← 2026-03-21 の一覧へ戻るホーム
**Work_mem:** *それは罠です。*

2026/03/19 5:52

**Work_mem:** *それは罠です。*

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

Japanese Translation:

PostgreSQLはコンテキスト全体が解放されたときにのみメモリを開放するため、1つの不正動作クエリがシステム上のすべてのRAMを枯渇させる可能性があります。私たちの本番クラスタでは、

work_mem
が 2 MB に設定されていたにもかかわらず、クエリが約 2 TB の RAM を消費した結果 OOM キラーがマシンを終了しました。他のサーバーで同じ問題を再現すると、1つのバックエンドは OOM トリガー前に約 557 MB を使用していました。
pg_log_backend_memory_contexts(pid)
（PG 14 で導入）では、ExecutorState に約 500k のチャンク（約 235 MB）、HashTableContext に約 340 MB があり、合計で約 586 MB が確認されました。

問題のクエリはデータをコピーしてから結合する PL/pgSQL 関数を実行し、1つの ExecutorState 内に多数の 

work_mem
サイズの割り当てを作成しました。これらはステートメント全体が終了したときにのみ解放されます。PostgreSQL のメモリコンテキスト設計は速度と信頼性のためにバルクデアロケーションを優先しており、バックエンドごとのハードな上限はありません。

対策としては、統計情報（

ANALYZE
、
CREATE STATISTICS
）を更新し、クエリを書き換えたり最適化したり、長時間実行されるステートメントを終了させるために 
statement_timeout
を設定し、
pg_log_backend_memory_contexts
で監視することが挙げられます。非常に大規模な展開（例：2 TB の RAM）でも、メモリを誤用した不適切に書かれたクエリに対して脆弱性は残ります。

本文

2026年3月11日

  • 1223語
  • 読了時間：約6分

友人のヘニエッタ・ドンブロフスカヤがTelegramで連絡をくれました。彼女のプロダクションクラスタは、2 TB のRAMを消費した OOM キラーにより直ちに停止しました ― 

work_mem
は 2 MB に設定されていました。何かがおかしいと感じたのです。

ヘティも私と同じく「モンスターハードウェア」で遊ぶことが好きです。彼女の世界では 2 TB のRAMは珍しくありません。しかし、ピーク時に単一のクエリでクラスタ全体を失うという問題は、午前3時の障害とはまったく別のものです。OOM キラーが最悪の瞬間に攻撃すると、すぐに答えが必要になります。

重要な点：以下に示すメモリログはプロダクションインシデントからではありません。ヘティは別サーバで挙動を再現して調査しました。その際、OOM キラーが発動する前にクエリを停止させました ― プロダクションクラスタは運よく逃れたわけです。

まずここで言っておきます。これは「高速なネットワーク」よりも「優秀な検索エンジン」で早く解決できる問題です。ヘティは素晴らしい Postgres エキスパートです。私たちは一緒にこの謎を解明しました。この記事を書いているのは、あなたが同じ状況に遭遇する可能性があるからですし、PostgreSQL のメモリ管理挙動が本当に驚くべきものであるためです。

「なぜか」を掘り下げる前に、当時初めて知った関数を紹介します：

pg_log_backend_memory_contexts
。PID を渡すと、そのバックエンドのメモリコンテキストツリー全体がログにダンプされます ― すべての割り当て、各コンテキスト、サイズ・チャンク数も含まれます。

SELECT pg_log_backend_memory_contexts(299392);

これだけ。次にログを確認してください。

この関数を知らなかったことが少し恥ずかしいです。20 年間 PostgreSQL を使い続けていると、毎週新しい発見があります。それこそがデータベースの魅力です。
(この関数は Postgres 14 で導入されました。詳細を知りたい方は Luka のブログ記事をご覧ください。)

観測結果

ログ出力から抜粋した関連行です：

level: 4; ExecutorState: 234954896 total in 40 blocks; 14989952 free (524059 chunks); 219964944 used
level: 5; HashTableContext: 339738680 total in 47 blocks; 4716320 free (84 chunks); 335022360 used


