كيفية حساب قيمة الوسيط في MongoDB

تعتبر مقاييس النزعة المركزية حجر الزاوية في علم الإحصاء التطبيقي وتحليل البيانات الاستكشافي، حيث تقدم تلخيصاً مكثفاً وممثلاً للتوزيعات العددية المعقدة التي تتعامل معها الأنظمة البرمجية الحديثة. وفي سياق قواعد البيانات الموزعة غير العلاقية مثل MongoDB، تتجاوز معالجة هذه المقاييس مجرد استدعاء دوال رياضية بسيطة، لتصبح تحدياً هندسياً يرتبط بكفاءة استغلال موارد الخادم، وإدارة الذاكرة المؤقتة، وتحسين أداء الاستعلامات على مجموعات البيانات الضخمة (Big Data). وبينما يسهل حساب المتوسط الحسابي (Mean) عبر التجميع الخطي المباشر، يظل حساب “الوسيط الإحصائي” (Median) عملية حسابية تتطلب تقنيات فرز وإسناد موضعي تتفاوت في تعقيدها بحسب بنية البيانات وحجمها والإصدار المستخدم من محرك قاعدة البيانات.

يتناول هذا الدليل التخصصي الشامل كافة الجوانب النظرية والتطبيقية لحساب قيمة الوسيط في MongoDB، بدءاً من المعالجة الرياضية لمفهوم الوسيط ومقارنته بالمتوسطات الأخرى في بيئات التخزين غير المهيكلة، مروراً بالتقنيات التقليدية القائمة على مؤشرات الفرز والتخطي، وصولاً إلى أطر التجميع المتقدمة والمشغلات الإحصائية المدمجة حديثاً في محرك التخزين. كما يستعرض المقال أعمق تفاصيل تحسين الأداء، وإدارة الفهارس، والتعامل مع الأنظمة المقسمة أفقياً (Sharded Clusters)، مما يوفر لمهندسي البيانات ومطوري الواجهات الخلفية مرجعاً معمارياً متكاملاً لبناء استعلامات إحصائية عالية الدقة والسرعة دون استنزاف موارد النظام.

إن فهم الآليات التي يتبعها محرك WiredTiger في إدارة الذاكرة الوسيطة أثناء معالجة البيانات الترتيبية يمثل عاملاً حاسماً في المفاضلة بين الخوارزميات الحسابية المختلفة؛ لذا فإننا نغوص في ثنايا هذا المقال في تفاصيل خطط التنفيذ، وتحليل الاختناقات البرمجية، وتقديم أفضل الممارسات المتبعة في البيئات الإنتاجية الحساسة لزمن الاستجابة واستهلاك الموارد الحوسبية.

1. مقدمة نظرية وإحصائية لمفهوم الوسيط في بيئات قواعد البيانات

1.1 التعريف الرياضي والإحصائي لقيمة الوسيط

يُعرف الوسيط الإحصائي (Median) بأنه القيمة العددية التي تفصل النصف الأعلى من عينة البيانات أو التوزيع الاحتمالي عن النصف الأدنى، بحيث يقع 50% من المشاهدات تحت هذه القيمة و50% فوقها بعد ترتيب البيانات تصاعدياً أو تنازلياً. يكمن الفارق الجوهري بين الوسيط الإحصائي والمتوسط الحسابي (Arithmetic Mean) في أن المتوسط يعتمد على جمع كافة القيم وقسمتها على عددها الإجمالي، مما يجعله شديد الحساسية للتشتت والقيم الشاذة (Outliers) التي قد تشوه التمثيل الحقيقي للبيانات، في حين يعتمد الوسيط حصراً على الترتيب الموضعي للمفردات داخل المجموعة الإحصائية.

تتجلى قوة الوسيط ومقاومته العالية للانحرافات الشديدة في دراسات التوزيع غير المتماثل، مثل توزيع الرواتب، أو زمن استجابة الخوادم (Latency)، أو أسعار العقارات؛ ففي مثل هذه السيناريوهات، يمكن لعدد ضئيل جداً من القيم المرتفعة للغاية أن يسحب المتوسط الحسابي نحو الأعلى بشكل مضلل، بينما يظل الوسيط ثابتاً ومعبراً عن التجربة الواقعية لغالبية العناصر المدروسة. من هذا المنطلق، أصبح الوسيط المعيار الأساسي في هندسة الموثوقية وتحليل مقاييس الأداء السلوكية للأنظمة الموزعة، حيث يُعتمد عليه لتحديد المئين الخمسين (50th Percentile أو P50) لمراقبة جودة الخدمة ورصد التدهور في زمن معالجة الطلبات.

في البيئات الحوسبية وقواعد البيانات الحديثة، لا يعد الوسيط مجرد قيمة إحصائية وصفية، بل هو مؤشر تشغيلي يُبنى عليه اتخاذ القرارات المؤتمتة وأنظمة التنبيه المبكر. فعند مراقبة أداء المعالجات أو استهلاك سعة النطاق الترددي للشبكة، يوفر الوسيط صورة دقيقة للحالة المستقرة للنظام، متجاوزاً قمم الاستهلاك اللحظية العابرة الناتجة عن عمليات النسخ الاحتياطي أو المهام المجدولة، مما يمنع إطلاق تنبيهات خاطئة ويضمن موثوقية التحليلات في لوحات التحكم التنفيذية.

1.2 أهمية استخراج الوسيط مباشرة من محرك قاعدة البيانات

يمثل استخراج المؤشرات الإحصائية مباشرة من داخل محرك قاعدة البيانات استراتيجية معمارية محورية تهدف إلى الحد من نقل البيانات الضخمة عبر الشبكة (Network Overhead) بين خادم قاعدة البيانات وتطبيقات العميل. فعندما يضطر المطور إلى جلب ملايين السجلات إلى ذاكرة التطبيق لحساب الوسيط برمجياً، يترتب على ذلك استهلاك هائل للنطاق الترددي، وتزايد في زمن التأخير، فضلاً عن خطر استنزاف ذاكرة خوادم التطبيقات (Out of Memory Exceptions)، في حين أن تنفيذ العملية داخل المحرك يقتصر على إرجاع قيمة رقمية مفردة تمثل النتيجة النهائية.

علاوة على ذلك، يتيح حساب الوسيط محلياً الاستفادة القصوى من البنية التحتية المحسنة لمحرك MongoDB، بما في ذلك استغلال الفهارس الترتيبية (B-Tree Indexes) وقدرات المعالجة المتوازية داخل نوى المعالجة المركزية للخادم. يمتلك المحرك الداخلي لقاعدة البيانات وصولاً مباشراً إلى صفحات الذاكرة المؤقتة (WiredTiger Cache)، مما يمكنه من فرز وتحديد موقع القيمة الوسطى بسرعة تفوق بأميال قدرة طبقات البرمجيات الخارجية التي تعتمد على تحويل البيانات إلى كائنات وسيطة قبل معالجتها.

تسهم هذه المعالجة الداخلية أيضاً في تحسين زمن الاستجابة الكلي في التطبيقات التي تتطلب تحليلات حية ولوحات بيانات تفاعلية. فعند تقليل زمن معالجة الاستعلام وحصرها في نطاق محرك البيانات، يمكن للنظام خدمة آلاف الطلبات المتزامنة بكفاءة واستقرار، مع الحفاظ على اتساق المعايير التحليلية المطبقة عبر مختلف الأنظمة والخدمات المصغرة (Microservices) التي تستهلك قاعدة البيانات المشتركة دون الحاجة لإعادة كتابة منطق الحساب الإحصائي في كل لغة برمجة على حدة.

1.3 هيكلية البيانات غير العلاقية وتحديات المعالجة الترتيبية

تتميز قواعد البيانات غير العلاقية (NoSQL) ذات التوجه المستندي مثل MongoDB بمرونة بنيتها وغياب المخطط الصارم (Schema-less)، مما يتيح تخزين وثائق متنوعة الحقول والأنواع داخل المجموعة الواحدة. ومع ذلك، فإن هذه المرونة تفرض تحديات هيكلية معقدة عند محاولة إجراء حسابات ترتيبية مثل الوسيط؛ حيث إن الوثائق لا تُخزن بترتيب مسبق أو متسلسل داخل أقراص التخزين، بل تُسجل وفقاً لآليات إدارة المساحة التلقائية، مما يفرض على المحرك إجراء عمليات فرز صريحة ومكلفة قبل الوصول إلى القيمة المستهدفة.

تزداد هذه التحديات تعقيداً عند وجود تباين في أنواع البيانات (Mixed Data Types) داخل الحقل الرقمي المراد قياسه؛ إذ قد تحتوي بعض الوثائق على قيم نصية، أو مصفوفات، أو حقول مفقودة (Null/Missing Fields). في مثل هذه الحالات، تتبع MongoDB قواعد مقارنة وترتيب قياسية تُعرف بـ (BSON Comparison Order)، والتي قد تؤدي إلى نتائج إحصائية غير دقيقة إذا لم يتم تنظيف البيانات وتصفيتها مسبقاً لعزل الأرقام الحقيقية وتجنب تداخل الأنواع غير المتوافقة في الترتيب الموضعي.

بالإضافة إلى ذلك، تفرض الطبيعة الموزعة لقواعد البيانات غير العلاقية—والتي تعتمد على مجموعات النسخ المتماثلة (Replica Sets) والتجزئة الأفقية (Sharding)—تحديات تتعلق باتساق الترتيب عبر العقد المختلفة. فعندما تتوزع الوثائق على عدة خوادم، يصبح تحديد العنصر الأوسط إحصائياً مسألة تتطلب إما تجميع البيانات المركزية في عقدة توجيه موحدة أو تطبيق خوارزميات تقريبية قادرة على دمج التوزيعات الفرعية دون التضحية بالدقة أو إرهاق روابط الشبكة بين الخوادم.

