MongoDB มีฟีเจอร์ aggregation ขั้นสูงอะไรบ้าง?

Question

Accepted Answer

นอกเหนือจาก stage พื้นฐาน aggregation framework ของ MongoDB มีฟีเจอร์ขั้นสูงที่ทรงพลัง — `$facet` (หลาย pipeline พร้อมกัน), `$bucket` (จัดกลุ่มเป็นช่วง), window function (`$setWindowFields`), `$graphLookup` (query แบบ recursive/graph) และอื่น ๆ — สำหรับการวิเคราะห์และประมวลผลข้อมูลที่ซับซ้อน

## $facet — หลาย pipeline ใน query เดียว

```js
// run MULTIPLE aggregations on the same data in one pass
db.products.aggregate([
  { $facet: {
      byCategory: [{ $group: { _id: "$category", count: { $sum: 1 } } }],
      priceStats: [{ $group: { _id: null, avg: { $avg: "$price" } } }],
      topRated:   [{ $sort: { rating: -1 } }, { $limit: 5 }]
  }}
]);
// → one query returns all three results (great for dashboards/faceted search)
```

`$facet` คำนวณ aggregation หลายชุดในรอบเดียว — เหมาะสำหรับ dashboard และ faceted search (เช่น จำนวน filter + ผลลัพธ์ + สถิติพร้อมกัน)

## $bucket / $bucketAuto — จัดกลุ่มเป็นช่วง

```js
// group documents into buckets by ranges (like a histogram)
db.products.aggregate([
  { $bucket: {
      groupBy: "$price",
      boundaries: [0, 50, 100, 500, 1000],   // price ranges
      default: "1000+",
      output: { count: { $sum: 1 } }
  }}
]);
```

## window function ($setWindowFields)

```js
// running totals, moving averages, rankings (like SQL window functions)
db.sales.aggregate([
  { $setWindowFields: {
      partitionBy: "$region",
      sortBy: { date: 1 },
      output: { runningTotal: { $sum: "$amount", window: { documents: ["unbounded", "current"] } } }
  }}
]);
```

`$setWindowFields` ให้ความสามารถแบบ window function (ผลรวมสะสม, ค่าเฉลี่ยเคลื่อนที่, การจัดอันดับ) — เทียบเท่ากับ window function ของ SQL ใน MongoDB

## $graphLookup — การ traversal แบบ recursive/graph

```js
// traverse hierarchical/graph relationships (e.g. an org chart, category tree)
db.employees.aggregate([
  { $graphLookup: {
      from: "employees", startWith: "$reportsTo",
      connectFromField: "reportsTo", connectToField: "_id",
      as: "managementChain"
  }}
]);
```

`$graphLookup` traverse ความสัมพันธ์แบบ recursive — สำหรับข้อมูลแบบลำดับชั้นและแบบ graph (คล้าย recursive CTE ใน SQL)

## ทำไมจึงสำคัญ

การเข้าใจฟีเจอร์ aggregation ขั้นสูงของ MongoDB เป็นความรู้ระดับ senior ที่มีคุณค่าสำหรับ **การวิเคราะห์และประมวลผลข้อมูลที่ซับซ้อน** ต่อยอดจาก aggregation pipeline พื้นฐาน

แม้ว่า stage พื้นฐานจะจัดการการวิเคราะห์ทั่วไปได้ แต่ฟีเจอร์ขั้นสูงเปิดความสามารถที่ทรงพลังและมีประโยชน์จริง: **`$facet`** (รัน aggregation หลายชุดในรอบเดียว — เหมาะสำหรับ dashboard และ faceted search ที่ต้องการจำนวน filter, ผลลัพธ์ และสถิติพร้อมกันอย่างมีประสิทธิภาพ เป็นความต้องการจริงที่พบบ่อย), **`$bucket`/`$bucketAuto`** (จัดกลุ่มเป็นช่วง/histogram — มีประโยชน์สำหรับการกระจายและการวิเคราะห์), **window function (`$setWindowFields`)** (ผลรวมสะสม, ค่าเฉลี่ยเคลื่อนที่, การจัดอันดับ — เทียบเท่า window function ของ SQL เปิดให้ทำการวิเคราะห์แบบ time-series และเชิงเปรียบเทียบที่การ group ธรรมดาทำไม่ได้) และ **`$graphLookup`** (การ traversal แบบ recursive ของความสัมพันธ์แบบลำดับชั้น/graph — เช่น org chart หรือ category tree คล้าย recursive CTE ใน SQL)

ฟีเจอร์เหล่านี้ช่วยให้ MongoDB จัดการความต้องการการวิเคราะห์และประมวลผลข้อมูลที่ซับซ้อนซึ่งมิฉะนั้นจะต้องดึงข้อมูลเข้าไปในโค้ดแอปพลิเคชันหรือระบบวิเคราะห์แยกต่างหาก

การเข้าใจมันสะท้อนถึงความสามารถ MongoDB ขั้นสูงและให้คุณใช้ประโยชน์จาก aggregation framework สำหรับความต้องการที่ซับซ้อน (dashboard, faceted search, การวิเคราะห์ time-series, ข้อมูลแบบลำดับชั้น) โดยตรงในฐานข้อมูล

เนื่องจากการวิเคราะห์และประมวลผลข้อมูลที่ซับซ้อนเป็นการใช้งาน MongoDB ที่มีคุณค่า และเนื่องจากฟีเจอร์ aggregation ขั้นสูง ($facet, $bucket, window function, $graphLookup) ให้วิธีการที่ทรงพลังและมีประสิทธิภาพในการจัดการความต้องการที่ซับซ้อน (faceted dashboard, การกระจาย, การคำนวณแบบสะสม, การ traverse graph) การเข้าใจ aggregation ขั้นสูงจึงเป็นความรู้ระดับ senior ที่มีคุณค่าซึ่งยกระดับการใช้ MongoDB จาก query พื้นฐานไปสู่การวิเคราะห์ในฐานข้อมูลที่ทรงพลัง เป็นเครื่องหมายของทักษะ MongoDB ขั้นสูงและเป็นหัวข้อที่เกี่ยวข้องสำหรับแอปพลิเคชันที่เน้นข้อมูลซึ่งต้องการการวิเคราะห์ที่ซับซ้อนโดยตรงใน MongoDB