$sort, $limit y $skip en el pipeline

Tres etapas del pipeline de agregación controlan el orden y el volumen de los resultados: $sort ordena los documentos por uno o varios campos, $limit toma solo los primeros N documentos y $skip descarta los primeros N documentos. Juntas permiten implementar la ordenación y la paginación. Entender dónde colocarlas en el pipeline tiene un gran impacto en el rendimiento.

La etapa $sort ordena los documentos según los valores de uno o varios campos. Use 1 para orden ascendente y -1 para orden descendente. Cuando se especifican varios campos, los documentos se ordenan primero por el primer campo, después por el segundo entre los que empatan, y así sucesivamente, exactamente igual que en la ordenación por varias claves de SQL o en find().sort() de MongoDB.

Cuando $sort es la primera etapa del pipeline (o aparece después de un $match que usa un índice), MongoDB puede usar un índice para realizar la ordenación y evitar por completo una ordenación en memoria. Cuando $sort aparece después de etapas que producen campos nuevos, como $group o $project, no hay ningún índice disponible y MongoDB realiza una ordenación en memoria. Las ordenaciones en memoria grandes (>100 MB) requieren allowDiskUse: true.

$limit solo pasa las primeras N documentos a las etapas siguientes y descarta el resto. Es sencillo: se pasa un entero que especifica el número máximo de documentos que pueden continuar. Colocar $limit antes de etapas costosas como $lookup reduce considerablemente el número de combinaciones o búsquedas realizadas. Pregúntese siempre: «¿Puedo limitar antes?»

$skip descarta los primeros N documentos del flujo. Es el equivalente en agregaciones de la paginación por desplazamiento: la página 2 comienza en skip 10 (suponiendo un límite de 10 por página). $skip siempre va después de $sort para producir resultados coherentes; omitir documentos sin ordenar genera páginas impredecibles. Al igual que SQL OFFSET, $skip es lento con desplazamientos grandes porque MongoDB debe procesar igualmente todos los documentos omitidos.

El optimizador de agregaciones de MongoDB detecta cuándo una etapa $sort va seguida inmediatamente de una etapa $limit y las combina en una ordenación de los N primeros elementos. En lugar de ordenar todos los documentos y descartar después la mayoría, MongoDB conserva únicamente los N candidatos principales en una cola de prioridad durante la ordenación, lo que utiliza O(N) de memoria en lugar de O(total). Esta optimización es automática: basta con escribir $sort seguido de $limit.

El optimizador de agregaciones también mueve automáticamente una etapa $match a una posición anterior del flujo cuando hacerlo es seguro. Por ejemplo, si $sort aparece antes de $match sobre un campo que $sort no calculó, el optimizador mueve $match antes de $sort para reducir el número de documentos que deben ordenarse. Puede observar los cambios del optimizador en el resultado de explain().

Un endpoint de API realista que enumera productos con filtros, ordenación y paginación combina $match, $sort, $skip y $limit en el orden correcto. El patrón es siempre: filtrar → ordenar → omitir → limitar. Este orden garantiza que MongoDB utilice índices tanto para filtrar como, cuando sea posible, para ordenar antes de descartar los documentos innecesarios.

El problema fundamental de $skip es que MongoDB aún debe procesar y descartar todos los documentos omitidos. En la página 1000, con 20 elementos por página, MongoDB descarta 19.980 documentos antes de devolver 20. El proceso se vuelve progresivamente más lento en las páginas más profundas. Para las API públicas de búsqueda o de feeds, cuyos usuarios rara vez pasan de la página 5-10, la paginación por desplazamiento es adecuada. Para una paginación profunda y de alta frecuencia, se necesita paginación por conjuntos de claves.

De forma predeterminada, una etapa $sort en memoria dentro del flujo de agregaciones está limitada a 100 MB. Si la ordenación supera este límite, el flujo falla con un error QueryExceededMemoryLimitNoDiskUseAllowed. Pase { allowDiskUse: true } como segundo argumento de aggregate() para permitir el uso del disco como memoria auxiliar. Como alternativa, aplique un $match al principio o utilice un índice adecuado para reducir el tamaño de entrada de la ordenación.

Un patrón habitual de las API es devolver tanto los resultados paginados como el recuento total en una sola ida y vuelta a la base de datos. Utilice $facet para dividir el flujo en dos ramas paralelas: una para los resultados de $skip/$limit y otra para $count. Esto evita dos llamadas de agregación independientes y es más eficiente que contar todos los documentos por separado.

En esta lección ha aprendido que $sort ordena los documentos y se beneficia del uso de índices cuando se coloca al principio; que $limit toma los primeros N documentos y se combina con $sort en una ordenación eficiente de los N primeros elementos; y que $skip implementa la paginación por desplazamiento, pero su rendimiento empeora con desplazamientos profundos. A continuación, exploraremos etapas avanzadas de agregación, incluida $lookup para combinar colecciones.