2. التحديات الحسابية في حساب الوسيط مقارنة بالمتوسط الحسابي في MongoDB

2.1 التعقيد الحسابي لعمليات الفرز والتجميع

تختلف الطبيعة الخوارزمية لحساب الوسيط اختلافاً جذرياً عن حساب المتوسط الحسابي؛ فحساب المتوسط يندرج تحت فئة المشكلات ذات التعقيد الزمني الخطي O(N)، حيث يكفي المرور على عناصر المجموعة مرة واحدة لتراكم مجموع القيم وحساب عددها الإجمالي وتخزين متغيرين فقط في الذاكرة. في المقابل، يتطلب الحساب الدقيق للوسيط فرز المجموعة بالكامل، وهو ما يرفع التعقيد الخوارزمي إلى O(N log N) في أفضل خوارزميات الفرز المقارن، مما يفرض جهداً حوسبياً كبيراً على وحدات المعالجة المركزية ويزيد من زمن التنفيذ طردياً مع تضخم حجم البيانات.

يمتد هذا الفارق الحسابي إلى إدارة الذاكرة العشوائية (RAM)؛ فعملية التراكم الخاصة بالمتوسط تتطلب مساحة ذاكرة ثابتة O(1) لا تتأثر بعدد الوثائق، في حين أن فرز البيانات لتحديد الوسيط قد يستلزم الاحتفاظ بكافة المفاتيح والقيم في الذاكرة لتنفيذ خوارزميات مثل Quicksort أو Timsort. وفي حال غياب فهرس مخصص يدعم الترتيب المطلوب، يضطر محرك MongoDB إلى تخصيص مساحات ذاكرة مؤقتة هائلة لإتمام عملية الفرز في الذاكرة (In-Memory Sort).

ولمنع استنزاف موارد النظام وانهيار العمليات التزامنية، يفرض محرك MongoDB حداً صارماً على حجم الذاكرة المستهلكة في عمليات الفرز والتجميع غير المفهرسة، وهو حد افتراضي يبلغ 100 ميجابايت لمراحل التجميع (Aggregation Stages) في معظم الإصدارات، مع إمكانية استخدام خيار الكتابة المؤقتة على القرص (allowDiskUse). ورغم أن تفعيل التخزين المؤقت على القرص يمنع فشل الاستعلام، إلا أنه يتسبب في انخفاض حاد في سرعة المعالجة نتيجة الانتقال من سرعات الذاكرة الفائقة إلى سرعات القراءة والكتابة البطيئة على وحدات التخزين الفيزيائية.

2.2 التحديات المرتبطة بعدد العناصر الفردي والزوجي

تفرض الطبيعة المزدوجة لتعداد العينات الإحصائية تعقيداً منطقياً إضافياً عند كتابة استعلامات الوسيط؛ ففي المجموعات التي تحتوي على عدد فردي من العناصر (2k + 1)، يتميز الوسيط بوجود نقطة مركزية وحيدة تقع تماماً في الموقع (k + 1) بعد الفرز، ويمكن استخراجها بدقة عبر استعلام ترتيبي بسيط يعتمد على التخطي والاقتطاع. وتعتبر هذه الحالة مثالية وسهلة التطبيق برمجياً لأنها تشير إلى وثيقة فعلية قائمة بذاتها داخل قاعدة البيانات.

أما في المجموعات ذات التعداد الزوجي (2k)، فلا توجد وثيقة وسطية منفردة، بل يقع الوسيط الرياضي الدقيق في المنتصف بين العنصرين المركزيين الواقعين في الموقعين (k) و(k + 1). يتطلب الحساب الإحصائي السليم في هذه الحالة استخراج كلتا القيمتين، وجمعهما، ثم قسمة الناتج على اثنين للحصول على قيمة وسطية مركبة قد لا تكون موجودة أصلاً كقيمة فعلية في أي من وثائق المجموعة.

يخلق هذا التباين صعوبة تقنية عند محاولة كتابة استعلام موحد ومرن في MongoDB يمكنه التعامل تلقائياً مع الحالتين الفردية والزوجية دون تدخل يدوي من المطور. فالاستعلامات البسيطة ذات الخطوة الواحدة تفشل عادة في إجراء المعالجة الشرطية المتقدمة المطلوبة لاكتشاف زوجية العدد، مما يستدعي إما استخدام خطوط تجميع متقدمة قادرة على التفرع الشرطي أو الاعتماد على معالجة إضافية في طبقة التطبيق للتعامل مع النتيجة المسترجعة.

2.3 تأثير تحديثات البيانات المستمرة على دقة المؤشر

تعتبر دقة مؤشرات القراءة (Cursors) من أكثر المسائل حساسية عند حساب الوسيط في البيئات التشغيلية عالية الكثافة التحديثية (High-Write Workloads). فنظراً لأن العمليات التقليدية تتطلب استعلامين منفصلين—الأول لحساب العدد الإجمالي للوثائق عبر دالة العد، والثاني لتخطي نصف هذا العدد واسترجاع القيمة الوسطى—فإن أي عملية إدراج أو حذف تتم بين هاتين الخطوتين قد تؤدي إلى إزاحة مؤشر الموقع وتشويه دقة القيمة المستخرجة.

يرتبط هذا السلوك بمستويات اتساق القراءة وعزل المعاملات المتبعة في محرك WiredTiger؛ فعند الاعتماد على مستوى القراءة الافتراضي، قد تقرأ العمليات بيانات معدلة جزئياً أو تتأثر بحركات إعادة توازن الوثائق داخل صفحات الذاكرة. ولتفادي هذه الإزاحة الموضعية في الأنظمة المالية الحساسة، ينبغي للمهندسين استخدام مستويات اتساق قراءة صارمة مثل (Read Concern: “majority”) أو تضمين العمليتين داخل معاملة أحادية المعاملات (ACID Transaction) تضمن تجميد الحالة التوزيعية للبيانات حتى اكتمال القراءة.

علاوة على ذلك، فإن عمليات التحديث المتزامنة التي تعدل قيم الحقل المستهدف نفسه قد تؤدي إلى إعادة تموضع الوثائق داخل شجرة الفهرس (B-Tree) أثناء مسح المؤشر لها. هذا التغيير الديناميكي قد يتسبب في قراءة وثيقة معينة مرتين أو تخطي وثيقة أخرى عن غير قصد، مما يفرض ضرورة فهم عميق لآلية عمل مؤشرات الفرز وتأثير التحديثات المستمرة على موثوقية النتائج الإحصائية المستخلصة.

3. الطريقة الأساسية لحساب الوسيط باستخدام الفرز والتخطي (sort, skip, limit)

3.1 بنية الاستعلام القياسي وشرح مكوناته

تعتمد الطريقة الكلاسيكية والأكثر شيوعاً لحساب الوسيط في MongoDB على دمج ثلاث دوال برمجية أساسية ضمن واجهة الاستعلام القياسية: الفرز `sort()`، والتخطي `skip()`، وتحديد النطاق `limit()`. تبدأ العملية باستهداف المجموعة المطلوبة عبر الدالة الأساسية `find()`، مع إمكانية تمرير معايير ترشيح وتصفية لتحديد الشريحة المستهدفة من الوثائق قبل الشروع في الترتيب الموضعي.

تقوم الدالة `sort()` بترتيب الوثائق تصاعدياً بناءً على الحقل الرقمي المحدد، مما يعيد هيكلة تسلسل تدفق البيانات ليطابق المتطلب الإحصائي للوسيط. بعد ذلك، تأتي الدالة `skip()` لتتجاوز النصف الأول من السجلات المرتبة بدقة متناهية، بالاعتماد على قيمة محسوبة مسبقاً تمثل ناتج قسمة العدد الإجمالي للوثائق على اثنين. وأخيراً، تطبق الدالة `limit(1)` لاقتطاع أول وثيقة تظهر مباشرة بعد نقطة التخطي، وهي الوثيقة التي تمثل القيمة المركزية للتوزيع الإحصائي.

تتميز هذه البنية ببساطتها المفاهيمية ووضوحها الدلالي؛ إذ تعكس الخطوات الرياضية البديهية لحساب الوسيط اليدوي دون الحاجة إلى تشغيل محركات تجميع معقدة أو استخدام مشغلات حسابية خاصة. تتدفق البيانات عبر هذه المراحل بشكل تسلسلي، مما يسمح لمحرك الاستعلام بتطبيق تحسينات الوصول المباشر إذا كان الحقل المستهدف مفهرساً بالشكل المناسب داخل بنية قاعدة البيانات.

3.2 الصيغة التركيبية للأمر وشرح المعاملات

تتخذ الشفرة البرمجية القياسية لهذه التقنية عبر واجهة سطر أوامر MongoDB (mongosh) أو برمجيات الربط (Drivers) النسق التالي:

db.collection.find().sort({ fieldName: 1 }).skip(Math.floor(totalCount / 2)).limit(1)

يتطلب هذا الاستعلام تحديد معامل الفرز بالقيمة الرقمية الموجبة `1` لضمان الفرز التصاعدي الصارم من أصغر قيمة إلى أكبرها؛ حيث إن استخدام الفرز التنازلي (`-1`) دون تعديل معادلة التخطي سيؤدي إلى استخراج قيمة معكوسة قد لا تطابق الوسيط بدقة في المجموعات غير المتماثلة. كما يمثل المتغير `totalCount` إجمالي الوثائق المطابقة للاستعلام، والذي يتم الحصول عليه عادة عبر استدعاء دالة العد المسبقة مثل `countDocuments()`.

تعتبر دالة التقريب الرياضي للأدنى `Math.floor()` عنصراً حاسماً في حساب نقطة التخطي؛ ففي المجموعات ذات التعداد الفردي، تؤدي قسمة العدد الفردي (مثل 5) على 2 إلى كسر عشري (2.5)، ويتكفل التقريب للأدنى بتخطي أول وثيقتين بدقة والوقوف مباشرة عند الوثيقة الثالثة المستهدفة. أما في التعدادات الزوجية، فإن التخطي يقود إلى العنصر المركزي الثاني، وهو ما يعد تقريباً مقبولاً في العديد من الاستخدامات السريعة التي تتسامح مع الفروق الهامشية.

3.3 الاعتبارات المنطقية لاستخدام هذه الطريقة

تعد تقنية الفرز والتخطي خياراً ممتازاً ومثالياً للاستعلامات السريعة، وأثناء عمليات التطوير والاستكشاف الأولي للبيانات، وفي مجموعات البيانات ذات الأحجام الصغيرة إلى المتوسطة التي لا تتجاوز بضع مئات الآلاف من الوثائق. كما تفضل هذه الطريقة لسهولة كتابتها المباشرة عبر واجهات سطر الأوامر وأدوات الإدارة المرئية مثل MongoDB Compass دون الحاجة إلى بناء خطوط أنابيب تجميع مطولة.

ومع ذلك، يجب الانتباه إلى القيود الجوهرية لهذه التقنية؛ فهي تعتمد في أصلها على تقريب النقطة الوسطى في المجموعات الزوجية، ولا توفر حساباً رياضياً دقيقاً للمتوسط بين القيمتين المركزيتين ما لم يتم كتابة منطق إضافي. بالإضافة إلى ذلك، فإن استدعاء عمليتين منفصلتين (العد ثم الاستعلام) يفتح نافذة زمنية طفيفة لاحتمالية عدم اتساق البيانات في حال وجود عمليات كتابة وحذف مستمرة وعالية الوتيرة.

من الناحية المعمارية، تظل هذه الطريقة مقبولة جداً عندما تكون الحقول مفهرسة بشكل كامل، مما يتيح لمحرك التخزين التنقل السريع عبر شجرة الفهرس دون الحاجة لقراءة البيانات الفعلية من الأقراص، وهو ما يقلل من وطأة مشكلة الأداء التقليدية المصاحبة لدوال التخطي الكبيرة، ويجعلها حلاً برمجياً سريعاً وفعالاً للمهام اليومية غير المعقدة.

4. التطبيق العملي للتقنية الأساسية على مجموعات البيانات الفردية

4.1 إنشاء بيئة الاختبار وإدخال البيانات النموذجية

لتوضيح التطبيق العملي للتقنية الأساسية بدقة، نقوم بإنشاء مجموعة بيانات اختبارية تمثل أداء مجموعة من الفرق الرياضية باسم `teams`، وتحتوي كل وثيقة على اسم الفريق وحقل رقمي يمثل النقاط المسجلة `points`. لضمان دراسة الحالة الفردية، سنقوم بإدراج خمس وثائق رقمية متفاوتة القيم عبر تنفيذ أوامر الإدراج الفردية في واجهة سطر الأوامر.

يتم تنفيذ عمليات الإدخال كما يلي: يتم إدراج الوثيقة الأولى برقم تعريفي وبيانات الفريق “Alpha” برصيد 31 نقطة، ثم الفريق “Beta” برصيد 19 نقطة، يليه الفريق “Gamma” برصيد 26 نقطة، ثم الفريق “Delta” برصيد 33 نقطة، وأخيراً الفريق “Epsilon” برصيد 22 نقطة. تعكس هذه الأرقام العشوائية تبايناً غير مرتب يحاكي البيانات الحقيقية الواردة من الأنظمة التشغيلية الميدانية.

عقب إتمام عمليات الإدراج، يتم التحقق من سلامة البيانات ونوعية الحقول عبر استعلام فحص عام، والتأكد من أن جميع قيم النقاط قد خُزنت كأرقام صحيحة (Integers أو Doubles) لتجنب أخطاء الفرز المقارن بين الأنواع المختلفة. يضمن هذا الإجراء أن تكون البيئة الاختبارية مهيأة تماماً لعكس السلوك الحسابي الدقيق لمحرك الاستعلامات في MongoDB.

4.2 تنفيذ استعلام الوسيط وتحليل المخرجات البرمجية

لحساب وسيط النقاط في مجموعة `teams`، نبدأ بحساب عدد الوثائق الإجمالي، والذي يعيد القيمة 5. بتطبيق معادلة التخطي الرياضية: `Math.floor(5 / 2)` نحصل على القيمة 2. بناءً على ذلك، يتم صياغة وتنفيذ الاستعلام النهائي بالشكل التالي:

db.teams.find({}, { _id: 1, team: 1, points: 1 }).sort({ points: 1 }).skip(2).limit(1)

عند تنفيذ هذا الاستعلام، يبدأ المحرك بفرز الوثائق الخمس تصاعدياً استناداً إلى حقل `points`، ثم يتجاوز أول وثيقتين في الترتيب، ويقتطع الوثيقة الثالثة فوراً. تعيد قاعدة البيانات وثيقة وحيدة متكاملة تحتوي على المعرف الفريد `_id`، واسم الفريق “Gamma”، وحقل النقاط بالقيمة الرقمية `26`.

يوضح تحليل المخرجات البرمجية أن الاستعلام لم يكتفِ بإرجاع القيمة العددية المجردة للوسيط فحسب، بل استرجع الوثيقة الحاملة لتلك القيمة بكامل سياقها البياني. يعتبر هذا السلوك مفيداً للغاية في التطبيقات التي لا تسعى فقط لمعرفة الرقم، بل تحتاج إلى التعرف على الكيان أو المستخدم أو السجل المرتبط بتلك النقطة المركزية في التوزيع الإحصائي لدراسة حالته بالتفصيل.

4.3 التحقق اليدوي والمقارنة الرياضية للنتائج

لإثبات دقة النتيجة المستخرجة برمجياً ومطابقتها للمنهج الإحصائي الصارم، نقوم بإجراء التحقق اليدوي بترتيب القيم الخمس المدخلة تصاعدياً كالتالي: [19، 22، 26، 31، 33]. نلاحظ بوضوح أن هذه السلسلة العددية تتكون من خمسة عناصر (عدد فردي n = 5)، وتتحدد رتبة الوسيط رياضياً بالقانون: `(n + 1) / 2`، أي `(5 + 1) / 2 = 3`، مما يعني أن الوسيط هو القيمة المقابلة للرتبة الثالثة.

بالنظر إلى السلسلة المرتبة، نجد أن القيمة الواقعة في الموقع الثالث هي بالضبط `26`. يسبق هذه القيمة عنصران أصغر منها هما (19، 22)، ويليها عنصران أكبر منها هما (31، 33)، مما يحقق المفهوم النظري الدقيق للوسيط كمركز توازن عددي يقسم المجتمع الإحصائي إلى نصفين متساويين تماماً بنسبة 50% لكل جانب.

يثبت هذا التطابق الحسابي صحة وموثوقية طريقة `sort/skip/limit` في التعامل مع مجموعات البيانات ذات الأعداد الفردية، ويؤكد أن التقريب الرياضي للأدنى في معادلة التخطي يقود المحرك بدقة بالغة إلى الموقع المركزي الصحيح دون أي انحراف أو خطأ إحصائي، مما يجعلها أداة فعالة ومضمونة النتائج في مثل هذه الحالات.

5. التعامل مع مجموعات البيانات ذات العدد الزوجي من الوثائق

5.1 المشكلة الرياضية في المجموعات الزوجية

تنشأ المعضلة الرياضية في مجموعات البيانات ذات التعداد الزوجي من استحالة وجود عنصر وسطي فيزيائي منفرد يقسم المجموعة بالتساوي؛ فعندما يكون عدد الوثائق (n) زوجياً، فإن قسمة العدد على 2 تعطي مؤشرين مركزيين متجاورين يقعان في الموقعين `(n / 2)` و `(n / 2) + 1`. على سبيل المثال، في مجموعة تحتوي على 6 عناصر، تقع القيمتان المركزيتان في الموقعين الثالث والرابع.

ينص التعريف الإحصائي القياسي على أن وسيط المجموعة الزوجية هو المتوسط الحسابي الحقيقي لهاتين القيمتين المركزيتين: `(Value_k + Value_k+1) / 2`. وبالتالي، فإن تطبيق الاستعلام البسيط المعتمد على `limit(1)` يعاني من قصور بنيوي؛ لأنه سيقتطع إحدى هاتين القيمتين فقط (إما القيمة الصغرى أو الكبرى بينهما بناءً على معادلة التخطي المستخدمة)، متجاهلاً القيمة الأخرى بالكامل، وهو ما يولد خطأً إحصائياً وتشوهاً في دقة التحليل.

تزداد فجوة هذا الخطأ اتساعاً في التوزيعات المتباعدة أو المتقطعة التي تشهد قفزات مفاجئة بين القيمتين المركزيتين؛ فإذا كانت القيمة الأولى 10 والقيمة الثانية 100، فإن الوسيط الحقيقي هو 55، بينما سيعيد الاستعلام البسيط إما 10 أو 100، وهي نتائج مضللة تماماً ولا تعبر عن المركز الإحصائي للمجموعة، مما يفرض استخدام تقنيات أكثر تقدماً لمعالجة الحالات الزوجية.

