Aggregation pipeline é SQL do MongoDB. Filtra, agrupa, transforma documentos. Processa bilhões de docs com performance.

CrazyStack8 de fevereiro de 202610 min de leituracompartilharX LinkedIn WhatsApp

Conceitos Principais

Array de stages. Cada stage transforma docs. $match → $group → $sort → $project. Output de um é input do próximo.

Filtra documentos. Equivalente a WHERE. Coloque early no pipeline. Usa índices.

Agrupa por field. Acumulators: $sum, $avg, $max, $min. Equivalente a GROUP BY.

JOIN entre collections. Left outer join. Pode ser lento se não otimizado.

Passo a Passo

Aggregation Básico: db.orders.aggregate([{ $match: { status: "completed" }}, { $group: { _id: "$product", total: { $sum: "$quantity" }}}, { $sort: { total: -1 }}, { $limit: 10 }]);
$lookup JOIN: db.orders.aggregate([{ $lookup: { from: "products", localField: "productId", foreignField: "_id", as: "product" }}, { $unwind: "$product" }]);
$project Shape: { $project: { _id: 0, userName: "$user.name", total: { $multiply: ["$price", "$quantity"] }}}. Seleciona e transforma fields.
Performance: $match e $sort early. Use índices. $lookup pode ser lento (denormalize se possível). $limit após $sort.
Node.js: const pipeline = [{ $match: {...}}, { $group: {...}}]; const results = await collection.aggregate(pipeline).toArray();

• $match early (usa índices)

• $project early (menos dados)

• Índices em $match e $sort fields

• Denormalize ao invés de $lookup quando possível

• allowDiskUse: true para datasets grandes

• Explain pipeline para otimizar

• $lookup sem índices (lento)

• $match depois de $group (processa tudo)

• Não usar $project (transfere dados desnecessários)

• Pipeline muito complexo (quebrar em etapas)

• Não testar performance