MongoDB Thực Chiến — Schema Design & Aggregation
Nguyên tắc embedding vs referencing khi thiết kế document, aggregation pipeline, và indexing trong MongoDB.
MongoDB là document database phổ biến nhất, nhưng lỗi lớn nhất khi chuyển từ tư duy SQL sang là mang nguyên thói quen chuẩn hoá 3NF (Module 1) vào MongoDB — kết quả là 1 hệ thống chậm hơn cả PostgreSQL vì phải join thủ công ở tầng application cho từng document. Tư duy đúng cho document DB ngược lại với relational: tối ưu cho pattern đọc trước, chấp nhận trùng lặp có kiểm soát.
🎯 Mục tiêu học tập
- Áp dụng đúng nguyên tắc embedding vs referencing dựa trên pattern truy cập, không theo thói quen SQL
- Viết aggregation pipeline cho các bài toán tổng hợp/biến đổi dữ liệu phổ biến
- Thiết kế index phù hợp cho document, bao gồm index trên mảng và trường lồng nhau
- Nhận diện các anti-pattern schema thường gặp khi mới chuyển từ SQL sang MongoDB
Embedding vs Referencing — quyết định thiết kế quan trọng nhất
Nguyên tắc cốt lõi của MongoDB, ngược hẳn tư duy chuẩn hoá SQL: "Data that is accessed together should be stored together." Nếu 1 pattern đọc luôn cần dữ liệu con đi kèm dữ liệu cha (ví dụ đơn hàng và các dòng sản phẩm trong đơn), embed chúng vào cùng 1 document để đọc 1 lần duy nhất — không cần "JOIN". Chỉ reference (lưu ID, query riêng — giống khoá ngoại SQL) khi:
- Dữ liệu con quá lớn hoặc không giới hạn (ví dụ comment trên 1 bài viết có thể lên tới hàng chục nghìn — embed hết vào 1 document sẽ vi phạm giới hạn 16MB/document của MongoDB).
- Dữ liệu con được nhiều entity khác nhau tham chiếu và cần cập nhật đồng bộ ở 1 chỗ (ví dụ thông tin sản phẩm được tham chiếu từ nhiều đơn hàng — nếu embed, sửa tên sản phẩm phải sửa lại mọi đơn hàng cũ).
- Dữ liệu con được truy vấn độc lập thường xuyên, không phải lúc nào cũng đi kèm cha.
// Embedding — đơn hàng luôn đọc kèm order items, không giới hạn số lượng lớn
{
"_id": "order_123",
"customer_id": "cust_42",
"items": [
{ "product_id": "p1", "name": "Áo thun", "price": 150000, "qty": 2 },
{ "product_id": "p2", "name": "Quần jean", "price": 350000, "qty": 1 }
],
"total": 650000
}
Aggregation Pipeline — tương đương GROUP BY/JOIN của MongoDB
Aggregation pipeline xử lý document qua một chuỗi các bước (stage) tuần tự — mỗi stage nhận đầu ra của stage trước làm đầu vào, giống pipe trong Unix shell.
db.orders.aggregate([
{ $match: { status: "completed", created_at: { $gte: ISODate("2026-01-01") } } },
{ $unwind: "$items" },
{ $group: {
_id: "$items.product_id",
totalRevenue: { $sum: { $multiply: ["$items.price", "$items.qty"] } },
totalSold: { $sum: "$items.qty" }
}},
{ $sort: { totalRevenue: -1 } },
{ $limit: 10 }
])
Pipeline trên: lọc đơn hàng hoàn tất trong năm nay ($match), tách từng item trong mảng
thành 1 document riêng ($unwind), gộp theo sản phẩm và tính tổng doanh thu ($group),
sắp xếp và lấy top 10 — tương đương 1 câu SQL với JOIN + GROUP BY + ORDER BY + LIMIT. Luôn đặt
$match càng sớm càng tốt trong pipeline để giảm số document cần xử lý ở các stage sau.
Indexing trong MongoDB — bao gồm mảng và trường lồng nhau
// Index trên trường lồng nhau
db.orders.createIndex({ "customer.email": 1 })
// Index trên phần tử trong mảng (multikey index) — tự động khi index 1 trường là mảng
db.products.createIndex({ "tags": 1 })
// Compound index — cùng nguyên tắc leftmost prefix như B-Tree SQL (Module 3)
db.orders.createIndex({ "customer_id": 1, "created_at": -1 })
Luôn dùng .explain("executionStats") để kiểm tra 1 query có dùng đúng index hay đang
COLLSCAN (quét toàn bộ collection, tương đương Seq Scan trong SQL) — nguyên tắc chẩn đoán
giống hệt Module 3, chỉ khác cú pháp.
3 anti-pattern phổ biến khi mới chuyển từ SQL
- Chuẩn hoá quá mức: tách mọi thứ thành collection riêng và reference chằng chịt như thói quen 3NF — mất hết lợi thế đọc nhanh 1 lần của document model.
- Mảng không giới hạn tăng trưởng: embed 1 mảng có thể phình to vô hạn (ví dụ toàn bộ lịch sử hoạt động của user vào 1 document) — sớm muộn cũng chạm giới hạn 16MB và làm chậm mọi thao tác đọc/ghi document đó.
- Thiếu schema validation: MongoDB "schema-less" không có nghĩa là không nên ràng
buộc gì — dùng
$jsonSchemavalidation ở cấp collection để tránh dữ liệu rác tích luỹ dần theo thời gian khi nhiều phần code khác nhau ghi vào cùng 1 collection.
🏋️ Bài tập thực hành
Cho schema SQL chuẩn hoá: posts, comments, authors, tags (bảng trung gian post_tags). Thiết kế lại thành document model trong MongoDB — quyết định rõ trường nào embed, trường nào reference, giải thích lý do dựa trên pattern truy cập (trang xem 1 bài viết cần hiển thị: nội dung, tên tác giả, danh sách tag, và 20 comment mới nhất). Viết aggregation pipeline cho câu hỏi: "5 tác giả có tổng lượt comment nhiều nhất trong 30 ngày qua".
📚 Tài nguyên học tập
-
MongoDB — Data Modeling IntroductionTài liệu chính thức về embedding vs referencingDocs
-
MongoDB — Aggregation PipelineTài liệu chính thức đầy đủ về aggregationDocs
-
MongoDB — IndexesTài liệu chính thức về các loại index trong MongoDBDocs
✅ Tự đánh giá hoàn thành
- Quyết định đúng embedding vs referencing dựa trên pattern truy cập cho 1 bài toán cụ thể
- Viết được aggregation pipeline có $match, $unwind, $group, $sort
- Dùng explain() để xác nhận query dùng đúng index, không COLLSCAN
- Nhận diện được cả 3 anti-pattern phổ biến trong 1 schema có sẵn