ExecutorState
は約 235 MB、
HashTableContext
は約 340 MB。
work_mem = 2 MB
の設定です。

バックエンド全体の合計は：

Grand total: 586713672 bytes in 409 blocks; 20823696 free (527202 chunks); 565889976 used

再現サーバ上では単一バックエンドで約 557 MB。プロダクションクラスタは 2 TB のRAMを持ち、OOM キラーが介入しました。

ExecutorState
にある 524,059 チャンクにすぐに注目しました。しかし DBAs は 
work_mem
を知っています。経験豊富な DBA は 
work_mem
が「クエリごとのメモリ」ではないと理解しています。PostgreSQL のドキュメントにも書いてありますが、
work_mem
は各ハッシュまたはソート操作で使用できるメモリ量です。一つのクエリが複数のそれらを持つことがあります。さらにパラレルワーカーを加えると、その数は急増します。

2 MB × 多数のハッシュ・ソート・ワーカーでも問題になるかもしれませんが、2 TB というのは別次元です。極端に多くのワーカーや操作を想定しても、計算上そのようにはなり得ません。何か他のことが起きていたのでしょう。

なぜ Postgres は 
work_mem
を無視するのか？

短い答え：無視しているわけではありません。ただし、すべてを制御できるわけではありません。

work_mem
はハッシュやソート操作ごとに割り当てられるメモリ量を限定します。しかしここで問題なのは、メモリが「全体の実行完了時」だけ解放されるという点です。

これは設計上の仕様です。PostgreSQL のメモリコンテキストシステムは、個々の割り当てを追跡するよりも、一度にコンテキスト全体を解放する方が高速で信頼性が高いという考えに基づいています。ソース README にも記載があります：

メモリコンテキストは 

malloc/free
を単純に使用するよりも主な利点があります。
すべてのメモリコンテキストの内容を簡単に解放でき、個々のチャンクごとに解放要求を行う必要がありません。

ExecutorState
はクエリ実行開始時に作成されるメモリコンテキストです。実行器（executor）が必要とするすべてがここに入ります。そしてクエリが終了した時点で破棄されます。
HashTableContext
は 
ExecutorState
の子コンテキストです。ハッシュテーブルのデータ―バケット・エントリ―を保持し、ハッシュ結合のライフタイム全体にわたって存続し、最後に一括で解放されます。

524,059 チャンクが原因でした。このクエリは 

SELECT
で PL/pgSQL 関数を呼び出し、その内部でコピー操作を行い、結果を別のものと結合していました。PostgreSQL の仕様上全く問題ありません。しかしヘティはこう言いました：「できるからと言って必ずしもすべきではない」。開発者たちは関数をうまく使う方法を学んでおり、次にオブジェクト指向的な手法を取りました：関数をテーブルと同様に結合に使用したのです。これはクラシックな「ファクタリングミス」です。ヘティは実際にこの種の SQL 構造上の落とし穴について、Nordic PGDay 2026 で語る予定です。

PostgreSQL の観点から見ると、一つの 

ExecutorState
コンテキストがクエリ全体を通して存続するということです。その中にある524,059 チャンクはそれぞれ 
work_mem
分のメモリを消費します。しかもすべてが同じコンテキスト内にあるため、実行完了まで解放されませんでした。実行自体が終了しなかったので、OOM キラーが介入したのです。

これが 2 TB を説明する組み合わせです：ハッシュやソートの数だけでなく、「全ての 

work_mem
チャンクが一つのコンテキストに蓄積され、その解放が実行完了まで遅延している」点。

正直な追記として、コミュニティに質問したところ「PostgreSQL のメモリ挙動を完全に理解している人はいない」という回答でした。ソースのメモリコンテキスト README が最も権威ある情報源です。深く知りたい方は読んでみてください。

