Aggregation pipeline คืออะไร?

Question

Accepted Answer

**Aggregation pipeline** คือ framework อันทรงพลังของ MongoDB สำหรับ **การประมวลผลและการวิเคราะห์ข้อมูล** โดยส่ง document ผ่านลำดับของ **stage** ซึ่งแต่ละ stage แปลงข้อมูล (กรอง จัดกลุ่ม คำนวณ) มันเทียบเท่า GROUP BY และ query เชิงวิเคราะห์ที่ซับซ้อนของ SQL แต่ยืดหยุ่นกว่า

## แนวคิด pipeline: stage แปลงข้อมูล

```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
```

Document ไหลผ่าน stage ตามลำดับ แต่ละ stage แปลงพวกมันและส่งผลลัพธ์ไปยัง stage ถัดไป pipeline นี้คำนวณยอดรวมต่อลูกค้า เรียงลำดับ และเลือก 10 อันดับแรก เหมือน query GROUP BY ของ SQL

## Pipeline stage ที่พบบ่อย

```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 — การ join collection

```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` ช่วยให้ทำ join ได้ (ซึ่ง MongoDB หลีกเลี่ยงผ่านการ embedding) มีประโยชน์เมื่อคุณต้องการรวม collection

## $unwind — ขยาย array

```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
]);
```

## ทำไมจึงสำคัญ

Aggregation pipeline เป็นหนึ่งในฟีเจอร์ที่ทรงพลังและสำคัญที่สุดของ MongoDB เป็นเครื่องมือหลักสำหรับ **การวิเคราะห์ข้อมูล การทำรายงาน และการแปลงข้อมูลที่ซับซ้อน** ดังนั้นการเข้าใจมันจึงจำเป็นสำหรับงาน MongoDB ที่จริงจังเกินกว่า query พื้นฐาน

โมเดล **แบบ stage** ของ pipeline (document ไหลผ่าน stage การแปลงตามลำดับ แต่ละ stage กรอง จัดกลุ่ม จัดรูปแบบใหม่ หรือคำนวณ) เป็นแนวคิดที่สวยงามและช่วยให้ประมวลผลข้อมูลที่ซับซ้อนซึ่ง query `find` แบบง่ายทำไม่ได้ มันเทียบเท่า GROUP BY และ query เชิงวิเคราะห์ของ SQL แต่ยืดหยุ่นและ composable กว่า

การเข้าใจ stage ที่พบบ่อย ได้แก่ **`$match`** (การกรอง ควรอยู่ต้น ๆ เพื่อลดข้อมูล), **`$group`** (การจัดกลุ่มและ aggregate ด้วย `$sum`, `$avg` ฯลฯ ซึ่งเป็นแกนของการวิเคราะห์), **`$sort`/`$limit`** (การเรียงลำดับและ pagination), **`$project`** (การจัดรูปแบบ document ใหม่), **`$unwind`** (การขยาย array เป็น document สำคัญสำหรับการวิเคราะห์ข้อมูล array ที่พบบ่อยใน MongoDB) และ **`$lookup`** (การ join collection ทำให้ทำ join ที่ MongoDB หลีกเลี่ยงได้) ครอบคลุมชุดเครื่องมือสำหรับการประมวลผลข้อมูลจริง

Pipeline จัดการการทำรายงาน การวิเคราะห์ การแปลงข้อมูล และ query ที่ซับซ้อน (aggregation, join, การประมวลผล array) ที่เป็นความต้องการที่พบบ่อยในแอปพลิเคชัน

เนื่องจากการวิเคราะห์ข้อมูลและการ query ที่ซับซ้อนเป็นการใช้งานที่สำคัญของฐานข้อมูลใด ๆ และเนื่องจาก aggregation pipeline เป็นกลไกที่ทรงพลังและยืดหยุ่นของ MongoDB สำหรับสิ่งเหล่านี้ (เกินกว่า CRUD พื้นฐานมาก) การเข้าใจ aggregation pipeline ทั้งโมเดล stage และ stage หลัก ($match, $group, $sort, $project, $unwind, $lookup) จึงเป็นความรู้ MongoDB ที่จำเป็นและใช้บ่อยสำหรับการวิเคราะห์ การทำรายงาน และการแปลงข้อมูลที่ซับซ้อน เป็นเครื่องหมายของทักษะ MongoDB ขั้นสูงและเป็นหนึ่งในหัวข้อ MongoDB ที่สำคัญที่สุดในการได้คุณค่าเชิงวิเคราะห์จริงจากฐานข้อมูล