Conceptos de pipelines: etapas, operadores y expresiones

El pipeline de agregación es el motor de transformación de datos del lado del servidor de MongoDB. En lugar de recuperar documentos sin procesar y procesarlos en el código de la aplicación, usted define una secuencia de etapas que transforman el flujo de datos paso a paso —filtrando, cambiando la estructura, agrupando, calculando y ordenando—, todo dentro del motor de la base de datos. Esto mantiene los cálculos pesados cerca de los datos y reduce drásticamente la cantidad de información que se envía por la red.

Imagine el pipeline como una cinta transportadora: cada documento entra en la etapa 1, se transforma o se filtra, y los resultados pasan a la etapa 2, luego a la 3 y así sucesivamente. En cada etapa, el conjunto de documentos puede reducirse mediante un filtrado, ampliarse mediante $unwind o sustituirse por completo por resúmenes calculados mediante $group. Los documentos que no cumplen una condición de filtro se eliminan del pipeline y nunca llegan a las etapas posteriores.

El framework de agregación distingue dos tipos de operadores: los operadores de etapa, precedidos por $, que definen qué hace una etapa del pipeline, como $match, $group y $project; y los operadores de expresiones, también precedidos por $, que calculan valores dentro de una etapa, como $sum, $avg y $concat. Las etapas son los componentes básicos; las expresiones son los cálculos que se realizan dentro de ellas.

Dentro de las expresiones de agregación, una cadena precedida por $ es una referencia a un campo: hace referencia al valor de ese campo en el documento actual. Sin el prefijo, la cadena se trata como un valor literal. Esta distinción es crucial: '$price' significa «el valor del campo price», mientras que 'price' significa la cadena literal «price».

El pipeline de agregación proporciona variables del sistema precedidas por $$ que permiten acceder a valores especiales: $$ROOT hace referencia al documento actual completo, $$NOW es la fecha y hora actuales, útil en $project para campos calculados, $$CURRENT es el contexto actual de la ruta del campo del documento y $$REMOVE elimina condicionalmente un campo cuando se asigna como valor.

MongoDB proporciona decenas de etapas de pipeline. Las más importantes que debe conocer son: $match (filtrar documentos), $project (cambiar la estructura o calcular campos), $group (agrupar por clave), $sort (ordenar resultados), $limit y $skip (paginación), $lookup (combinar otra colección) y $unwind (aplanar arrays). Si domina estas etapas, podrá expresar casi cualquier consulta analítica.

El optimizador de consultas de MongoDB reordena automáticamente algunas etapas del pipeline para mejorar la eficiencia, por ejemplo, adelantando $match a $sort y $group cuando es posible. Sin embargo, usted debe colocar siempre $match lo antes posible: el filtrado temprano reduce el número de documentos que deben procesar las etapas posteriores y, si $match es la primera etapa, MongoDB puede utilizar un índice.

Las expresiones aritméticas permiten calcular nuevos valores a partir de campos existentes dentro de una etapa. Las más habituales son: $add, $subtract, $multiply, $divide, $mod y $abs. Estos operadores funcionan con referencias a campos, literales o el resultado de otras expresiones, lo que permite realizar cálculos complejos que antes requerían procesamiento en la aplicación.

Las expresiones condicionales permiten aplicar una lógica if/else dentro de las etapas de agregación. $cond evalúa una expresión booleana y devuelve uno de dos valores, como un operador ternario. $ifNull devuelve un valor alternativo cuando un campo es nulo o no existe. Son esenciales para gestionar campos opcionales y calcular categorías derivadas sin modificar los datos almacenados.

Los operadores de cadenas permiten manipular campos de texto dentro del pipeline: $concat une cadenas, $toUpper/$toLower cambian las mayúsculas y minúsculas, $trim/$ltrim/$rtrim eliminan espacios en blanco, $substr extrae una subcadena y $split divide usando un delimitador. Resultan útiles para normalizar datos durante la agregación sin necesidad de actualizar los documentos almacenados.

Los operadores de fecha extraen componentes de los campos de fecha para agrupar y calcular: $year, $month, $dayOfMonth, $hour, $minute, $dayOfWeek y $dateToString. Son indispensables para análisis de series temporales, como «total de pedidos por mes» o «ingresos medios por día de la semana».

En esta lección ha aprendido que las etapas del pipeline transforman secuencialmente un flujo de documentos, que los operadores de etapa definen lo que hace una etapa, mientras que los operadores de expresiones calculan valores dentro de las etapas, y que $ precede a las referencias a campos, mientras que $$ precede a las variables del sistema. A continuación nos centraremos en $match y $project, las herramientas principales para filtrar y cambiar la estructura de los datos.