← 2026-03-22 の一覧へ戻るホーム
**Grafeo** Rustで構築された高速・軽量な埋め込み型グラフデータベース。

2026/03/21 23:50

**Grafeo** Rustで構築された高速・軽量な埋め込み型グラフデータベース。

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

元のHacker News記事へ ↗
要約▶

Japanese Translation:

Summary:

Grafeo は、Rust で書かれた高性能なグラフデータベースです。完全な ACID 準拠を保証し、競合システムよりもメモリ使用量が少なく、LDBC Social Network Benchmark において最速の結果を提供します。プロパティグラフ（LPG）と RDF ストレージモデルの両方をサポートし、柔軟なデータ表現を可能にしています。Grafeo は独自の Cypher 風構文を含む複数のクエリ言語を備え、AI ワークロード向けにベクトル検索機能も追加しています。Rust の高速性と安全性を基盤としており、Python、Node.js、Go、Rust、C#、Dart、および WebAssembly プロジェクトへのマルチランゲージバインディングを通じて容易に統合できるため、アプリケーション内での埋め込み利用やスタンドアロンサーバとしても適しています。今後のリリースではエコシステムとの連携拡大、ウェブベースの可視化ツールの改善、およびプッシュ型実行エンジンとクエリオプティマイザのさらなる改良により、さらに効率的なスケーラビリティを目指します。

Summary Skeleton

What the text is mainly trying to say (main message)
Grafeo は、高性能で完全 ACID 準拠のグラフデータベースとして、標準ベンチマークで優れたパフォーマンスを発揮しつつ、柔軟なデータモデル、クエリ言語、および埋め込み機能を提供します。

Evidence / reasoning (why this is said)
LDBC Social Network Benchmark で最速の結果を達成し、競合よりも低いメモリ使用量を実現。LPG と RDF の両方のストレージをサポートし、多様なクエリ言語とベクトル検索機能を備えている点が根拠です。

Related cases / background (context, past events, surrounding info)
Rust のパフォーマンス強みを活かし、AI フレームワークやインタラクティブノートブックと統合。マルチランゲージバインディングで多様な開発者エコシステムに対応しています。

What may happen next (future developments / projections written in the text)
今後のリリースでは、エコシステム連携の拡大、ウェブベースの可視化ツールの向上、プッシュ型実行エンジンとオプティマイザの継続的な改善が期待されます。

What impacts this could have (users / companies / industry)
開発者は Grafeo をアプリケーションに直接埋め込むか、スタンドアロンサーバとして実行でき、Python、Node.js、Go、Rust、C#、Dart、および WebAssembly 環境で外部依存なしに効率的なグラフワークロードを可能にします。

本文

なぜ Grafeo なのか？

  • 高性能 – LDBC Social Network Benchmark（埋め込みモードとサーバーモードの両方）で最速のグラフデータベース。メモリフットプリントは他のイン‑メモリDBよりも低く、Rust で実装されたベクトル化実行・適応型チャンク分割・SIMD 最適化操作を採用しています。

  • 多言語クエリ – GQL, Cypher, Gremlin, GraphQL, SPARQL, SQL/PGQ。プロジェクトや専門知識に合わせて最適な言語を選択できます。

  • LPG & RDF サポート – ラベル付きプロパティグラフ（LPG）とRDF トリプルの二重データモデル。ドメインに合ったモデルを選びましょう。

  • ベクトル検索 – HNSW ベースの類似検索でスカラー、ビン、または積量化をサポート。グラフトラバースと意味的類似度を組み合わせます。

  • 埋め込み型・スタンドアロン型 – アプリケーションに直接埋め込む（外部依存なし）か、REST API と Web UI を備えたスタンドアロンサーバーとして実行。エッジデバイスから本番クラスタまで幅広く対応。

  • Rust コア – エンジンは完全に Rust で書かれ、C の依存は不要です（jemalloc/mimalloc オプション付き）。TLS は性能向上のため C ライブラリを使用。設計段階からメモリ安全性と無敵な並行性を保証。

  • ACID トランザクション – MVCC ベースのスナップショットアイソレーションで完全 ACID 準拠。本番ワークロードに信頼できるトランザクションを提供。

