$match + $out 本质是“重建集合”而非“修复数据”，它原子性替换目标集合，丢弃被过滤文档，不保留索引、TTL等元信息，无法修正字段值或BSON结构损坏。
直接说结论：用 $match + $out 做聚合清洗，本质是“重写集合”，不是原地修复；它能安全剔除脏数据，但无法修正字段值、补缺失字段或修复损坏的 BSON 结构——那些得靠 db.repairDatabase() 或底层工具。
为什么 $match + $out 不是“修复”，而是“重建”
很多人误以为 $out 是更新操作，其实它会完全替换目标集合（如果存在），相当于把聚合结果导出成一个新集合，再原子性地重命名覆盖。这意味着：
-
$out不会保留原集合的索引、TTL、分片配置、权限绑定等元信息，需手动重建 - 原集合中被
$match过滤掉的文档，会被彻底丢弃，不可回溯（除非你先备份） - 它对“字段类型错乱”“嵌套 null”“数组越界”这类逻辑脏数据有效，但对 WiredTiger 文件损坏、BSON 解析失败等物理损坏无效
实际清洗时，$match 的边界条件必须显式兜底
比如你想清洗 users 集合里所有 age 字段为负数、字符串或缺失的记录，不能只写 { age: { $lt: 18 } }——这会漏掉 age: "unknown" 或 age: null。
正确写法要组合类型检查和存在性判断：
域名有效性检查，验证企业网站域名有效、无效状态。帮助销售团队、市场人员和研究人员检查公司域名、提升邮件触达率——是 CRM数据清洗、销售线索验证、供应商核验、邮件列表清洗的必备工具，适用于外贸邮件群发前清洗、招聘背调与采购商核实。
下载
核验域名可用性、安全状态及风险标记，输出验证结论、失败原因和敏感标签，清理风险域名，优化外贸邮件列表，降低退信概率。
[
{
"$match": {
"age": {
"$exists": true,
"$type": "int",
"$gte": 18,
"$lte": 120
}
}
},
{ "$out": "users_clean" }
]
-
$type: "int"排除字符串、浮点、布尔等非法类型（注意：MongoDB 中"int"对应 32/64 位整型，"long"和"int"在 $type 中都算整型） - 必须加
$exists: true，否则{}或{ name: "Alice" }这类无age字段的文档也会被过滤掉——这可能是你想要的，也可能不是 - 别依赖
$gt: 0代替$gte: 18，因为age: 0可能是合法占位值（如未填写）
执行前必须停写 + 备份，否则可能丢数据
$out 是原子性替换，但替换过程本身不阻塞写入。如果你在运行聚合时，应用还在往原集合写数据，那新集合就永远追不上最新状态。
- 先停应用或切到维护窗口，确保
users集合无写入 - 用
mongodump --db mydb --collection users --out /backup/备份原始集合（不是mongorestore能恢复的逻辑备份，而是防止误删的底线） - 确认目标集合名没被其他任务占用（
$out会静默覆盖同名集合） - 执行完后，用
db.users.count()和db.users_clean.count()对比数量，再抽样查几条关键字段是否符合清洗逻辑
真正损坏的数据（如 EOF 错误、BSON invalid）根本走不到 $match
如果你在聚合时报错类似 Failed: error reading collection: EOF 或 BSON field 'pipeline' is the wrong type，说明集合底层文件已损坏，find() 都读不出来，更别说聚合了。
这时必须退回到物理层修复：
- 先停 mongod，用
mongod --dbpath /data/db --repair尝试重建（仅限 WiredTiger 旧版本，4.2+ 已弃用） - 或进 mongo shell 执行
db.repairDatabase()（注意：它可能删掉无法解析的文档，且耗时极长） - 最稳妥的是用
mongodump加--forceTableScan强制跳过损坏块导出可读部分，再人工补漏
记住：$match 是数据逻辑层的筛子，repairDatabase 是存储引擎层的手术刀——用错地方，要么白干，要么切掉好肉。
