რა არის aggregation pipeline?

Question

Accepted Answer

**aggregation pipeline** არის MongoDB-ის მძლავრი ფреიმვორკი **მონაცემების დამუშავებისა და ანალიზისთვის** — ის დოკუმენტებს გადააქვს **ეტაპების** თანმიმდევრობის მეშვეობით, სადაც თითოეული ეტაპი ტრანსფორმირებს მონაცემებს (ფილტრაცია, დაჯგუფება, გამოთვლა). ეს MongoDB-ის ექვივალენტია SQL-ის GROUP BY-ისა და რთული ანალიტიკური შეკითხვების, მაგრამ უფრო მოქნილი.

## pipeline კონცეფცია: ეტაპები ტრანსფორმირებენ მონაცემებს

```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
```

დოკუმენტები ედინებიან ეტაპებში თანმიმდევრობით — თითოეული ეტაპი ტრანსფორმირებს მათ და გადააქვს შედეგები შემდეგ ეტაპზე. ეს pipeline გამოთვლის მომხმარებელი-ის მიხედვით სულ, დახარისხებული, ტოპ 10 — ისევე, როგორც SQL GROUP BY შეკითხვა.

## საერთო pipeline ეტაპები

```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 — კოლექციების შეერთება

```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` აძლევს შესაძლებლობას შეერთებების (რომელიც MongoDB-ი სხვა შემთხვევაში ერიდება embedding-ის მეშვეობით) — სასარგებლო, როდესაც თქვენ უნდა დააკავშიროთ კოლექციები.

## $unwind — მასივების გაფართოება

```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
]);
```

## რატომ აქვს მნიშვნელობა

aggregation pipeline არის MongoDB-ის ერთ-ერთი ყველაზე მძლავრი და მნიშვნელოვანი ფუნქცია — ეს არის პირველადი ინსტრუმენტი **მონაცემების ანალიზის, რეპორტინგის და რთული ტრანსფორმაციებისთვის**, ამიტომ მისი გაგება აუცილებელია სერიოზული MongoDB მუშაობისთვის ძირითადი შეკითხვების ფარგლებს გამოსულ.

pipeline-ის **ეტაპ-ზე დაფუძნებული მოდელი** (დოკუმენტები მიედინება სიმბიოტური ტრანსფორმაციის ეტაპებში, თითოეული ფილტრაციის, დაჯგუფების, გადაყალიბების ან გამოთვლის შედეგი) კონცეპტუალურად ელეგანტური და აძლევს რთული მონაცემების დამუშავების შესაძლებლობას, რომელიც ხელმარტივი `find` შეკითხვები ვერ გაკეთდება — ეს MongoDB-ის ექვივალენტია SQL-ის GROUP BY-ისა და ანალიტიკური შეკითხვების, მაგრამ უფრო მოქნილი და კომპოზიციური.

საერთო ეტაპების გაგება — **`$match`** (ფილტრაციის, იდეალურად ადრე მონაცემების შესამცირებლად), **`$group`** (დაჯგუფება და აგრეგაცია `$sum`, `$avg` და ა.შ.-თან — ანალიტიკის ძირი), **`$sort`/`$limit`** (დახარისხება და გვერდების ნუმერაცია), **`$project`** (დოკუმენტების გადაყალიბება), **`$unwind`** (მასივების გაფართოება დოკუმენტებში — აქვს მნიშვნელობა მასივის მონაცემების ანალიზისთვის, ხშირი MongoDB-ში), და **`$lookup`** (კოლექციების შეერთება — აძლევს შეერთებებს, რომელიც MongoDB-ი სხვა შემთხვევაში ერიდება) — საკმარისია რეალური მონაცემების დამუშავების ინსტრუმენტარიუმისთვის.

pipeline იკმნება რეპორტინგით, ანალიტიკით, მონაცემების ტრანსფორმაციით და რთული შეკითხვებით (აგრეგაციები, შეერთებები, მასივის დამუშავება), რომელიც პროგრამის კერძო საჭიროებაა.

ვინაიდან მონაცემების ანალიზი და რთული გამოკითხვა მნიშვნელოვანი გამოყენება ნებისმიერი მონაცემთა ბაზის, და ვინაიდან aggregation pipeline არის MongoDB-ის მძლავრი, მოქნილი მექანიზმი მათ შესაზრის (კარგი მნიშვნელობით მხოლოდ ძირითადი CRUD-ის უკან), aggregation pipeline-ის გაგება — ეტაპის მოდელი და ძირითადი ეტაპები ($match, $group, $sort, $project, $unwind, $lookup) — აუცილებელი, ხშირად გამოყენებული MongoDB ცოდნა ანალიტიკის, რეპორტინგის და რთული მონაცემების ტრანსფორმაციის, MongoDB-ს მაღალი დონის უნარის ნიშანი და ერთ-ერთი ყველაზე მნიშვნელოვანი MongoDB თემა მონაცემთა ბაზის რეალური ანალიტიკური ღირებულების მისაღებად.