事实上，第一个选项即使在大数据的情况下也相当快。下面是一个使用mongo控制台的示例查询：

/usr/bin/mongo yourdbname --eval "db.yourcollectionname.find().forEach(function(doc){doc.yourdatefield = new ISODate(doc.yourdatefield);db.yourcollectionname.save(doc)});"

您的选择：

• 导入CSV格式的内容，并在导入后将数据转换为Date（）（使用mongo控制台或使用您最喜欢的语言编写的脚本）
• 将数据导入为JSON，并使用$date描述符将日期字符串转换为Date示例

使用您最喜欢的语言编写一个脚本来导入数据。它将允许您控制数据类型并对数据应用结构更改。
通常，您会发现从表格数据转换到文档数据库时，数据的Map是不一样的。
如果您编写脚本，则可能还希望支持运行多个副本（或线程）以提高导入速度。

如果可能，从源CSV重新导入应该更快。对于一个相对较大的数据集（1.3亿个对象，源CSV约6 GB），mongoimport运行需要40分钟，但@ webDEVILpers建议的forEach需要24小时以上（此时我取消了它）。
要从CSV导入并转换日期，我运行

mongoimport --db your-db-name --type csv --file your-file.csv --collection your-collection --fields timestamp.date\(2006-01-02\ 15:04:0
5.00000+00\),count.int32\(\), --columnsHaveType

.date()部分很棘手，您必须**在源格式中指定特定日期。所以我的时间戳就像“2018-02-03 12：09：23.00000+00”，这意味着以该格式（如上面的命令）格式化引用日期（Jan 2nd，2006 15：04：05）。请参阅此处以供参考。

我迟到了一点，但是上面的forEach版本可以通过使用bulkWrite而不是save来提高速度，并且每个文档的写入时间为0.25ms而不是1.2ms。

• 注意：我的数据需要清理字符串，但这对编写文档没有影响。*

没有bulkWrite，即save：

mongo> i=0;
0
mongo> start= new Date();
ISODate("2023-05-15T07:20:30.231Z")
mongo> db.myCol.find().forEach( d => {
     if (typeof(d.timeslot)!="string"){ return; };
     d.timeslot= new ISODate(d.timeslot.replace(' UTC',''));
     db.myCol.save(d);
     i+= 1;
     if (i%1000==0) {
       end=new Date();
       diff= (end.valueOf()-start.valueOf());
       printjson({
         ms: diff,
         n: 1000,
         avg_ms: diff/1000
       });
       start=new Date();
     }
   });
{ "ms" : 12722, "n" : 1000, "avg_ms" : 12.722 }
{ "ms" : 1163, "n" : 1000, "avg_ms" : 1.163 }
{ "ms" : 1208, "n" : 1000, "avg_ms" : 1.208 }
{ "ms" : 1183, "n" : 1000, "avg_ms" : 1.183 }
{ "ms" : 1168, "n" : 1000, "avg_ms" : 1.168 }
:

bulkWrite：

mongo> blk=[];
[ ]
mongo> start= new Date();
ISODate("2023-05-15T07:27:16.882Z")
mongo> db.myCol.find().forEach( d => {
     if (typeof(d.timeslot)!="string"){ return; };
     blk.push({ updateOne: { filter: {_id:d._id }, update: { $set: { timeslot: new ISODate(d.timeslot.replace(' UTC','')) } } } });
     if (blk.length > 0 && blk.length%1000==0) {
       res=db.myCol.bulkWrite(blk);
       end=new Date();
       diff= (end.valueOf()-start.valueOf());
       printjson({
         ms: diff,
         n: res.matchedCount,
         avg_ms: diff/res.matchedCount
       });
       start=new Date();
       blk=[];
     }
   });
mongo> db.myCol.bulkWrite(blk);
{ "ms" : 9745, "n" : 1000, "avg_ms" : 9.745 }
{ "ms" : 252, "n" : 1000, "avg_ms" : 0.252 }
{ "ms" : 231, "n" : 1000, "avg_ms" : 0.231 }
{ "ms" : 213, "n" : 1000, "avg_ms" : 0.213 }
{ "ms" : 209, "n" : 1000, "avg_ms" : 0.209 }
: