Tại sao lập trình viên Flask nên sử dụng MongoDB?

Flask là một trong những framework web Python phổ biến nhất hiện nay. Với tính chất nhẹ và linh hoạt, Flask rất lý tưởng cho các dự án nhỏ đến trung bình và các chu kỳ phát triển nhanh. Với khoảng 3 đến 3.5 triệu người dùng trên toàn thế giới, Flask là lựa chọn hàng đầu cho các lập trình viên yêu thích sự đơn giản mà vẫn mạnh mẽ.

Trong khi đó, MongoDB là một cơ sở dữ liệu dạng tài liệu hàng đầu, được sử dụng rộng rãi nhờ thiết kế không có lược đồ, khả năng mở rộng và tính linh hoạt. MongoDB cung cấp cách trực quan để lưu trữ và truy xuất dữ liệu, đặc biệt phù hợp với các ứng dụng cần cấu trúc dữ liệu động và khả năng thay đổi nhanh chóng.

Flask: Cần một cơ sở dữ liệu tương thích

Flask được phân loại là một microframework – nghĩa là nó chỉ cung cấp những thành phần thiết yếu để xây dựng ứng dụng web. Một đặc điểm đáng chú ý là Flask không tích hợp sẵn lớp trừu tượng cơ sở dữ liệu (ORM). Điều này, thay vì là hạn chế, lại trao quyền cho lập trình viên được tự do chọn cơ sở dữ liệu phù hợp nhất với nhu cầu dự án.

Khi chọn cơ sở dữ liệu cho ứng dụng Flask, điều quan trọng là phải tìm một hệ quản trị dữ liệu phù hợp với triết lý đơn giản và linh hoạt của Flask – và đây chính là lúc MongoDB phát huy thế mạnh. Thiết kế không cần lược đồ cùng sự dễ dùng của MongoDB khiến nó trở thành người bạn đồng hành lý tưởng cho Flask.

Vì sao MongoDB phù hợp với lập trình viên Flask?

1. Thiết kế không có lược đồ (Schema-less)

MongoDB cho phép lưu trữ các tài liệu JSON-like mà không cần định nghĩa trước cấu trúc. Điều này rất có lợi trong quá trình phát triển nhanh, giúp tiết kiệm thời gian và tránh được các bước phức tạp như viết script migrate dữ liệu mỗi khi thay đổi mô hình.

Ví dụ đơn giản: bạn có thể lưu dữ liệu người dùng vào MongoDB mà không cần thiết kế trước bảng hay lược đồ cố định. Có thể thêm trường mới vào từng bản ghi dễ dàng.

from flask import Flask
from flask_pymongo import PyMongo

app = Flask(__name__)

app.config["MONGO_URI"] = "mongodb+srv://<username>:<password>@cluster0.mongodb.net/my_database?retryWrites=true&w=majority"

mongo = PyMongo(app)

# Add a user with basic information
user1 = {
    "name": "Alice",
    "email": "alice@example.com"
}
mongo.db.users.insert_one(user1)

# Add another user with additional fields
user2 = {
    "name": "Bob",
    "email": "bob@example.com",
    "age": 30,
    "address": {
        "city": "New York",
        "country": "USA"
    }
}
mongo.db.users.insert_one(user2)

# Retrieve and print all users
users = mongo.db.users.find()
for user in users:
    print(user)

Output khi này:

{'_id': ObjectId('...'), 'name': 'Alice', 'email': 'alice@example.com'}
{'_id': ObjectId('...'), 'name': 'Bob', 'email': 'bob@example.com', 'age': 30, 'address': {'city': 'New York', 'country': 'USA'}}

2. Cấu trúc tài liệu giống JSON

MongoDB lưu dữ liệu ở định dạng BSON (Binary JSON), rất phù hợp với các ứng dụng web vốn thường xử lý dữ liệu JSON. Trong Flask, việc xử lý JSON (đặc biệt với API) là điều quen thuộc, và vì Python dict gần giống với JSON object, việc tích hợp MongoDB với Flask qua thư viện như Flask-PyMongo trở nên cực kỳ tự nhiên.

Ví dụ: bạn có thể lưu trực tiếp Python dict vào MongoDB mà không cần map qua các lớp ORM như với SQL.

from flask import Flask, jsonify
from flask_pymongo import PyMongo

app = Flask(__name__)

app.config["MONGO_URI"] = "mongodb+srv://<username>:<password>@cluster0.mongodb.net/my_database?retryWrites=true&w=majority"

mongo = PyMongo(app)

# Store a JSON-like document in MongoDB
product = {
    "name": "Wireless Mouse",
    "price": 29.99,
    "category": "Electronics",
    "tags": ["wireless", "ergonomic", "gadget"],
    "in_stock": True
}
mongo.db.products.insert_one(product)

# Retrieve and return the document as a JSON response
@app.route('/product', methods=['GET'])
def get_product():
    product = mongo.db.products.find_one({"name": "Wireless Mouse"})
    return jsonify(product)

if __name__ == '__main__':
    app.run(debug=True)

Output khi này:

{
    "_id": {"$oid": "..."},
    "name": "Wireless Mouse",
    "price": 29.99,
    "category": "Electronics",
    "tags": ["wireless", "ergonomic", "gadget"],
    "in_stock": true
}

3. Hỗ trợ các truy vấn không gian (Geospatial queries)

MongoDB hỗ trợ truy vấn dữ liệu vị trí như tìm các nhà hàng trong bán kính 5km, rất hữu ích với các ứng dụng như giao hàng, tìm bất động sản, fitness tracking, v.v.

