¿Qué es el pipeline de agregación?

Question

Accepted Answer

El **pipeline de agregación** es el marco poderoso de MongoDB para **procesamiento y análisis de datos** — pasa documentos a través de una secuencia de **etapas**, cada una transformando los datos (filtrando, agrupando, calculando). Es el equivalente de MongoDB a GROUP BY de SQL y consultas analíticas complejas, pero más flexible.

## Por qué es importante

```js
db.orders.aggregate([
  { $match: { status: "completed" } },          // 1. FILTER (like WHERE)
  { $group: {                                    // 2. GROUP and aggregate
      _id: "$customerId",                         //    group by customerId
      total: { $sum: "$amount" },                 //    sum amounts per customer
      count: { $sum: 1 }                          //    count orders
  }},
  { $sort: { total: -1 } },                       // 3. SORT by total
  { $limit: 10 }                                  // 4. top 10
]);
// documents flow through each stage; each stage's output feeds the next
```

Los documentos fluyen a través de las etapas en orden — cada etapa los transforma y pasa los resultados a la siguiente. Este pipeline calcula totales por cliente, ordenados, los 10 principales — como una consulta GROUP BY de SQL.

## Etapas comunes del pipeline

```text
$match    → filter documents (like WHERE) — put EARLY to reduce data
$group    → group by a key and aggregate ($sum, $avg, $max, $min, $push, etc.)
$sort     → order documents
$project  → reshape documents (include/exclude/compute fields)
$limit / $skip → pagination
$unwind   → deconstruct an array field into multiple documents (one per element)
$lookup   → JOIN with another collection
$addFields → add computed fields
$count    → count documents
```

## $lookup — uniendo colecciones

```js
// $lookup performs a left-outer JOIN to another collection
db.orders.aggregate([
  { $lookup: {
      from: "customers",
      localField: "customerId",
      foreignField: "_id",
      as: "customer"           // joined customer data added as an array field
  }}
]);
```

`$lookup` habilita uniones (que MongoDB de otro modo evita mediante incrustación) — útil cuando necesitas combinar colecciones.

## $unwind — expandir arrays

```js
// turn one document with an array into multiple documents (one per array element)
db.posts.aggregate([
  { $unwind: "$tags" },                           // one doc per tag
  { $group: { _id: "$tags", count: { $sum: 1 } } } // count posts per tag
]);
```

## Por qué es importante

El pipeline de agregación es una de las características más poderosas e importantes de MongoDB — es la herramienta principal para **análisis de datos, reportes y transformaciones complejas**, por lo que comprenderlo es esencial para un trabajo serio en MongoDB más allá de consultas básicas.

El **modelo basado en etapas** del pipeline (documentos fluyendo a través de etapas de transformación secuenciales, cada una filtrando, agrupando, remodelando o calculando) es conceptualmente elegante y permite el procesamiento sofisticado de datos que las consultas simples `find` no pueden hacer — es el equivalente de MongoDB a GROUP BY de SQL y consultas analíticas, pero más flexible y componible.

Comprender las etapas comunes — **`$match`** (filtrado, idealmente temprano para reducir datos), **`$group`** (agrupación y agregación con `$sum`, `$avg`, etc. — el núcleo del análisis), **`$sort`/`$limit`** (ordenamiento y paginación), **`$project`** (remodelación de documentos), **`$unwind`** (expansión de arrays en documentos — importante para analizar datos de arrays, común en MongoDB), y **`$lookup`** (unión de colecciones — habilitando las uniones que MongoDB de otro modo evita) — cubre el conjunto de herramientas para procesamiento real de datos.

El pipeline maneja reportes, análisis, transformación de datos y consultas complejas (agregaciones, uniones, procesamiento de arrays) que son necesidades comunes en aplicaciones.

Ya que el análisis de datos y las consultas complejas son usos importantes de cualquier base de datos, y ya que el pipeline de agregación es el mecanismo poderoso y flexible de MongoDB para ellos (yendo mucho más allá del CRUD básico), comprender el pipeline de agregación — el modelo de etapas y las etapas clave ($match, $group, $sort, $project, $unwind, $lookup) — es conocimiento esencial y frecuentemente aplicado de MongoDB para análisis, reportes y transformación compleja de datos, un sello de habilidad avanzada en MongoDB y uno de los temas más importantes de MongoDB para obtener valor analítico real de la base de datos.