问题背景：

在做数据迁移、割接后的稽核比对时，经常会出现 count 统计结果与实际数据量不一致的情况，出现概率较高。经排查确认，这是 MongoDB 自身问题，3.6.12、4.4 版本均存在该问题，高版本是否已修复暂未验证。

问题原理

MongoDB 的 count() 方法并非实时全量扫描数据，而是优先读取集合的元数据 / 索引统计信息来快速返回结果，这种 “估算机制” 是导致统计不准的核心原因：

1. 数据迁移 / 割接过程中，元数据（如索引基数、数据分片统计）未及时同步更新，导致估算值与实际数据量偏差；
2. 对于分片集群，count() 会汇总各分片的估算值，分片间的统计延迟会放大误差；
3. 即使是单机实例，当数据频繁插入 / 删除、索引重建后，元数据的更新也存在滞后性，无法实时反映真实数据量。

而聚合管道（aggregate）是全量扫描符合条件的文档后逐行统计，不走 “估算逻辑”，因此能保证统计结果的准确性。

推荐方案（PLAN B）

使用 聚合管道 替代 count，按日期分组统计，结果更准确：
db.**集合名**.aggregate([ {$match: { "**createTime**" : { $gte : "2024-08-01"} } }, { $project: { date: {$substr: [ "$**createTime**", 0, 10 ]} }, }, { $group: { _id: '$date', count: { $sum: 1 } } }, { $project: { date: '$_id', _id: 0, count: 1 } }, { $sort: { date: -1 } } ])

说明

• 用 $match 过滤条件
• 用 $substr 截取日期
• 用 $group + $sum 精确统计
• 最终按日期倒序展示每日数据量

补充提示

如果只是需要全量文档的精准计数（无需分组），也可以用简化版聚合：

db.集合名.aggregate([{ $count: "total" }])

该方式同样是全量扫描，比 count() 更可靠，仅需注意：数据量极大时，聚合扫描会消耗更多资源，建议在低峰期执行。

总结

1. MongoDB 的 count() 因依赖元数据估算，在数据变动后易出现统计偏差，3.6/4.4 版本均有此问题；
2. 聚合管道（aggregate）通过全量扫描统计，是数据稽核比对的可靠替代方案；
3. 分组统计或全量计数场景，均可基于聚合管道实现精准统计。

学无止境，共同探索！