Ví dụ: một ứng dụng Flask sử dụng MongoDB có thể định vị các trạm giao hàng gần người dùng nhất để tối ưu logistics.

@app.route('/nearby', methods=['GET'])
def find_nearby():
    latitude = float(request.args.get('latitude'))
    longitude = float(request.args.get('longitude'))
    myclient = pymongo.MongoClient("mongodb://localhost:27017/")
    mydb = myclient["myapp"]
    mycol = mydb["locations"]

    nearby_locations = mycol.find({
        "location": {
            "$near": {
                "$geometry": {"type": "Point", "coordinates": [longitude, latitude]},
                "$maxDistance": 5000  # Distance in meters
            }
        }
    })

    return jsonify(list(nearby_locations))

4. Hỗ trợ dữ liệu chuỗi thời gian (Time Series)

Với khả năng hỗ trợ dữ liệu time series, MongoDB phù hợp cho ứng dụng theo dõi cảm biến IoT, thống kê tài chính, hay hệ thống giám sát thời gian thực. Flask kết hợp với MongoDB giúp bạn lưu trữ và phân tích các luồng dữ liệu có dấu thời gian một cách hiệu quả.

Ví dụ: bạn có thể lưu nhiệt độ môi trường theo giờ và tính toán trung bình mỗi giờ qua Flask.

5. Tích hợp nâng cao với Flask bằng Flask-PyMongo

Thư viện Flask-PyMongo giúp giảm bớt mã kết nối boilerplate khi làm việc với MongoDB. Bạn có thể thao tác với MongoDB như với một dict trong Python.

Ví dụ: bạn có thể viết một route /sales-analytics dùng aggregation pipeline của MongoDB để tính tổng doanh số theo danh mục sản phẩm ngay trong Flask. Tất cả logic được xử lý trên máy chủ cơ sở dữ liệu, giúp tăng hiệu suất và giảm tải cho ứng dụng.

from flask import Flask, jsonify
from flask_pymongo import PyMongo
from datetime import datetime

app = Flask(__name__)
app.config["MONGO_URI"] = "mongodb+srv://<username>:<password>@cluster0.mongodb.net/my_database?retryWrites=true&w=majority"


mongo = PyMongo(app)

@app.route('/sales-analytics', methods=['GET'])
def sales_analytics():
    # Get first day of current month
    first_of_month = datetime(datetime.now().year, datetime.now().month, 1)

    pipeline = [
        {"$match": {"order_date": {"$gte": first_of_month}}},
        {"$unwind": "$items"},
        {"$group": {
            "_id": "$items.category",
            "total_sales": {"$sum": "$items.price"},
            "average_quantity": {"$avg": "$items.quantity"},
            "total_orders": {"$sum": 1}
        }},
        {"$sort": {"total_sales": -1}}
    ]

    results = mongo.db.orders.aggregate(pipeline)
    return jsonify(list(results))

Ví dụ về cấu trúc dữ liệu:

{
    "order_id": "ORD-123",
    "order_date": datetime(2024, 3, 15),
    "items": [
        {"product": "Laptop", "category": "Electronics", "price": 999.99, "quantity": 1},
        {"product": "Mouse", "category": "Accessories", "price": 29.99, "quantity": 2}
    ]
}

Output khi này:

[
    {
        "_id": "Electronics",
        "total_sales": 19999.80,
        "average_quantity": 1.2,
        "total_orders": 20
    },
    {
        "_id": "Accessories",
        "total_sales": 3598.80,
        "average_quantity": 2.5,
        "total_orders": 15
    }
]

Giải quyết những lo ngại phổ biến

Flask và MongoDB nổi bật về sự linh hoạt, nhưng nếu so với Django hoặc hệ thống SQL truyền thống, thì:

• Flask có thể kém tối ưu ở quy mô lớn hơn do thiếu nhiều tính năng tích hợp sẵn.
• MongoDB cần cấu hình chỉ mục đúng cách để tránh độ trễ khi truy vấn phức tạp.

Dù vậy, với hệ thống indexing mạnh mẽ (B-tree, geospatial, text), MongoDB hoàn toàn có thể đạt hiệu suất tương đương SQL nếu được tối ưu đúng.

Kết luận

Sự kết hợp giữa mô hình tài liệu của MongoDB và triết lý tối giản của Flask tạo nên một cặp đôi mạnh mẽ cho phát triển web hiện đại.

Dù Django + PostgreSQL là lựa chọn tốt cho môi trường cần cấu trúc nghiêm ngặt, thì Flask + MongoDB lại tỏa sáng ở:

• Prototyping nhanh
• Ứng dụng JSON-native, API thời gian thực
• Dự án cần linh hoạt và dễ mở rộng

Sử dụng MongoDB Atlas cho giải pháp cloud-hosted và Flask-PyMongo để tích hợp, bạn có thể phát triển ứng dụng web hiện đại một cách linh hoạt và hiệu quả.