5.2 استرجاع القيمتين المركزيتين باستخدام limit(2)

لمعالجة هذا القصور دون اللجوء إلى خطوط تجميع معقدة، يمكن تعديل استراتيجية الاستعلام الأساسية لاسترجاع القيمتين المركزيتين معاً في طلب واحد، ومن ثم حساب المتوسط بينهما عبر لغة البرمجة في طبقة التطبيق (Client-Side Processing). لتحقيق ذلك، يتم تعديل معادلة التخطي لتبدأ من العنصر المركزي الأول عبر الصيغة: `(totalCount / 2) – 1` مع ضبط الاقتطاع على `limit(2)`.

إذا كان لدينا مجموعة مكونة من 6 وثائق مرتبة تصاعدياً، فإن معادلة التخطي `(6 / 2) – 1` ستتجاوز أول وثيقتين، ثم يقوم المشغل `limit(2)` بجلب الوثيقتين الثالثة والرابعة معاً في مصفوفة النتائج. بعد استلام الوثيقتين من قبل محرك التطبيق (مثل بيئة Node.js أو Python)، يتم استخراج القيمتين الرقميتين وتطبيق معادلة الجمع والقسمة على 2 برمجياً لاستخراج الوسيط الحقيقي بدقة تامة.

تعتبر هذه الطريقة الهجينة حلاً عملياً وفعالاً يجمع بين خفة وسرعة استعلامات المؤشرات القياسية في MongoDB وبين المرونة الحسابية لبيئات التطوير الخارجية. كما أنها تحافظ على كفاءة استهلاك موارد الشبكة والذاكرة؛ إذ يقتصر النقل على وثيقتين فقط بغض النظر عن الحجم الكلي للمجموعة الإحصائية، مما يجعلها خياراً واسع الانتشار بين المطورين.

5.3 تنفيذ الحل داخل قاعدة البيانات عبر تعبيرات التجميع

بالنسبة للأنظمة التي تفضل حصر العمليات الحسابية بالكامل داخل محرك قاعدة البيانات وإرجاع قيمة رقمية نهائية جاهزة، يمكن توظيف أطر التجميع المتقدمة (Aggregation Pipeline) باستخدام مشغلات المصفوفات والتعبيرات الرياضية المدمجة. يبدأ هذا المسار بفرز البيانات وتجميع الحقول المطلوبة داخل مصفوفة موحدة مرتبة باستخدام المشغل `$push` داخل مرحلة `$group`.

عقب بناء المصفوفة، يتم استخدام المشغل التعبيري `$slice` لاقتطاع العنصرين الواقعين في المنتصف بدقة عبر حساب مواقعهما ديناميكياً استناداً إلى طول المصفوفة الكلي المستخرج بواسطة المشغل `$size`. يتم تمرير مصفوفة العنصرين المقتطعين مباشرة إلى مشغل حساب المتوسط الحسابي `$avg`، والذي يتولى جمعهما وقسمتهما على اثنين آلياً ضمن نفس خط الأنابيب.

يتميز هذا النهج بإرجاع قيمة الوسيط كرقم عشري دقيق يمثل النتيجة الرياضية الفعلية مباشرة من الخادم إلى العميل دون الحاجة لأي معالجة لاحقة. ومع ذلك، تجدر الإشارة إلى أن هذه الطريقة تناسب المجموعات الصغيرة والمتوسطة الحجم، نظراً لأن تجميع وثائق ضخمة في مصفوفة واحدة داخل مرحلة التجميع قد يصطدم بالحد الأقصى لحجم وثيقة BSON البالغ 16 ميجابايت ما لم يتم اتخاذ تدابير تجزئة إضافية.

6. حساب الوسيط عبر أطر التجميع المتقدمة (Aggregation Pipeline)

6.1 بناء خط أنابيب التجميع باستخدام مرحلة $group ومصفوفات الدفع

يوفر إطار أنابيب التجميع (Aggregation Pipeline) في MongoDB مرونة استثنائية لمعالجة البيانات الإحصائية المعقدة عبر مراحل متسلسلة تنقل الوثائق من شكلها الخام إلى نتائج مجمعة ونهائية. لبناء خط أنابيب قادر على حساب الوسيط بصورة مستقلة، تبدأ المرحلة الأولى بتطبيق المشغل `$sort` لترتيب الوثائق تصاعدياً بناءً على الحقل الرقمي المستهدف، وهو ما يضمن دخول البيانات إلى المراحل اللاحقة وهي مرتبة ترتيباً خطياً دقيقاً.

تلي ذلك مرحلة التجميع `$group` مع تعيين المعرف الخاص `_id: null` لدمج كافة وثائق المجموعة في سياق تجميعي واحد غير مصنف. داخل هذه المرحلة، يُستخدم مشغل الدفع `$push` لتجميع قيم الحقل الرقمي المرتبة في مصفوفة أحادية شاملة، مع إمكانية استخدام المشغل `$sum: 1` في نفس المرحلة لحساب التعداد الكلي للوثائق والاحتفاظ به كحقل مرافق يحدد أبعاد المصفوفة الإحصائية.

تتيح هذه البنية لخط الأنابيب الحصول على نظرة شمولية لهيكل التوزيع الإحصائي داخل وثيقة تجميعية واحدة تحتوي على كامل البيانات المرتبة وطولها العددي. من خلال هذه المصفوفة، تصبح كافة العمليات التموضعية والحسابية ممكنة في المراحل اللاحقة عبر تطبيق دوال المصفوفات الرياضية لتحديد مواقع العناصر المركزية بدقة متناهية ودون الاعتماد على مؤشرات خارجية.

6.2 استخراج العناصر وحساب الوسيط ديناميكياً باستخدام $facet

تعتبر مرحلة التفرع متعدد المسارات `$facet` من أقوى الأدوات لمعالجة حساب الوسيط ديناميكياً؛ حيث تسمح بتشغيل عدة خطوط أنابيب فرعية متوازية على نفس تدفق البيانات الواردة. يمكن تخصيص مسار فرعي لحساب التعداد الإجمالي للوثائق عبر المشغل `$count`، بينما يقوم مسار فرعي موازٍ بفرز الوثائق والاحتفاظ بها، مما يمنع تعارض عمليات العد والترتيب ويوفر كافة المتغيرات الحسابية في نقطة التقاء موحدة.

عقب انتهاء مرحلة التفرع، يتم دمج المسارات واستخدام مشغلات الإسناد مثل `$project` أو `$set` بالتزامن مع مشغل استخراج عناصر المصفوفات `$arrayElemAt`. تُحسب المؤشرات المركزية عبر عمليات القسمة والتقريب، ثم يتم توظيف المشغل الشرطي `$cond` للتحقق التلقائي مما إذا كان طول المصفوفة فردياً أو زوجياً؛ فإذا كان العدد فردياً، يستخرج المشغل القيمة الواقعة في الموقع المركزي الفردي، وإذا كان زوجياً، يستخرج القيمتين المركزيتين ويطبق عليهما مشغل المتوسط `$avg`.

يحقق هذا الأسلوب الاستقلالية البرمجية التامة للاستعلام؛ حيث يتعامل خط الأنابيب الواحد بذكاء وديناميكية مع كافة أحجام البيانات والتوزيعات سواء كانت فردية أو زوجية دون الحاجة لتغيير كود الاستعلام أو معرفة مسبقة بعدد الوثائق. تضمن هذه الديناميكية موثوقية عالية في بيئات الإنتاج التي تشهد نمواً وتغيراً مستمراً في حجم البيانات المخزنة.

6.3 إيجابيات وسلبيات استخدام أطر التجميع التقليدية

تتمثل الميزة الكبرى لاستخدام أطر التجميع التقليدية في قدرتها الفائقة على الاندماج والتركيب (Composability) ضمن سلاسل معالجة بيانات أوسع نطاقاً؛ إذ يمكن للمطورين بسهولة دمج مرحلة حساب الوسيط بعد مراحل التصفية المعقدة `$match`، أو تطبيق تحويلات جغرافية وحسابية سابقة، بالإضافة إلى إمكانية حساب وسائط متعددة لحقول مختلفة في نفس الاستعلام التجميعي وتنسيق شكل المخرجات النهائية لتلائم متطلبات واجهات برمجة التطبيقات (APIs).

في المقابل، تفرض هذه الطريقة قيوداً وتحديات جوهرية ترتبط بالأداء وإدارة الموارد في بيئات البيانات الضخمة (Big Data). يتمثل العائق الأبرز في قيد حجم الوثيقة BSON المحدد بـ 16 ميجابايت؛ فعند دفع ملايين القيم الرقمية داخل مصفوفة واحدة عبر المشغل `$push`، قد يتجاوز حجم الوثيقة المجمعة هذا الحد الصارم مما يتسبب في فشل الاستعلام بشكل مفاجئ وانهيار العملية التحليلية.

علاوة على ذلك، يستهلك بناء المصفوفات الضخمة وفرزها داخل أنابيب التجميع مقادير كبيرة من الذاكرة المؤقتة العشوائية، مما يضغط على محرك WiredTiger وقد يضطره إلى تفعيل التخزين المؤقت على القرص مع انخفاض ملحوظ في سرعة المعالجة وزيادة زمن التأخير. لذلك، يُنصح بحصر استخدام هذه الطريقة التقليدية في المجموعات المحدودة أو تطبيقها بعد مراحل تصفية دقيقة تقلص حجم البيانات المستهدفة إلى مستويات آمنة.

