pymongo 的 `limit()` 方法会在 mongodb 服务器端直接限制返回文档数，仅传输指定数量的数据到客户端，而非先拉取全部再由 python 过滤，从而显著提升性能与内存效率。
在使用 PyMongo 查询数据时，limit() 是一个关键的性能优化工具。它并非 Python 层面的切片操作（如 list[:10]），而是将 $limit 阶段编译进底层查询或聚合管道，并由 MongoDB 服务端原生执行。这意味着：
- ✅ 网络与内存开销最小化：只有满足 limit(n) 条件的文档会从数据库传输至应用层；
- ✅ 延迟更低：尤其在集合规模庞大（百万级+）时，避免全量扫描和序列化开销；
- ✅ 惰性求值保障：find().limit(10) 返回的是 Cursor 对象，实际数据仅在迭代（如 for doc in cursor: 或 list(cursor)）时按需获取。
正确用法示例
from pymongo import MongoClient
client = MongoClient("mongodb://localhost:27017/")
db = client["mydb"]
collection = db["users"]
# ✅ 推荐：limit 在服务端生效，仅取 10 条
cursor = collection.find({"status": "active"}).limit(10)
for doc in cursor:
print(doc["_id"])
# ❌ 错误理解：以下写法等价于上面——但注意，.limit() 必须链式调用在 find() 后，
# 不能拆成两步（因为 find() 返回新 cursor，而 limit() 不修改原对象）
# data = collection.find() # ← 返回一个 cursor
# data = data.limit(10) # ← 返回另一个新 cursor（仍惰性）
# # 这仍是服务端 limit，但语义冗余，不推荐拆分书写注意事项
- limit(n) 必须在 find() 或 aggregate() 调用后立即链式调用，才能确保下推至服务端；
- 若配合 skip() 使用（如分页），建议结合索引优化，否则 skip 会导致服务端跳过大量文档，影响性能；
- 调用 list(cursor) 或 cursor.next() 等强制求值操作前，limit 始终未触发数据传输；
- 可通过 explain() 验证执行计划是否包含 "limitAmount" 字段（MongoDB 5.0+）或 "limit" 参数，确认服务端生效：
explain_result = collection.find().limit(10).explain() print(explain_result["executionStats"]["limitAmount"]) # 应输出 10
总之，PyMongo 的 limit() 是真正意义上的服务端限制，是构建高性能数据访问层的基础实践之一。合理使用它，可有效控制资源消耗并提升响应速度。
