$type仅匹配存在且类型符合的字段值，不匹配null或缺失字段；查数组元素类型须用$map+$type，不能直接用嵌套路径；类型混用需通过聚合管道$group+$addToSet统计分布来识别。
用 $type 查字段值类型，但不能直接查“类型不一致”
MongoDB 的 $type 本身只做单值类型匹配，比如查所有 age 是字符串的文档：{ age: { $type: "string" } }。它不提供“同一字段在不同文档中类型不同”的聚合判断能力——这得靠聚合管道组合实现。
常见错误是以为写个 { field: { $not: { $type: "int" } } } 就能揪出混杂类型，其实这只是排除整型，漏掉 null、missing、array 等其他可能，还无法统计分布。
- 字段缺失（即该键根本不存在）不会被
$type匹配到，需额外用$exists: false或$ne: null配合$ifNull -
$type接受数字码（如16）或字符串名（如"int"），但不同驱动/Shell 版本对字符串名支持不一，推荐优先用数字码（见官方类型码表） - 数组字段本身类型是
"array"（码4），但数组内元素类型需用$map+$type单独提取，不能一步到位
用 $group + $addToSet 统计字段类型分布
真正发现“类型不一致”，核心是先枚举该字段所有出现过的类型，再看是否多于一种。最稳妥方式是聚合管道中用 $type 提取类型，再用 $group 收集去重集合：
db.collection.aggregate([
{
$addFields: {
"field_type": { $type: "$field_name" }
}
},
{
$group: {
_id: null,
types: { $addToSet: "$field_type" },
count: { $sum: 1 }
}
}
])
如果返回的 types 数组长度 > 1，说明该字段存在类型混用。例如结果是 { types: ["int", "string", "null"] }，就明确告诉你有三种类型。
- 注意
$type对null值返回"null"（码10），对缺失字段不生成值，所以要加$ifNull统一处理：{ $type: { $ifNull: ["$field_name", null] } } - 若字段含数组，
$type返回"array"，但你可能更关心数组里是不是全为数字——这时得嵌套$map：{ $map: { input: "$field_name", in: { $type: "$$this" } } } - 大数据集慎用
$addToSet，它会把整个类型数组加载进内存；可先用$sample抽样探查，再决定是否全量扫描
用 $expr + $switch 标记异常类型组合
当需要快速标出“非预期类型”的文档（比如业务规定 price 只能是双精度或整型，但实际出现了字符串），可以用 $expr 在查询条件里做复合判断：
db.collection.find({
$expr: {
$in: [
{ $type: "$price" },
["string", "bool", "object", "array"]
]
}
})
这个查询直接返回所有 price 是字符串、布尔、对象或数组的文档，跳过正常类型。
-
$in比多个$or更简洁，且支持$type输出的字符串名 - 如果要包含
null和缺失，得显式加上：["string", "null"]，并配合$or: [{ price: { $exists: false } }, { price: null }] - 索引对
$expr查询无效，这类扫描是全表级的，生产环境建议先建好{ price: 1 }索引加速基础过滤
为什么 $type 查不到 NumberLong 和 NumberInt 的区别？
这是最容易踩的坑：MongoDB Shell 中显示的 NumberLong(123) 或 NumberInt(456) 是客户端格式化写法，底层 BSON 类型都是 "long"（码 18）或 "int"（码 16），但 $type 在 4.4+ 版本才开始区分它们；旧版本一律返回 "number"（码 1）。
- 确认 MongoDB 版本：
db.version()，低于 4.4 的集群无法用$type精确识别int与long - 临时验证方法：用
Object.bsonType（Node.js 驱动）或 PyMongo 的type()手动 inspect 单个值 - 业务上若强依赖整型精度，建议统一用
NumberLong存储，避免 driver 自动降级导致的隐式类型变化
类型混用问题往往藏在历史数据迁移或多个服务共写一个集合时，光靠 $type 查单点没用，必须结合聚合统计和业务语义判断哪些“不一致”真会影响逻辑——比如 status: 0 和 status: "inactive" 在代码里可能都被当作假值，但数据库层面已是类型污染。