7. استخدام المشغلات الإحصائية المدمجة ($percentile و$median في الإصدارات الحديثة)

7.1 ظهور المشغل $median في تحديثات MongoDB الحديثة

استجابة للطلب المتزايد من مجتمع مطوري ومهندسي البيانات لتوفير أدوات إحصائية مدمجة وعالية الأداء، قدمت MongoDB بدءاً من الإصدارات الحديثة (MongoDB 7.0 وما تلاها) مشغلات تراكم إحصائي متخصصة ومحسنة على مستوى النواة، وكان أبرزها المشغل المباشر `$median`. يمثل هذا المشغل نقلة نوعية تنهي حقبة الاستعلامات الالتفافية المعقدة وتقنيات الفرز والتخطي اليدوية التي طالما اعتمد عليها المطورون في الإصدارات السابقة.

يعمل المشغل `$median` كمشغل تراكمي (Accumulator) يمكن استخدامه بسلاسة داخل مراحل التجميع الأساسية مثل `$group` للتجميع الفئوي، أو داخل مرحلة تحليلات النوافذ `$setWindowFields`. يتميز المشغل بتركيب نحوي مبسط ومباشر يحدد الحقل المستهدف وطريقة الحساب المطلوبة كما في الصيغة القياسية التالية:

{ $median: { input: “$points”, method: “approximate” } }

يتميز هذا المشغل بقدرته على معالجة البيانات بكفاءة عالية على مستوى محرك التخزين الداخلي دون الحاجة إلى تجميع الوثائق في مصفوفات وسيطة ضخمة تلتهم الذاكرة. يتولى المحرك إدارة العمليات الحسابية وتحديد النقطة الوسطى للتوزيع الإحصائي بأقل استهلاك ممكن للموارد، مما يجعله المعيار الذهبي الموصى به رسمياً لكافة التطبيقات الحديثة التي تعمل على إصدارات تدعم هذه الميزة.

7.2 استخدام المشغل $percentile لحساب الوسيط والمئينيات

بالتوازي مع طرح مشغل الوسيط المخصص، قدمت MongoDB المشغل الإحصائي الأكثر شمولاً `$percentile`، والذي يتيح حساب الوسيط الإحصائي من منظوره الرياضي الأوسع باعتباره المئين الخمسين (50th Percentile أو P50). يسمح هذا المشغل للمحللين باستخراج مصفوفة متكاملة من المؤشرات الإحصائية في خطوة حسابية موحدة، مما يوفر فهماً شاملاً لشكل المنحنى التوزيعي للبيانات.

يتم استدعاء المشغل عبر تحديد حقل الإدخال وتمرير قائمة المئينيات المطلوبة بين الصفر والواحد الصحيح، حيث يمثل الكسر `0.5` القيمة الوسيطية تماماً، كما هو موضح في البنية التركيبية:

{ $percentile: { input: “$points”, p: [0.25, 0.5, 0.75], method: “approximate” } }

تفتح هذه الصيغة آفاقاً واسعة للتحليل المتقدم؛ إذ تتيح استخراج الربيع الأدنى (Q1 أو 25th Percentile) والوسيط (Median) والربيع الأعلى (Q3 أو 75th Percentile) معاً، مما يسهل حساب المدى الربيعي (IQR) وتحديد القيم الشاذة والمتطرفة بدقة استثنائية. يسهم تنفيذ هذه الحسابات المركبة دفعة واحدة في تقليل عدد مرات مسح البيانات والفهارس، مما يرفع الكفاءة التشغيلية الإجمالية لقاعدة البيانات مقارنة بإجراء استعلامات منفصلة لكل مؤشر إحصائي على حدة.

7.3 مقارنة دقة الخوارزميات: الحساب الدقيق مقابل الخوارزميات التقريبية

تعتمد المشغلات الإحصائية المدمجة حديثاً في MongoDB على خوارزميات تقريبية متطورة للغاية، وأبرزها خوارزمية T-Digest المعتمدة في خيار الحساب `method: “approximate”`. تم تصميم هذه الخوارزمية الرياضية خصيصاً لتقدير المئينيات والوسائط على تدفقات البيانات الضخمة (Streaming Data) والموزعة، مع الحفاظ على دقة بالغة عند الأطراف والمراكز الإحصائية مع استهلاك ذاكرة ثابت وصغير جداً مهما بلغ حجم المجموعة.

يتميز الحساب التقريبي المبني على خوارزمية T-Digest بتقديم نسبة خطأ إحصائي ضئيلة جداً لا تتجاوز كسوراً مئوية طفيفة (غالباً أقل من 0.5% إلى 1%)، وهي نسبة مقبولة تماماً بل ومثالية في معظم التطبيقات الهندسية، وتحليلات البيانات السلوكية، ومراقبة أداء الأنظمة واسعة النطاق؛ حيث تكون السرعة وخفة استهلاك الذاكرة هما العامل الحاسم، وتصبح التضحية بجزء ضئيل جداً من الدقة صفقة تقنية رابحة تمنع بطء النظام أو انهيار الخوادم.

في المقابل، تظل هناك سيناريوهات تتطلب دقة مطلقة وحساباً دقيقاً بنسبة 100% لا يقبل أي هامش خطأ، كما هو الحال في الأنظمة المصرفية، والحسابات المالية الختامية، ومراجعات التدقيق القانوني. في مثل هذه البيئات الصارمة، يتعين على المهندسين الموازنة بين استخدام الطرق الترتيبية الدقيقة التي تضمن الوصول الفيزيائي للنقطة المركزية، وبين استخدام المشغلات الإحصائية الحديثة، مع توجيه الموارد الاستيعابية للخادم لتحمل أعباء المعالجة الدقيقة المطلوبة.

8. تحسين الأداء والفهرسة لحساب الوسيط في مجموعات البيانات الضخمة

8.1 أهمية الفهارس الأحادية والمركبة في تسريع عمليات الفرز

تمثل الفهارس (Indexes) شريان الحياة الرئيسي لتحقيق أداء عالي السرعة وثابت عند حساب الوسيط على مجموعات البيانات الضخمة؛ فبدون وجود فهرس مناسب، يضطر محرك MongoDB إلى إجراء مسح كلي للمجموعة (Collection Scan أو COLLSCAN)، وقراءة كافة الوثائق من القرص إلى الذاكرة لفرزها يدوياً، وهو ما يؤدي إلى تدهور حاد في زمن الاستجابة واستهلاك مفرط لموارد المعالج عند تجاوز حجم البيانات للذاكرة المتاحة.

يؤدي إنشاء فهرس أحادي تصاعدي على الحقل الرقمي المستهدف—مثل `db.teams.createIndex({ points: 1 })`—إلى تنظيم مفاتيح البيانات مسبقاً داخل بنية شجرة B-Tree متوازنة على القرص وفي ذاكرة WiredTiger المؤقتة. يتيح هذا التنظيم لمحرك قاعدة البيانات تنفيذ استعلام الفرز كمسح فهرسي مباشر (Index Scan أو IXSCAN)، حيث يتنقل المؤشر عبر عقد الشجرة الجاهزة والبدء في استخراج البيانات فوراً دون الحاجة لأي عمليات فرز إضافية في الذاكرة (In-Memory Sort).

تتعاظم مكاسب الأداء عند استخدام “الفهارس المغطاة” (Covered Queries)، والتي تتحقق عندما يشتمل الفهرس على كافة الحقول المطلوبة في التصفية والفرز والإرجاع مع استبعاد حقل المعرف `_id` غير المفهرس في الاستعلامات المركبة. في هذه الحالة المثالية، يستخرج المحرك قيمة الوسيط مباشرة من بنية الفهرس المقيمة في الذاكرة دون الحاجة مطلقاً لقراءة وثائق البيانات الأصلية من القرص، مما يقفز بسرعة التنفيذ إلى أعلى مستوياتها الممكنة.

8.2 مشكلة الأداء المرتبطة بالمعامل skip() وكيفية معالجتها

على الرغم من بساطة استخدام المعامل `skip()` في استخراج الوسيط، إلا أنه يعاني من مشكلة أداء هيكلية متأصلة عند التعامل مع قيم تخطي مليونية؛ فالمحرك لا يستطيع القفز المباشر والفوري إلى المؤشر المطلوب داخل شجرة B-Tree، بل يتعين عليه المرور التسلسلي على كافة المفاتيح السابقة وتجاهلها واحداً تلو الآخر حتى الوصول إلى نقطة البداية المحددة، مما يجعل التعقيد الزمني للتخطي خطياً O(K) بالنسبة لقيمة التخطي K.

تتسبب هذه الخاصية في بطء ملحوظ للاستعلام كلما زاد عمق نقطة المنتصف في المجموعات الضخمة التي تحتوي على عشرات الملايين من الوثائق. ولمعالجة هذا الاختناق في الحالات التي لا تتاح فيها المشغلات الحديثة، يمكن اللجوء إلى استراتيجيات الفهرسة النطاقية المتقدمة (Range-based Paging) بالاعتماد على معرفات متسلسلة أو استغلال إحصائيات التوزيع وقيم التردد التراكمي المحفوظة مسبقاً في المستندات الوصفية لتقليص نطاق البحث قبل تطبيق التخطي.

كما يمكن لمحرك الاستعلامات الاستفادة من مؤشرات الفهارس ثنائية الاتجاه لتخطي السجلات من الطرف الأقرب؛ فإذا كانت النقطة المستهدفة تقع بعد المنتصف بقليل، يمكن عكس اتجاه الفرز إلى التنازلي (`-1`) مع تعديل معادلة التخطي لتصفح عدد أقل من العناصر من نهاية الشجرة بدلاً من بدايتها، مما يسهم في خفض الزمن الكلي المستغرق لاجتياز العقد الفهرسية وتحسين سرعة استرجاع القيمة الوسطية.

