$push y $addToSet: creación de arrays en grupos

Al agrupar documentos, a veces querrá recopilar valores individuales de campos en una matriz en lugar de calcular un agregado numérico. MongoDB proporciona dos acumuladores para ello: $push y $addToSet. Ambos crean una matriz a partir de los documentos agrupados, pero se diferencian en cómo gestionan los valores duplicados. Estos acumuladores son esenciales para generar resultados desnormalizados o agrupados.

$push añade el valor de la expresión especificada a una matriz por cada documento del grupo. Conserva los duplicados: si varios documentos comparten el mismo valor, este aparecerá varias veces en la matriz resultante. El orden de los elementos de la matriz corresponde al orden en que se procesaron los documentos, que puede variar a menos que ordene los documentos antes de agruparlos.

$addToSet funciona como $push, salvo que elimina los duplicados: cada valor único se añade a la matriz una sola vez. La matriz resultante no contiene elementos repetidos, de forma similar a un conjunto matemático. El orden de los elementos de salida no está garantizado al usar $addToSet, por lo que no debe depender del orden de los elementos. Úselo cuando necesite una lista distinta de valores por grupo.

Puede usar $push con subdocumentos completos u objetos calculados, no solo con valores escalares. Al construir una expresión de objeto, puede recopilar varios campos de cada documento en un elemento de matriz estructurado. Esto resulta útil para crear registros de resumen que incorporen los detalles de cada documento contribuyente.

Dado que el orden de los elementos de una matriz creada con $push depende del orden de procesamiento de los documentos, debe añadir una etapa $sort antes de $group cuando sea importante mantener el orden de la matriz recopilada. Por ejemplo, para recopilar los pedidos en orden cronológico dentro de cada grupo de clientes, ordénelos primero por fecha. Tenga en cuenta que ordenar antes de $group impide que MongoDB use muchas optimizaciones de índices, por lo que debe valorar el impacto en el rendimiento.

Los documentos de MongoDB tienen un límite de tamaño de 16 MB. Al usar $push en una etapa $group, el documento resultante podría superar este límite si un grupo contiene muchos documentos o si cada valor añadido es grande. Esto genera un error en tiempo de ejecución, no un error de esquema. Para evitarlo, filtre los datos antes de agrupar, proyecte únicamente los campos necesarios en $push o use $limit combinado con $sort para añadir solo los elementos con mejor posición.

Un caso de uso clásico de $addToSet es agregar etiquetas o categorías únicas de los documentos de un grupo. Por ejemplo, encontrar todas las etiquetas de habilidades únicas de las ofertas de empleo de cada empresa, o todas las categorías de productos únicas que haya comprado cada cliente. La eliminación de duplicados se realiza completamente en el servidor, sin necesidad de filtrar a nivel de la aplicación.

Después de recopilar valores con $push o $addToSet, a menudo querrá saber cuántos elementos contiene la matriz. Use $size en una etapa posterior de $project o $addFields para calcular la longitud de la matriz. También puede filtrar grupos por el tamaño de la matriz usando $match con $expr y $size.

A veces necesita invertir un $push: tomar la matriz agrupada y volver a expandirla en documentos individuales para seguir procesándolos. La etapa $unwind hace exactamente eso. Un patrón habitual es: $group con $push para consolidar → $project para transformar → $unwind para expandir → otro $group o $match para refinar los resultados.

Un patrón habitual en producción consiste en crear un documento de resumen de actividad del usuario agrupando eventos de registro. Al usar $push y $addToSet conjuntamente, puede generar un documento que contenga todas las marcas de tiempo de los eventos (una matriz ordenada mediante $push), todas las páginas visitadas únicas (sin duplicados mediante $addToSet) y el recuento total de eventos, todo en una sola pasada de agregación.

Para elegir entre $push y $addToSet, pregúntese: ¿importan los duplicados? Use $push cuando necesite todos los valores, incluidos los repetidos (por ejemplo, un registro de eventos o el historial de compras). Use $addToSet cuando solo necesite valores distintos (por ejemplo, etiquetas únicas o páginas visitadas sin duplicados). Recuerde que $addToSet no garantiza ningún orden concreto de los elementos en el arreglo resultante, mientras que $push conserva el orden de inserción relativo a la entrada del pipeline.

En esta lección aprendió que: $push recopila todos los valores, incluidos los duplicados, en un arreglo, $addToSet recopila solo valores únicos sin garantizar el orden y ambos pueden insertar subdocumentos complejos y deben respetar el límite de tamaño de documento de 16 MB. A continuación, exploraremos los acumuladores $first, $last y $top/$bottom para seleccionar documentos individuales por grupo.