齐
与其拼命调大内存或依赖磁盘，不如从源头避免全量传输。核心原则：$group 的 _id 至少包含分片键前缀。
本文档主要讲述的是用Apache Spark进行大数据处理——第一部分：入门介绍；Apache Spark是一个围绕速度、易用性和复杂分析构建的大数据处理框架。最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一。 在这个Apache Spark文章系列的第一部分中，我们将了解到什么是Spark，它与典型的MapReduce解决方案的比较以及它如何为大数据处理提供了一套完整的工具。希望本文档会给有需要的朋友带来帮助；感
例如分片键是 { region: 1, user_id: 1 }，以下写法安全：
{ $group: { _id: "$region", total: { $sum: "$amount" } } }
{ $group: { _id: { region: "$region", type: "$type" }, total: { $sum: "$amount" } } }
但这些写法危险：
{ $group: { _id: "$user_id", total: { $sum: "$amount" } } } // user_id 是分片键第二字段，但单独用无法路由
{ $group: { _id: { day: { $dateToString: { format: "%Y-%m-%d", date: "$created_at" } } }, total: { $sum: "$amount" } } } // 完全无关
- 只要
_id字段能被分片键前缀覆盖（如region），各 shard 就能独立完成子聚合，只返回少量汇总结果给 mongos - 如果业务必须按非分片字段聚合，优先考虑预聚合表，并确保其分片键和原表一致
- $unwind 后再 $group 是高危操作——数组展开后文档数暴增，极易突破单 shard 内存限制，即使开了
allowDiskUse也常因磁盘 IO 成瓶颈
allowDiskUse 开启后仍慢？检查磁盘 I/O 和 WiredTiger 缓存竞争
磁盘开了，查询还是卡在 30 秒以上？别只盯着 MongoDB 日志，得看底层资源。
WiredTiger 引擎默认用内存做缓存（wiredTigerCacheSizeGB），而 allowDiskUse 的临时文件也走同一块磁盘。当聚合大量落盘时，可能和 WiredTiger 的 checkpoint、journal 刷盘争 I/O。
- 用
iostat -x 1观察%util和await：若长期 >90% 且 await >50ms，说明磁盘已饱和 - 临时文件默认写在 MongoDB 数据目录下的
_tmp子目录，不能跨盘；生产环境建议把dbPath和临时目录挂载到不同物理盘（通过 symlinks 或 mount bind） - 如果并发聚合多，考虑降低单次聚合的
batchSize，或加$limit提前截断——allowDiskUse不减少计算量，只换空间换时间
真正卡住的往往不是语法或配置，而是分片键设计和聚合意图之间的错位。磁盘只是缓冲垫，不是承重墙。