これを防げるか？

PostgreSQL のバックエンドごとにハードキャップを設定する方法はありません。制御できるのは「必要な分だけ取る」ことだけです。

やれること：

  • 統計情報を正確に – プランナーが行数を過小評価すると、ディスクへのスピル判断が悪くなります。
    ANALYZE
    を実行し、
    pg_stats
    と 
    pg_statistic
    を確認してください。列間で相関がある場合（高次正規形に違反するモデリングの兆候）、
    CREATE STATISTICS
    で相関をキャプチャします。
    ALTER TABLE … ALTER COLUMN … SET STATISTICS
    によるターゲット増加は、列値が独立している場合のみ効果があります。
  • クエリを修正 – 2 TB を消費するクエリは悪いクエリです。完全に停止させます。しかし時には既存の悪いクエリを継承します。その場合…
  • クエリタイムアウトを設定 – メモリを制限できませんが、
    statement_timeout
    で長時間実行するクエリを殺すことは可能です。
  • pg_log_backend_memory_contexts
    を監視     – これが存在することを知ったら、ぜひ活用してください。何かがおかしそうに見えるときは関数を呼び出し、OOM がサーバを倒す前に状況を把握できます。

ハードウェアだけでクエリの問題を解決できない

ヘティが会話の終わりに言ったように、それには根拠があります。確かに、関数を書いた人はこの挙動を想定していなかったでしょう – 多くの開発者はそうです。

ここでの根本原因は「意図したよりもはるかに多くのメモリを消費する悪設計クエリ」でした。PostgreSQL の「実行終了時にのみメモリを解放」という挙動は設計上のものです、バグではありません。

なぜ Postgres がこのように振る舞うかを理解することで、アプリケーションチームに「シンプルな SELECT でもピーク時にプロダクションが落ちた理由」を説明できます。場合によってはそれだけでクエリを書き直す動機になることもあります。

同じ日のほかのニュース

一覧に戻る →

2026/03/21 6:03

**OpenCode – オープンソースAI コーディング エージェント**

## Japanese Translation: **改善された要約** OpenCodeは、プライバシーを最優先にしつつオープンソースで開発されたAIコーディングエージェントです。ターミナル、IDE、またはデスクトップアプリとしてスムーズに動作します。使用されるLLMに応じて自動的に適切なLanguage Server Protocol（LSP）をロードし、同一プロジェクト上で複数のエージェントを同時に起動できるようにします。セッションは簡単なリンクで共有でき、参照やデバッグに利用できます。OpenCodeはGitHub Copilot、ChatGPT Plus/Pro、およびModels.devを通じて75社以上の大規模言語モデルプロバイダー（ローカルモデルも含む）と統合しており、さらに**Zen**というコーディングエージェント向けに特別にテスト・ベンチマークされたAIモデルのキュレートセットを提供します。プロジェクトは120,000件以上のGitHubスター、800人の貢献者、10,000件以上のコミット数を誇り、毎月5百万社以上の開発者に利用されています。またコードやコンテキストデータを保存しないため、プライバシーセンシティブな環境にも適しています。新リリースや機能拡張について情報を受け取りたいユーザーはウェイトリストに登録できます。

