Το MongoDB ταξινομεί τα αποτελέσματα ερωτήματος με sort και πραγματοποιεί σελιδοποίηση με limit και skip — συνδεδεμένα σε ένα find cursor. Μαζί χειρίζονται την ταξινόμηση και την επιστροφή σελίδων δεδομένων, απαραίτητα για την εμφάνιση αποτελεσμάτων.
db.users.find().sort({ age: 1 }); // ascending by age (1 = asc)
db.users.find().sort({ age: -1 }); // descending (-1 = desc)
db.users.find().sort({ country: 1, name: 1 }); // by country, then name (tie-break)
db.users.find().sort({ createdAt: -1 }); // newest first (common)
Το sort παίρνει ένα document με πεδία:κατεύθυνση (1 αύξουσα, -1 φθίνουσα). Πολλαπλά πεδία παρέχουν tie-breaking.
db.users.find().sort({ name: 1 }).limit(10); // first 10 (page 1)
db.users.find().sort({ name: 1 }).skip(10).limit(10); // skip 10, take 10 (page 2)
// page N: .skip((N-1) * pageSize).limit(pageSize)
Το limit(n) επιστρέφει το πολύ n documents. Το skip(m) παραλείπει τα πρώτα m. Μαζί υλοποιούν offset pagination (σελίδα N μέσω skip + limit).
// ❌ pagination without sort → inconsistent order (pages may overlap/skip)
db.users.find().skip(10).limit(10);
// ✅ sort by a stable field for consistent pages
db.users.find().sort({ _id: 1 }).skip(10).limit(10);
Χωρίς sort, η σειρά των documents δεν είναι εγγυημένη, οπότε οι σελίδες σελιδοποίησης μπορεί να είναι ασύνεπτες. Πάντα ταξινομήστε κατά ένα σταθερό πεδίο (όπως _id) όταν κάνετε σελιδοποίηση.
// ⚠️ skip(1000000) must scan/skip a million docs → slow on deep pages
// ✅ range-based (cursor) pagination — far more efficient for large datasets
db.users.find({ _id: { $gt: lastSeenId } }).sort({ _id: 1 }).limit(10);
// → use the last document's _id to fetch the next page (uses the index, no skipping)
Sorting on an INDEXED field is efficient. Sorting a large result set WITHOUT an index
requires an in-memory sort (limited size — can fail/be slow for big sorts).
→ Index fields you sort by.
Η ταξινόμηση και η σελιδοποίηση είναι θεμελιώδεις για την εμφάνιση δεδομένων χρήσιμα στο MongoDB — η ταξινόμηση αποτελεσμάτων και η επιστροφή διαχειρίσιμων σελίδων είναι σχεδόν καθολικές ανάγκες (οποιαδήποτε λίστα, feed ή πίνακας σε μια εφαρμογή), επομένως η κατανόησή τους είναι απαραίτητη καθημερινή γνώση.
Η γνώση του sort (ταξινόμηση κατά πεδία με 1/-1, με tie-breaking) και του limit/skip (για offset pagination — επιστροφή σελίδων δεδομένων) καλύπτει τις κοινές ανάγκες για την παρουσίαση αποτελεσμάτων ερωτήματος.
Δύο πρακτικά σημεία είναι ιδιαίτερα σημαντικά: πάντα ταξινομήστε κατά την σελιδοποίηση (χωρίς αυτό, η σειρά των documents δεν είναι εγγυημένη, προκαλώντας ασύνεπτες σελίδες που επικαλύπτονται ή παραλείπουν documents — ένα πραγματικό bug, το ίδιο ζήτημα όπως στο SQL), και η κατανόηση ότι το skip είναι αργό σε βαθιές σελίδες (πρέπει να σαρώσει και να παραλείψει όλα τα προηγούμενα documents) — έτσι η range-based (cursor) pagination (χρησιμοποιώντας το τελευταίο _id που εμφανίστηκε για να ανακτήσετε την επόμενη σελίδα, αξιοποιώντας το index χωρίς να παραλείψετε) είναι πολύ πιο αποδοτική για μεγάλα σύνολα δεδομένων, μια πολύτιμη τεχνική απόδοσης.
Η γνώση ότι η ταξινόμηση σε indexed πεδία είναι αποδοτική ενώ μεγάλες μη-indexed ταξινομήσεις μπορεί να είναι αργές ή να αποτύχουν (όρια in-memory sort) είναι επίσης σημαντική — δημιουργήστε indexes για τα πεδία που ταξινομείτε.
Αφού η ταξινόμηση και η σελιδοποίηση απαιτούνται για σχεδόν οποιαδήποτε εμφάνιση δεδομένων, και αφού τις απαιτήσεις συνέπειας (ταξινόμηση για σταθερή σελιδοποίηση) και τα ζητήματα απόδοσης (skip vs range-based pagination, indexed sorts) επηρεάζουν άμεσα την ορθότητα και την ταχύτητα, η κατανόηση της ταξινόμησης και σελιδοποίησης του MongoDB — sort, offset pagination με skip/limit, η απαίτηση σταθερής ταξινόμησης, η αποδοτική range-based εναλλακτική, και η δημιουργία indexes σε πεδία ταξινόμησης — είναι απαραίτητη, συχνά εφαρμοζόμενη γνώση για την κατασκευή εφαρμογών που παρουσιάζουν MongoDB δεδομένα αποδοτικά και αποτελεσματικά.