Conceitos de pipeline: etapas, operadores e expressões

O fluxo de agregação é o mecanismo de transformação de dados no servidor do MongoDB. Em vez de recuperar documentos brutos e processá-los no código da aplicação, você define uma sequência de estágios que transforma o fluxo de dados passo a passo — filtrando, remodelando, agrupando, calculando e ordenando — tudo dentro do mecanismo do banco de dados. Isso mantém os cálculos pesados próximos dos dados e reduz drasticamente o que é enviado pela rede.

Pense no fluxo como uma esteira transportadora: cada documento entra no estágio 1, é transformado (ou filtrado), e os resultados seguem para o estágio 2, depois para o estágio 3 e assim por diante. Em cada estágio, o conjunto de documentos pode diminuir (filtragem), aumentar (desmembramento) ou ser completamente substituído por resumos calculados (agrupamento). Os documentos que não atendem a uma condição de filtro são descartados do fluxo e nunca chegam aos estágios posteriores.

O conjunto de recursos de agregação distingue dois tipos de operadores: operadores de estágio (prefixados com $), que definem o que um estágio do fluxo faz — como $match, $group e $project —, e operadores de expressão (também prefixados com $), que calculam valores dentro de um estágio — como $sum, $avg e $concat. Os estágios são os blocos de construção; as expressões são os cálculos realizados dentro deles.

Dentro das expressões de agregação, uma cadeia de caracteres prefixada com $ é uma referência a um campo — ela se refere ao valor desse campo no documento atual. Sem o prefixo, a cadeia é tratada como um valor literal. Essa distinção é fundamental: '$price' significa “o valor do campo de preço”, enquanto 'price' significa a cadeia literal “price”.

O fluxo de agregação fornece variáveis do sistema prefixadas com $$, que dão acesso a valores especiais: $$ROOT se refere ao documento atual inteiro, $$NOW é a data e hora atuais (útil em $project para campos calculados), $$CURRENT é o contexto do caminho do campo do documento atual e $$REMOVE remove condicionalmente um campo quando é atribuído como valor.

O MongoDB fornece dezenas de estágios de fluxo. Os mais importantes são: $match (filtrar documentos), $project (remodelar ou calcular campos), $group (agrupar por chave), $sort (ordenar resultados), $limit e $skip (paginação), $lookup (combinar com outra coleção) e $unwind (nivelar matrizes). Dominando esses estágios, você poderá expressar praticamente qualquer consulta analítica.

O otimizador de consultas do MongoDB reordena automaticamente alguns estágios do fluxo para obter mais eficiência — por exemplo, movendo $match para antes de $sort e $group quando possível. No entanto, você deve sempre colocar $match o mais cedo possível: a filtragem antecipada reduz o número de documentos que os estágios seguintes precisam processar e, se $match for o primeiro estágio, o MongoDB poderá usar um índice para isso.

As expressões aritméticas permitem calcular novos valores a partir de campos existentes dentro de um estágio. As mais comuns são: $add, $subtract, $multiply, $divide, $mod e $abs. Esses operadores funcionam com referências de campos, literais ou o resultado de outras expressões, permitindo cálculos complexos que anteriormente exigiam processamento no lado da aplicação.

As expressões condicionais permitem usar uma lógica de if/else dentro dos estágios de agregação. $cond avalia uma expressão booleana e retorna um de dois valores, como um operador ternário. $ifNull retorna um valor alternativo quando um campo é nulo ou está ausente. Elas são essenciais para lidar com campos opcionais e calcular categorias derivadas sem modificar os dados armazenados.

Os operadores de strings permitem manipular campos de texto dentro do pipeline: $concat une strings, $toUpper/$toLower alteram maiúsculas e minúsculas, $trim/$ltrim/$rtrim removem espaços em branco, $substr extrai uma substring e $split divide pelo delimitador. Eles são úteis para normalizar dados durante a agregação sem precisar atualizar os documentos armazenados.

Os operadores de datas extraem componentes de campos de data para agrupamento e cálculos: $year, $month, $dayOfMonth, $hour, $minute, $dayOfWeek e $dateToString. Eles são indispensáveis para análises de séries temporais, como “total de pedidos por mês” ou “receita média por dia da semana”.

Nesta lição, você aprendeu que: os estágios do pipeline transformam sequencialmente um fluxo de documentos, os operadores de estágio definem o que um estágio faz, enquanto os operadores de expressão calculam valores dentro dos estágios; além disso, $ indica referências de campos, enquanto $$ indica variáveis do sistema. Em seguida, vamos nos concentrar em $match e $project, os principais estágios para filtrar e remodelar dados.