update_many 是唯一真正批量更新的 PyMongo 方法，服务端一次性执行；filter 为空字典 {} 会无条件匹配全部文档，无索引时触发全表扫描，生产环境严禁滥用；不支持每文档不同值，但可用 $cond 等表达式实现条件赋值；需检查 result.modified_count 确认实际修改数；无跨文档原子性，需手动事务保障一致性。
update_many 是唯一能真正批量更新多个文档的 PyMongo 方法，不是“语法糖”，也不是循环封装——它在服务端一次性执行，性能远高于手动 for 循环调用 update_one。
filter 参数为空字典 {} 时会发生什么？
这表示“无条件匹配全部文档”，但实际效果取决于集合大小和索引情况：
- 如果没有索引，
update_many({}, {...})会触发全表扫描，百万级集合可能卡住或超时 - 即使只改一个字段（如
{"$set": {"status": "processed"}}），MongoDB 仍要加载并重写每个匹配文档 - 生产环境严禁在未加索引的大集合上直接用
{}，至少应带一个带索引的字段过滤，比如{"updated_at": {"$exists": False}}
如何给不同文档设不同值？
update_many 本身不支持“每条文档用不同值”，但它可以配合 MongoDB 的表达式操作符实现条件赋值：
- 用
$cond+$switch在$set中做分支逻辑，例如：{"$set": {"is_qualified": {"$cond": [{"$and": [{"$eq": ["$sex", "男"]}, {"$gte": ["$result", 90]}]}, true, {"$and": [{"$eq": ["$sex", "女"]}, {"$gte": ["$result", 60]}]}, true, false]}}} - 更清晰的做法是拆成多条
update_many调用，按性别+分数区间分别更新，每条语句都带明确的filter - 避免在 Python 层遍历所有文档再逐条
update_one，网络往返和锁竞争会拖慢整个过程
更新后怎么确认改了多少？
别只看返回对象，必须检查 result.modified_count：
-
result.matched_count是查到多少条，modified_count才是真正改了值的条数（比如原值就等于新值，就不会计入） - 如果
modified_count == 0，先确认filter是否真能命中数据，再检查更新内容是否与原值一致 - 对大集合，建议加
upsert=False（默认值），避免意外插入空匹配文档
真正容易被忽略的是：update_many 不保证原子性跨文档，也不提供事务回滚能力——如果你需要“全成功或全失败”，得自己用 session.start_transaction() 包裹多个 update_many 调用，并处理异常 rollback。