2026/03/21 4:16

**Windows 品質への我々の約束**

## Japanese Translation: Microsoft は、ユーザーから報告されたタスクバーの混乱したオプション、Copilot エントリポイントのごちゃごちゃ、侵入的なアップデート、遅いファイルエクスプローラー、騒がしいウィジェット、分断された Insider Program などの課題に対処するため、Windows 11 のユーザビリティ・パフォーマンス・信頼性の一連の更新を展開しています。 主な変更点は次のとおりです： - **タスクバー**: 新しい再配置オプション（上部、左側、右側）とより小さなタスクバーで、パーソナライズ性が向上します。 - **Copilot**: スニッピングツール、フォト、ウィジェット、メモ帳のエントリポイントを削減し、有用な体験に焦点を当てることでアクセスを簡素化しました。 - **Windows Update**: コントロールが拡張されました—設定中にアップデートをスキップでき、長時間停止、再起動またはシャットダウン時にインストールせずに済み、自動再起動/通知の数が減ります。 - **ファイルエクスプローラー**: 起動速度向上、ちらつき軽減、ナビゲーション滑らか化、ファイルタスクパフォーマンスの信頼性向上です。 - **ウィジェット**: デフォルトが静かになり、外観コントロールが改善され、Discover フィードのパーソナライズが向上しました。 - **Insider Program**: チャネル定義を明確化し、機能アクセスを容易にし、ビルド品質を高め、フィードバック可視性とエンゲージメント機会を増やすことで簡素化されました。 - **Feedback Hub**: 提出速度の向上とコミュニティインタラクションのために大幅な再設計が行われました。 - **システムパフォーマンス目標**: Windows のリソース使用量を低減し、メモリフットプリントを削減、アプリケーション、ファイルエクスプローラー、WSL 全体で応答性を改善します。 - **信頼性イニシアチブ**: OSクラッシュ、ドライバー品質、Bluetooth/USB の安定性、カメラ/オーディオ接続、デバイス再起動の一貫性、および月1 回の単一再起動と一時停止オプションを対象にします。 - **Windows Hello**: 顔認証の信頼性向上、指紋サインイン速度の高速化、ROG Xbox Ally X のようなゲーム用ハンドヘルドデバイスでの PIN 設定のセキュリティ強化です。 - **Craft 改善**: スタート/タスクバーの信頼性向上、パーソナライズ拡張、デバイス設定を静かに、ウィジェットの賢さ向上、通知削減、タスクバー・スタート・ファイルエクスプローラー・設定間で一貫した検索機能。 Microsoft は実際のハードウェア上で検証/テストを深化させ、デフォルトのセキュリティ設定を引き上げ、Insider のフィードバックに依存して将来の Windows 11 リリースを導く予定です。その結果として、ユーザーと開発者双方に対し、より柔軟なインターフェイス、スムーズな更新、静かな通知、そして高い信頼性が実現します。

2026/03/21 6:42

**タイトル：** GLP‑1薬を中止すると心筋梗塞と脳卒中のリスクが急増 **主なポイント：** - GLP‑1受容体作動薬（GLP‑1 RA）をやめると、心筋梗塞・脳卒中のリスクが高まります。 - これらの薬を中止した患者は、継続している患者に比べて心血管イベントの発生率が増加する可能性があります。 - 本研究は、GLP‑1 RAを服用している患者の心血管安全性には、投与継続（薬剤遵守）が重要であることを示唆しています。

## Japanese Translation: （以下の文は、元の意味を正確に保持し、構造や専門用語もそのまま維持した日本語訳です。） **改訂された要約：** 研究によると、短期間であってもグルカゴン様ペプチド‑1（GLP‑1）薬を中断すると、米国退役軍人の2型糖尿病患者において心臓発作や脳卒中のリスクが増加し、継続使用ではそれらのリスクが低減することが示されました。研究者は33万3000人以上の退役軍人を3年間追跡調査しました：GLP‑1治療を2年間停止したグループは心血管リスクが22％増加し、決して中断しなかった患者は18％リスク減少、再開のみで12％の利益にとどまることが明らかになりました。治療が途切れた際には体重・炎症マーカー・血圧・コレステロールが悪化し、「代謝的ウィップラッシュ」と呼ばれる効果が観察されました。GLP‑1薬はもともと糖尿病のために開発されましたが、現在では腎臓・肝臓・心血管系・関節炎・認知症・依存症などのアウトカムにも有益です。ただし、新規使用者のおよそ半数が早期に中断しています。著者らは、服薬遵守と効果を別々に追跡すべきだと主張し、医療システムには長期的な継続利用を支援するプログラムの構築を求めています。この研究は *BMJ Medicine* にZiyad Al‑Aly（ワシントン大学）によって発表され、心血管保護のためにGLP‑1療法を持続させる重要性を強調しています。