8.3 استخدام مرحلة $setWindowFields لتحسين حسابات النوافذ الإحصائية

قدمت MongoDB مرحلة التجميع القوية `$setWindowFields` لتمكين إجراء الحسابات الإحصائية والتحليلية المتقدمة عبر نوافذ محددة من البيانات دون الحاجة إلى تجميع الوثائق وإعادة هيكلتها كما كان يحدث في مرحلة `$group`. تتيح هذه الميزة حساب الوسيط التراكمي أو الوسيط المتحرك (Moving Median) بكفاءة فائقة على مجموعات البيانات الزمنية وسجلات الأحداث المتدفقة.

تسمح هذه المرحلة بتقسيم البيانات إلى قطاعات استناداً إلى حقول معينة مع تحديد نطاق زمني أو عددي لكل نافذة حسابية، ثم تطبيق دوال المئينيات والوسيط عليها بالتوازي. يتميز هذا النهج بقدرته على الحفاظ على كافة الحقول الأصلية للوثائق وتمريرها في تدفق البيانات مع إلحاق حقل الوسيط المحسوب كقيمة إضافية داخل كل وثيقة على حدة، مما يلغي الحاجة لعمليات الربط اللاحقة والبحث المتقاطع.

يعتمد المحرك الداخلي أثناء تنفيذ `$setWindowFields` على خوارزميات إدارة ذاكرة ذكية متوافقة تماماً مع معمارية محرك WiredTiger؛ حيث يقوم بمعالجة البيانات في صورة دفقات متتابعة مع تحرير الذاكرة المؤقتة للوثائق الخارجة من نطاق النافذة أولاً بأول، وهو ما يمنع تراكم البيانات وتجاوز حدود الذاكرة، ويجعلها الأداة المثالية لحساب الإحصاءات الموضعية والمتحركة في بيئات الإنتاج الكبرى.

9. حساب الوسيط المجمع حسب فئات محددة (Grouped Median Computation)

9.1 سيناريوهات تجميع البيانات وتحليل الوسيط لكل قطاع

في معظم التطبيقات الواقعية، نادراً ما يكون المطلوب هو حساب قيمة وسيطة واحدة للمجموعة الإحصائية بأكملها؛ بل تبرز الحاجة المعمارية لاستخراج الوسيط مصنفاً ومقسماً حسب فئات أو قطاعات محددة (Grouped Median). من أمثلة ذلك حساب وسيط رواتب الموظفين مصنفاً حسب الأقسام الوظيفية، أو وسيط أسعار المنتجات حسب الفئات التجارية، أو وسيط زمن استجابة الخوادم حسب المناطق الجغرافية لمراكز البيانات.

يفرض الحساب الفئوي المجمع تحديات هندسية تفوق بكثير حساب الوسيط الشامل؛ حيث يتعين على محرك الاستعلامات عزل كل فئة على حدة، وإجراء فرز مستقل لسجلاتها، وحساب نقطة توازنها الإحصائي الخاصة، ثم إعادة تجميع هذه النتائج المستقلة في جدول تحليلي موحد. يتطلب هذا النمط المعماري خوارزميات قادرة على التعامل مع التفاوت الكبير في أحجام الفئات، حيث قد تحتوي بعض القطاعات على آلاف السجلات بينما تحتوي قطاعات أخرى على عدد ضئيل جداً.

تزداد بنية التجميع تعقيداً في الأنظمة المؤسسية التي تتطلب تجميعاً متعدد المستويات (Multi-level Grouping)، مثل حساب الوسيط المصنف حسب الدولة ثم المدينة ثم نوع الخدمة. في مثل هذه البيئات المعقدة، يصبح اختيار الطريقة الحسابية المناسبة عاملاً حاسماً في منع استنزاف موارد المعالجة والحفاظ على انسيابية تدفق البيانات نحو لوحات التحكم والأنظمة التحليلية المستهلكة.

9.2 تطبيق التجميع الفئوي باستخدام المشغل $median الحديث

يوفر المشغل المدمج `$median` حلاً في غاية القوة والأناقة البرمجية لحساب الوسيط المصنف عبر دمجه المباشر داخل مرحلة التجميع `$group`. في هذا النمط، يتم إسناد الحقل المراد التصنيف بناءً عليه (مثل حقل القسم الوظيفي `department`) إلى المعرف الأساسي للمرحلة `_id`، مع تمرير الحقل الرقمي المستهدف (مثل حقل الراتب `salary`) إلى المشغل الإحصائي، كما يظهر في الاستعلام النموذجي التالي:

db.employees.aggregate([ { $group: { _id: “$department”, medianSalary: { $median: { input: “$salary”, method: “approximate” } } } } ])

يقوم محرك التجميع بتوجيه الوثائق الواردة آلياً نحو مجموعات فرعية معزولة بناءً على قيمة القسم، وتطبيق خوارزمية الحساب الإحصائي بالتوازي عبر مسارات معالجة متعددة داخل النواة. يتم بعد ذلك إرجاع قائمة مجمعة تحتوي كل وثيقة فيها على اسم القسم وقيمة وسيط الرواتب الخاص به بدقة وسرعة فائقة دون كتابة أي منطق إضافي للفرز أو حساب الأطوال الفردية والزوجية.

تتيح هذه البنية أيضاً دمج مقاييس إحصائية أخرى مرافقة داخل نفس مرحلة التجميع بكل سهولة، مثل حساب المتوسط عبر `$avg`، والانحراف المعياري عبر `$stdDevPop`، والعدد الإجمالي عبر `$sum: 1` لكل فئة بجانب الوسيط، مما يوفر بطاقة قياس إحصائية شاملة لكل قطاع وظيفي في استعلام واحد متكامل وسريع الاستجابة.

9.3 الحلول البديلة لحساب الوسيط الفئوي في الإصدارات القديمة

قبل إطلاق المشغلات الإحصائية المدمجة، كان حساب الوسيط الفئوي في الإصدارات القديمة من MongoDB يمثل تحدياً تقنياً معقداً يتطلب بناء خطوط تجميع مطولة تتألف من عدة مراحل متداخلة. كان الأسلوب الشائع يبدأ بتطبيق المشغل `$sort` لترتيب الوثائق حسب حقل التصنيف أولاً ثم حسب الحقل الرقمي تصاعدياً لضمان دخول البيانات مصنفة ومرتبة.

تلي ذلك مرحلة `$group` لتجميع قيم كل فئة داخل مصفوفة مرتبة باستخدام المشغل `$push`. ولمعالجة مشكلة استخراج العنصر الأوسط من مصفوفة كل فئة، كان المطورون يلجأون إلى تطبيق مشغلات التفكيك `$unwind`، أو كتابة تعبيرات برمجية دقيقة باستخدام المشغل `$arrayElemAt` الممزوج بشروط `$cond` الحسابية داخل مرحلة `$project` لاقتطاع العنصر الأوسط أو حساب المتوسط بين القيمتين المركزيتين لكل فئة على حدة.

كما كانت بعض الأنظمة تلجأ في الحالات المتقدمة إلى استخدام إطار البرمجة الموزعة القديم (Map-Reduce) لكتابة دوال جافا سكريبت مخصصة تقوم بفرز مصفوفات كل مفتاح فئوي واستخراج الوسيط يدوياً. ورغم أن هذه الطرق البديلة حققت الغرض الوظيفي في حينه، إلا أنها كانت تعاني من بطء ملحوظ واستهلاك كبير للذاكرة المعمارية، مما جعل الترقية إلى الإصدارات الحديثة التي تدعم مشغل `$median` ضرورة قصوى للبيئات التي تعتمد على التحليلات الفئوية المكثفة.

10. استراتيجيات التقريب الحسابي للوسيط في بيئات البيانات الموزعة

10.1 تحديات حساب الوسيط في الأنظمة المقسمة أفقياً (Sharded Clusters)

تفرض بنية المجموعات المقسمة أفقياً (Sharded Clusters) في MongoDB تحديات معمارية فريدة عند حساب المقاييس الترتيبية مثل الوسيط؛ حيث يتم توزيع أجزاء المجموعة الواحدة (Chunks) عبر خوادم ومحركات تجزئة متعددة (Shards) بناءً على مفتاح التجزئة المعتمد (Shard Key). وبسبب هذا التوزيع، لا تمتلك أي عقدة مفردة رؤية كاملة وشاملة لكافة وثائق البيانات وترتيبها العام.

عند تنفيذ استعلام فرز ووسيط تقليدي في هذه البيئة الموزعة، يضطر خادم التوجيه المركزي (mongos) إلى إرسال طلب الفرز إلى كافة العقد الفرعية، ثم استرجاع البيانات المفروزة جزئياً ودمجها في الذاكرة المركزية لتحديد الترتيب العام الموحد. تترتب على عملية الدمج المركزية هذه تكلفة باهظة في حركة المرور عبر الشبكة (Network Transit)، وتخلق اختناقاً حوسبياً كبيراً في عقدة التوجيه عند التعامل مع ملايين السجلات الموزعة.

