直接调用 collStats 命令可准确获取集合磁盘占用，返回 size（文档原始字节）、storageSize（实际磁盘占用，含填充和索引）、totalSize（含索引总空间），需在目标数据库执行并推荐加 {"scale": 1024} 转为 KB。
直接调用 collStats 命令获取集合大小
Python 驱动（pymongo）不提供封装好的“查磁盘占用”方法，但 MongoDB 原生支持 collStats 命令，它返回包括 size（文档原始字节）、storageSize（实际磁盘占用，含填充和索引）、totalSize（含索引总空间）等关键字段。你得手动发命令，不能靠 collection.count_documents({}) 或估算。
实操建议：
- 必须在目标集合所在数据库上下文中执行，不是在
admin或其他库 - 命令是字典形式：
{"collStats": "your_collection_name"}，注意键名大小写敏感，值是字符串集合名 - 推荐加
{"scale": 1024}把字节数转为 KB，避免数值过大难读 - 示例：
db.command({"collStats": "logs", "scale": 1024})
用 pymongo 执行并解析 collStats 返回值
返回结果是字典，字段含义容易混淆：size 是所有文档 BSON 序列化后总长（不含索引），storageSize 才是你在 mongod 磁盘上看到的 .wt 文件实际占用（含 padding、压缩、碎片），而 totalSize = storageSize + 所有索引的 storageSize。
常见错误现象：
立即学习“Python免费学习笔记（深入）”；
- 误把
count× 平均文档大小 当作size—— BSON 编码开销、空字段存储、_id 类型都会导致偏差 - 忽略
scale参数，拿到几百万字节却以为是 MB - 对 capped collection 调用时没注意
capped字段为True，但max和size字段只在创建时生效，运行时不反映当前占用
建议提取逻辑：
res = db.command({"collStats": "events", "scale": 1024})
print(f"数据大小: {res['size']} KB")
print(f"存储占用: {res['storageSize']} KB")
print(f"含索引总占: {res['totalSize']} KB")
批量统计多个集合时注意权限与性能影响
如果你要遍历 db.list_collection_names() 逐个跑 collStats，得确认连接用户有 collStats 权限（通常需 read 角色以上，某些部署要求 dbAdmin）。本地开发环境常忽略这点，一上线就报 Command collStats failed: not authorized。
性能方面：collStats 是轻量元数据读取，不扫描文档，但频繁调用仍会增加 mongod 的命令解析压力。生产环境建议：
- 避免在高并发请求中实时调用，可定时写入监控集合缓存结果
- 跳过系统集合（如
system.*）和空集合（count == 0时storageSize可能非零，但通常可忽略） - 对大集合，
collStats响应快；但若启用了 WiredTiger 压缩，storageSize已是解压后视图，无需额外计算
对比 db.collection.stats() 与原生命令的区别
pymongo 的 Collection.stats() 方法本质就是封装了 collStats 命令，但它默认不带 scale，且部分旧版本（pymongo ）会静默丢弃未知字段，导致拿不到 <code>freeStorageSize 等新字段。所以更推荐直调 db.command()。
关键差异点：
-
collection.stats()返回字段可能被驱动截断或类型转换（比如avgObjSize强制转 float，丢失精度） - 原生命令可传任意参数，例如
{"collStats": "...", "indexDetails": True}查索引细节，而.stats()不支持 - 当集合名含特殊字符（如短横线、点号），用
.stats()可能因属性访问语法报错，但db.command()无此问题
真正容易被忽略的是：WiredTiger 引擎下，storageSize 包含 page cache 影响，同一时刻多次调用可能有几十 KB 波动——这不是 bug，是引擎内部状态导致的正常现象。
