Aggregation pipeline là gì?

Question

Accepted Answer

**Aggregation pipeline** là framework mạnh mẽ của MongoDB cho **xử lý và phân tích dữ liệu** — nó cho document đi qua một chuỗi các **stage**, mỗi stage biến đổi dữ liệu (lọc, nhóm, tính toán). Đây là tương đương của MongoDB với GROUP BY và các truy vấn phân tích phức tạp của SQL, nhưng linh hoạt hơn.

## Khái niệm pipeline: các stage biến đổi dữ liệu

```js
db.orders.aggregate([
  { $match: { status: "completed" } },          // 1. LỌC (như WHERE)
  { $group: {                                    // 2. NHÓM và tổng hợp
      _id: "$customerId",                         //    nhóm theo customerId
      total: { $sum: "$amount" },                 //    cộng amount cho mỗi khách
      count: { $sum: 1 }                          //    đếm đơn hàng
  }},
  { $sort: { total: -1 } },                       // 3. SẮP XẾP theo total
  { $limit: 10 }                                  // 4. top 10
]);
// document chảy qua mỗi stage; đầu ra của mỗi stage là đầu vào của stage tiếp
```

Document chảy qua các stage theo thứ tự — mỗi stage biến đổi chúng và truyền kết quả sang stage tiếp. Pipeline này tính tổng theo từng khách hàng, đã sắp xếp, top 10 — như một truy vấn GROUP BY của SQL.

## Các stage pipeline thường gặp

```text
$match    → lọc document (như WHERE) — đặt SỚM để giảm dữ liệu
$group    → nhóm theo khóa và tổng hợp ($sum, $avg, $max, $min, $push, v.v.)
$sort     → sắp xếp document
$project  → định hình lại document (bao gồm/loại trừ/tính toán field)
$limit / $skip → phân trang
$unwind   → tách một field mảng thành nhiều document (một cho mỗi phần tử)
$lookup   → JOIN với một collection khác
$addFields → thêm field tính toán
$count    → đếm document
```

## $lookup — join các collection

```js
// $lookup thực hiện một left-outer JOIN tới collection khác
db.orders.aggregate([
  { $lookup: {
      from: "customers",
      localField: "customerId",
      foreignField: "_id",
      as: "customer"           // dữ liệu customer được join thêm vào dưới dạng field mảng
  }}
]);
```

`$lookup` cho phép join (mà MongoDB nếu không thì tránh qua embedding) — hữu ích khi bạn cần kết hợp các collection.

## $unwind — mở rộng mảng

```js
// biến một document có mảng thành nhiều document (một cho mỗi phần tử mảng)
db.posts.aggregate([
  { $unwind: "$tags" },                           // một doc cho mỗi tag
  { $group: { _id: "$tags", count: { $sum: 1 } } } // đếm bài viết cho mỗi tag
]);
```

## Tại sao điều này quan trọng

Aggregation pipeline là một trong những tính năng mạnh mẽ và quan trọng nhất của MongoDB — nó là công cụ chính cho **phân tích dữ liệu, báo cáo, và biến đổi phức tạp**, nên hiểu nó là thiết yếu cho công việc MongoDB nghiêm túc vượt ra ngoài truy vấn cơ bản. **Mô hình dựa trên stage** của pipeline (document chảy qua các stage biến đổi tuần tự, mỗi stage lọc, nhóm, định hình lại, hoặc tính toán) thanh thoát về mặt khái niệm và cho phép xử lý dữ liệu tinh vi mà truy vấn `find` đơn giản không thể — nó là tương đương của MongoDB với GROUP BY và các truy vấn phân tích của SQL, nhưng linh hoạt và có thể kết hợp hơn.

Hiểu các stage thường gặp — **`$match`** (lọc, lý tưởng là sớm để giảm dữ liệu), **`$group`** (nhóm và tổng hợp với `$sum`, `$avg`, v.v. — cốt lõi của phân tích), **`$sort`/`$limit`** (sắp xếp và phân trang), **`$project`** (định hình lại document), **`$unwind`** (mở rộng mảng thành document — quan trọng để phân tích dữ liệu mảng, phổ biến trong MongoDB), và **`$lookup`** (join collection — cho phép các phép join mà MongoDB nếu không thì tránh) — bao quát bộ công cụ cho xử lý dữ liệu thực tế.

Pipeline xử lý báo cáo, phân tích, biến đổi dữ liệu, và truy vấn phức tạp (tổng hợp, join, xử lý mảng) vốn là nhu cầu phổ biến trong ứng dụng.

Vì phân tích dữ liệu và truy vấn phức tạp là những công dụng quan trọng của bất kỳ cơ sở dữ liệu nào, và vì aggregation pipeline là cơ chế mạnh mẽ, linh hoạt của MongoDB cho chúng (vượt xa CRUD cơ bản), nên hiểu aggregation pipeline — mô hình stage và các stage chính ($match, $group, $sort, $project, $unwind, $lookup) — là kiến thức MongoDB thiết yếu, thường xuyên áp dụng cho phân tích, báo cáo, và biến đổi dữ liệu phức tạp, một dấu ấn của kỹ năng MongoDB nâng cao và một trong những chủ đề MongoDB quan trọng nhất để khai thác giá trị phân tích thực sự từ cơ sở dữ liệu.