تتفاقم المشكلة عند وجود توزيعات غير متجانسة للبيانات (Data Skewness) عبر القطع المختلفة؛ حيث قد تحتوي إحدى العقد على كثافة رقمية عالية لقيم معينة بينما تفتقر إليها عقد أخرى. هذا التباين التوزيعي يجعل من الصعب التنبؤ بموضع الوسيط الإجمالي دون سحب كميات ضخمة من السجلات نحو الطبقة المركزية، مما دفع باتجاه تبني خوارزميات واستراتيجيات تقريبية تتلاءم مع طبيعة الأنظمة الموزعة.

10.2 خوارزميات التجميع والتوزيع التقريبي (Bucketing & Histogram)

تعد استراتيجية بناء المدرجات التكرارية (Histograms) وتوزيع البيانات داخل حاويات رقمية (Bucketing) من أنجح الحلول لتقدير الوسيط بكفاءة فائقة في البيئات الموزعة واسعة النطاق. توفر MongoDB مشغلات تجميع متخصصة مثل `$bucket` و `$bucketAuto`، والتي تقوم بتوزيع القيم الرقمية المستهدفة تلقائياً على نطاقات أو حاويات محددة مسبقاً وحساب التكرار العددي للوثائق الواقعة داخل كل نطاق.

تعتمد آلية حساب الوسيط التقريبي بهذه الطريقة على قراءة التكرارات التراكمية للحاويات حتى الوصول إلى النطاق الذي يقع فيه التكرار المقابل لنصف الحجم الكلي للبيانات. بمجرد تحديد الحاوية المركزية المستهدفة، يمكن تطبيق الاستيفاء الرياضي الخطي (Linear Interpolation) لتقدير قيمة الوسيط بدقة عالية جداً داخل حدود ذلك النطاق، دون الحاجة لفرز الوثائق الفردية أو قراءتها تفصيلياً من الخوادم الفرعية.

تسهم هذه الاستراتيجية في خفض استهلاك النطاق الترددي للشبكة وسعة الذاكرة العشوائية إلى أدنى مستوى ممكن؛ حيث تقتصر البيانات المنقولة بين عقد التجزئة وخوادم التوجيه على ملخصات إحصائية مدمجة تحتوي على حدود النطاقات وتكراراتها العددية فقط، مما يتيح حساب الوسيط التقديري لمجموعات بيانات ضخمة تحتوي على مليارات السجلات في أجزاء من الثانية وبأعلى مستويات الاستقرار التشغيلي.

10.3 المعالجة التمهيدية المجدولة والمقاييس المحسوبة مسبقاً

في العديد من البيئات الهندسية المتقدمة التي تقدم خدمات ولوحات بيانات استهلاكية واسعة النطاق، يتم تفادي الحساب الحي المباشر (Real-time Calculation) للوسيط على المجموعات الضخمة من خلال اعتماد نمط التصميم التحليلي المحسوب مسبقاً (Computed Pattern) وتوظيف المهام المجدولة دورياً لحساب وتحديث المؤشرات الإحصائية وحفظها في وثائق مستقلة.

يتم تنفيذ هذه الاستراتيجية عبر جدولة مهام خلفية (Background Cron Jobs) أو استخدام خطوط أنابيب تجميع تنتهي بالمرحلة `$merge` أو `$out` لتفريغ نتائج الحساب الإحصائي داخل مجموعة مخصصة للتحليلات الإحصائية الوصفية. عند طلب المستخدم أو النظام لقيمة الوسيط، يتم استرجاع القيمة المخزنة مسبقاً من تلك الوثيقة في زمن استجابة فوري لا يتجاوز بضعة أجزاء من الألف من الثانية وبأقل قدر من استهلاك الموارد.

تتطلب هذه الاستراتيجية موازنة معمارية دقيقة بين درجة فورية البيانات (Data Freshness) وكفاءة استهلاك الموارد؛ ففي حين توفر المقاييس المحسوبة مسبقاً سرعة استجابة فائقة وتخفف الحمل عن الخوادم التشغيلية، إلا أنها تعكس حالة النظام عند آخر نقطة زمنية تم فيها تشغيل المعالجة المجدولة. يعتبر هذا النمط هو الخيار القياسي المعتمد في التقارير الإدارية اليومية والأسبوعية، وتطبيقات التجارة الإلكترونية، ومنصات تحليل سلوك المستخدمين واسعة النطاق.

11. مقارنة شاملة بين الطرق المختلفة من حيث استهلاك الذاكرة وسرعة المعالجة

11.1 معايير التقييم والمقارنة الفنية

لإجراء تقييم فني موضوعي واختيار الطريقة الأمثل لحساب الوسيط في مشاريع الإنتاج الحقيقية، يتعين على مهندسي قواعد البيانات إخضاع الحلول المتاحة لمجموعة صارمة من معايير المقارنة الفنية. يشمل المعيار الأول “زمن التنفيذ الكلي” (Total Execution Time)، والذي يقيس الفترة المستغرقة منذ انطلاق الاستعلام وحتى وصول النتيجة النهائية إلى طبقة التطبيق تحت أحمال تشغيلية مختلفة وتعدادات بيانات متدرجة.

يتمثل المعيار الثاني في “معدل استهلاك الذاكرة العشوائية” (RAM Footprint) وحدود الاستقرار التشغيلي؛ حيث تُقاس قدرة الاستعلام على العمل ضمن الحدود الافتراضية للذاكرة وتجنب اللجوء إلى التخزين المؤقت على القرص (Spilling to Disk)، بالإضافة إلى تجنب تجاوز سقف الـ 16 ميجابايت لوثائق BSON. كما يشمل التقييم معيار “استهلاك سعة النطاق الترددي للشبكة” عبر قياس حجم البيانات المرسلة بين خوادم التخزين، وعقد التوجيه، وخوادم التطبيقات المستهلكة.

أما المعيار الثالث فيركز على “المرونة والصيانة البرمجية” (Maintainability & Expressiveness)، والتي تقيس مدى بساطة الكود، وسهولة تكييفه مع الشروط والتصنيفات الجديدة، ومستوى توافقه مع ترقيات وإصدارات محرك MongoDB المختلفة، فضلاً عن دعمه لمعالجة الحالات الفردية والزوجية والتوزيعات غير المتجانسة بصورة تلقائية دون تعقيد برمجي فائض.

11.2 جدول المقارنة التحليلي بين الطرق الأربع الرئيسية

يوضح الاستعراض المقارن التالي الفروق الجوهرية والخصائص التشغيلية للأساليب الأربعة المتبعة في حساب الوسيط داخل بيئات MongoDB المتنوعة:

• طريقة الفرز والتخطي البسيطة (`find / sort / skip`):
  • السرعة والأداء: ممتازة وسريعة جداً في المجموعات الصغيرة والمتوسطة شرط وجود فهرس تصاعدي، لكنها تتدهور خطياً مع التعدادات الضخمة بسبب عبء التخطي.
  • استهلاك الذاكرة: منخفض للغاية O(1) عند دعم الفهرس، حيث لا يتم تحميل وثائق إضافية إلى الذاكرة.
  • الدقة الرياضية: تقدم تقريباً مقتطعاً في الحالات الزوجية ما لم تُعالج بجلب وثيقتين وحساب المتوسط في التطبيق.
  • نطاق الاستخدام الأمثل: الاستعلامات الفردية السريعة، وأدوات الإدارة، والتطبيقات ذات البيانات المحدودة.
• طريقة أطر التجميع التقليدية (`$facet /$group / $push`):
  • السرعة والأداء: متوسطة إلى بطيئة نسبياً نظراً لكثافة العمليات الحسابية وتجميع المصفوفات.
  • استهلاك الذاكرة: مرتفع جداً؛ عرضة لتجاوز حد الـ 16 ميجابايت للوثيقة أو تجاوز حد ذاكرة التجميع البالغ 100 ميجابايت في البيانات الضخمة.
  • الدقة الرياضية: دقيقة بنسبة 100% لكافة الحالات الفردية والزوجية بفضل التفرع الشرطي المدمج.
  • نطاق الاستخدام الأمثل: التحليلات المتكاملة التي تدمج الوسيط مع مراحل معالجة أخرى على مجموعات بيانات مفلترة ومحدودة الحجم.
• المشغلات الإحصائية المدمجة الحديثة (`$median /$percentile`):
  • السرعة والأداء: فائقة السرعة وأعلى كفاءة معمارية متاحة، مصممة للتعامل المباشر مع البيانات المليونية بتعقيد منخفض.
  • استهلاك الذاكرة: منخفض وثابت بفضل الاعتماد على بنية خوارزمية T-Digest التقريبية.
  • الدقة الرياضية: تقريبية عالية الدقة بنسبة خطأ ضئيلة جداً، ومثالية لمقاييس الأداء والمؤشرات العامة.
  • نطاق الاستخدام الأمثل: البيئات الإنتاجية الحديثة (MongoDB 7.0+)، والتحليلات الفئوية الضخمة، والبيانات الموزعة.
• المعالجة الخارجية عبر جهة العميل (Driver-Side Computation):
  • السرعة والأداء: تعتمد على سرعة نقل البيانات عبر الشبكة، وتعتبر بطيئة للغاية في حال جلب كافة الوثائق.
  • استهلاك الذاكرة: ينقل عبء الذاكرة بالكامل إلى خادم التطبيق، مما قد يسبب أخطاء نفاد الذاكرة للعميل.
  • الدقة الرياضية: دقيقة بنسبة 100% مع حرية كاملة في تطبيق أي خوارزمية إحصائية متقدمة.
  • نطاق الاستخدام الأمثل: التطبيقات التي تقتصر على جلب قيمتين فقط عبر `limit(2)`، أو مجموعات البيانات بالغة الصغر.

11.3 تحليل خطط التنفيذ باستخدام explain(‘executionStats’)

تعتبر أداة تحليل الاستعلامات `explain(“executionStats”)` الوسيلة التشخيصية الأهم للتأكد من كفاءة خطة التنفيذ وفهم الآلية التي يتبعها المحرك في معالجة استعلام الوسيط. عند تمرير هذا الأمر للاستعلام، يعيد المحرك تقريراً مفصلاً يوضح المراحل الحسابية التي مر بها الطلب، وعدد الوثائق المفحوصة، وزمن التنفيذ بالمللي ثانية، والمؤشرات الفهرسية المستغلة.

أثناء فحص التقرير، يجب التحقق من ظهور مرحلة المسح الفهرسي `IXSCAN` بدلاً من المسح الكلي `COLLSCAN`؛ حيث يشير الأخير إلى غياب الفهرس المناسب واضطرار المحرك لقراءة المجموعة كاملة. كما يتعين مراقبة حقل `totalKeysExamined` ومقارنته بعدد الوثائق المسترجعة؛ ففي الاستعلامات المثالية، يجب أن يتطابق عدد المفاتيح المفحوصة مع موضع الوسيط دون فحص وثائق زائدة.

من المؤشرات الحيوية أيضاً مراقبة ظهور مراحل الفرز في الذاكرة مثل `SORT` أو `SORT_KEY_GENERATOR`؛ إذ يدل وجودها على أن الفهرس المستخدم لم ينجح في توفير الترتيب المطلوب مسبقاً، مما أجبر المحرك على استهلاك الذاكرة لفرز النتائج. يتيح تشخيص هذه الاختناقات عبر إحصائيات التنفيذ إعادة ضبط الفهارس وتعديل صياغة الاستعلامات للوصول إلى أعلى درجات الكفاءة التشغيلية الممكنة.

12. أفضل الممارسات وتصميم البنية المعمارية لمعالجة المؤشرات الإحصائية في MongoDB

12.1 إرشادات اختيار الاستراتيجية المناسبة بناءً على حجم المشروع

يتطلب التصميم المعماري الناجح اختيار الاستراتيجية الحسابية التي تتطابق بدقة مع حجم البيانات، وطبيعة التحديثات، والمتطلبات الزمنية للنظام. بالنسبة للمشاريع الصغيرة ومجموعات البيانات التي تقل عن 100 ألف وثيقة، تعد طريقة الفرز والتخطي المباشرة المدعومة بفهرس تصاعدي (`find/sort/skip`) أو المعالجة الهجينة عبر جلب وثيقتين خياراً بيانياً مثالياً واقتصادياً لا يتطلب جهداً برمجياً معقداً.

أما في الأنظمة المتوسطة والضخمة التي تتراوح بياناتها بين مئات الآلاف وعشرات الملايين من الوثائق وتعمل على إصدارات حديثة من MongoDB، فإن الاعتماد المطلق على المشغلات المدمجة `$median` و `$percentile` يمثل الخيار الهندسي الأمثل دون منازع؛ حيث تضمن هذه المشغلات الحفاظ على استقرار الذاكرة وسرعة المعالجة مع التوسع المطرد لحجم قاعدة البيانات.

في بيئات البيانات فائقة الضخامة (Big Data) والأنظمة المقسمة أفقياً (Sharded Clusters) الحساسة لزمن الاستجابة، يوصى بالابتعاد التام عن الحسابات الترتيبية اللحظية الشاملة، والاعتماد بدلاً من ذلك على استراتيجيات التجميع النطاقي التقريبي (Bucketing) أو تبني نمط المقاييس المحسوبة مسبقاً (Pre-computed Aggregations) عبر المهام الخلفية المجدولة لضمان تقديم النتائج في أجزاء من الثانية دون التأثير على الأداء العام للنظام.

12.2 التعامل مع القيم المفقودة وغير الرقمية (Data Sanitization)

تعتبر سلامة البيانات وتنظيفها (Data Sanitization) متطلباً مسبقاً بالغ الأهمية لضمان صحة النتائج الإحصائية؛ فنظراً لمرونة نموذج المستندات في MongoDB، قد تحتوي بعض الوثائق على قيم فارغة (`null`)، أو حقول مفقودة تماماً، أو قيم نصية غير متوافقة داخل نفس الحقل الرقمي المستهدف. وبموجب قواعد الترتيب المعتمدة في BSON، تُصنف القيم الفارغة والنصوص في مواقع تسبق أو تلي الأرقام، مما يشوه الترتيب الموضعي الفعلي للبيانات.

لتفادي هذا الخلل، يجب تضمين مراحل تصفية صريحة قبل البدء في حساب الوسيط؛ حيث يتم استخدام مشغلات التحقق من النوع مثل المشغل `$type` لضمان قصر المعالجة على الحقول الرقمية الصالحة (مثل “number” أو “double” أو “int” أو “long”)، بالإضافة إلى استخدام مشغل الوجود `$exists: true` واستبعاد القيم الصفرية المضللة إن لم تكن جزءاً حقيقياً من الظاهرة المقاسة.

كما ينبغي دراسة تأثير القيم السالبة والصفرية على بعض الخوارزميات التقريبية؛ ففي حين تتعامل الخوارزميات المعتمدة على الفرز بدقة مع الأرقام السالبة، قد تتطلب بعض نماذج التجميع الحجمي وتحويلات اللوغاريتمات معالجة مسبقة لنقل النطاق الرقمي إلى قيم موجبة. يضمن تنظيف البيانات وعزل الاستثناءات موثوقية المؤشرات المستخرجة وحمايتها من الأخطاء التفسيرية الصامتة.

12.3 الرؤى المستقبلية والتكامل مع أدوات التحليل الإحصائي

مع استمرار تطور محرك MongoDB، تشهد المنظومة تكاملاً متزايداً مع أطر التحليل وعلوم البيانات المتقدمة؛ حيث تتيح الموصلات الرسمية مثل (MongoDB Spark Connector) و (PyMongo Arrow) نقل دفقات البيانات بكفاءة عالية مباشرة إلى بيئات التحليل المتخصصة مثل مكتبات Python Pandas أو محركات الحوسبة الموزعة Apache Spark لإجراء التحليلات الإحصائية فائقة التعقيد.

بالإضافة إلى ذلك، توفر أدوات الربط المؤسسية مثل (MongoDB BI Connector) القدرة على ربط محرك قاعدة البيانات مباشرة بمنصات ذكاء الأعمال الرائدة مثل Tableau و PowerBI، مما يتيح للمحللين استخراج الوسائط والمئينيات عبر واجهات رسومية دون كتابة شفرات برمجية يدوية، مع استفادة هذه الأدوات من قدرات الدفع الإحصائي المدمجة داخل محرك قاعدة البيانات لتنفيذ العمليات في المصدر.

إن بناء بنية تحتية مستقرة ومتطورة للحوسبة الإحصائية في MongoDB يتطلب نظرة شاملة تدمج بين الاستخدام الذكي لمشغلات الاستعلام الداخلية، وتصميم الفهارس الترتيبية الفعالة، والاستفادة من منظومة التكامل الخارجي لمعالجة البيانات الضخمة، مما يمكن المؤسسات من تحويل البيانات التشغيلية الأولية إلى رؤى استراتيجية دقيقة تدعم الابتكار واتخاذ القرارات المستنيرة بأعلى مستويات الكفاءة والموثوقية.

خاتمة

يمثل حساب قيمة الوسيط الإحصائي في MongoDB نموذجاً مثالياً للتوازن المطلوب بين المفاهيم الرياضية والهندسة المعمارية لقواعد البيانات. فمن خلال الانتقال من الطرق الترتيبية الأساسية القائمة على الفرز والتخطي، إلى أطر التجميع الديناميكية والمشغلات الإحصائية المدمجة الحديثة، يتضح أن محرك قاعدة البيانات يوفر ترسانة واسعة من الأدوات القادرة على تلبية متطلبات مختلف بيئات العمل وأحجام البيانات المتنوعة.

إن النجاح في استخراج هذه المؤشرات الإحصائية بأعلى سرعة وأقل استهلاك للموارد يعتمد في جوهره على الفهم العميق لخصائص البيانات المدروسة، وتطبيق الفهرسة الدقيقة، وإدارة الذاكرة المؤقتة، وحسن اختيار الخوارزمية المناسبة لكل حالة استخدام، مما يضمن بناء أنظمة برمجية مرنة وموثوقة تواكب تطلعات التطبيقات الحديثة في عالم البيانات الضخمة.

المراجع

• MongoDB, Inc. (2024). Aggregation Pipeline Quick Reference & Statistical Operators ($median,$percentile). MongoDB Documentation. https://www.mongodb.com/docs/manual/reference/operator/aggregation/median/
• MongoDB, Inc. (2024). Indexing Strategies and B-Tree Architecture in WiredTiger Engine. MongoDB Documentation. https://www.mongodb.com/docs/manual/core/indexes/
• Dunning, T. (2021). Computing Extremely Accurate Quantiles Using t-Digests. ACM Transactions on Mathematical Software, 47(3), 1–25. https://doi.org/10.1145/3453478
• Chodorow, K. (2019). MongoDB: The Definitive Guide: Powerful and Scalable Data Storage (3rd ed.). O’Reilly Media.
• Bradshaw, S., Brazil, E., & Chodorow, K. (2019). MongoDB Applied Design Patterns: Practical Use Cases with the Leading NoSQL Database. O’Reilly Media.
• Aggarwal, C. C. (2015). Data Mining: The Textbook. Springer International Publishing. https://doi.org/10.1007/978-3-319-14142-8
• Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley Publishing Company.