  • 多言語バインディング – Python (PyO3)、Node.js/TypeScript (napi-rs)、Go (CGO)、C (FFI)、C# (.NET 8 P/Invoke)、Dart (dart:ffi) および WebAssembly (wasm-bindgen)。好きな言語から Grafeo を呼び出せます。

  • エコシステム – AI 統合（LangChain, LlamaIndex, MCP）、インタラクティブノートブックウィジェット、WebAssembly によるブラウザベースグラフ、ウェブ UI とベンチマークツールを備えたスタンドアロンサーバー。

クイックスタート

Python

import grafeo

# インメモリデータベースを作成
db = grafeo.GrafeoDB()

# ノードとエッジを作成
db.execute("""
    INSERT (:Person {name: 'Alix', age: 30})
    INSERT (:Person {name: 'Gus', age: 25})
""")

db.execute("""
    MATCH (a:Person {name: 'Alix'}), (b:Person {name: 'Gus'})
    INSERT (a)-[:KNOWS {since: 2024}]->(b)
""")

# グラフをクエリ
result = db.execute("""
    MATCH (p:Person)-[:KNOWS]->(friend)
    RETURN p.name, friend.name
""")

for row in result:
    print(f"{row['p.name']} knows {row['friend.name']}")

Rust

use grafeo::GrafeoDB;

fn main() -> Result<(), grafeo_common::utils::error::Error> {
    // インメモリデータベースを作成
    let db = GrafeoDB::new_in_memory();

    // セッションを開始しクエリ実行
    let mut session = db.session();

    session.execute(r#"
        INSERT (:Person {name: 'Alix', age: 30})
        INSERT (:Person {name: 'Gus', age: 25})
    "#)?;

    session.execute(r#"
        MATCH (a:Person {name: 'Alix'}), (b:Person {name: 'Gus'})
        INSERT (a)-[:KNOWS {since: 2024}]->(b)
    "#)?;

    // グラフをクエリ
    let result = session.execute(r#"
        MATCH (p:Person)-[:KNOWS]->(friend)
        RETURN p.name, friend.name
    "#)?;

    for row in result.rows {
        println!("{:?}", row);
    }

    Ok(())
}

特徴

デュアルデータモデルサポート

モデル内容利用ケース
LPG (ラベル付きプロパティグラフ)ラベルと属性を持つノード、タイプ・属性付きエッジ。リッチなデータ型。ソーシャルネットワーク、ナレッジグラフ、アプリケーションデータ
RDF (リソース記述フレームワーク)サブジェクト‑ペリオード‑オブジェクト（SPO）トリプル。W3C 標準に準拠。セマンティックウェブ、リンクドデータ、オントロジー

クエリ言語

言語データモデルスタイル
GQL (標準)LPGISO 標準、宣言型パターンマッチ
CypherLPGNeo4j 互換、ASCII アートパターン
GremlinLPGApache TinkerPop、トラバースベース
GraphQLLPG / RDFスキーマ駆動、ウェブ開発者に馴染み
SPARQLRDFW3C 標準クエリ
SQL/PGQLPGSQL:2023 
GRAPH_TABLE
でネイティブグラフ

例

GQL:
MATCH (me:Person {name: 'Alix'})-[:KNOWS]->(friend)-[:KNOWS]->(fof)
WHERE fof <> me
RETURN DISTINCT fof.name

Gremlin:
g.V().has('name', 'Alix').out('KNOWS').out('KNOWS')
  .where(neq('me')).values('name').dedup()

GraphQL:
{
  Person(name: "Alix") {
    friends { friends { name } }
  }
}

SPARQL:
SELECT DISTINCT ?fofName WHERE {
  ?me foaf:name "Alix" .
  ?me foaf:knows ?friend .
  ?friend foaf:knows ?fof .
  ?fof foaf:name ?fofName .
  FILTER(?fof != ?me)
}

アーキテクチャのハイライト

  • プッシュベース実行エンジン：モルセル駆動並列化
  • カラムナストレージ：型別圧縮
  • コストベース最適化：カードノリティ推定
  • MVCC トランザクション：スナップショットアイソレーション
  • ゾーンマップ：インテリジェントデータスキップ

インストール

言語コマンド
Python
pip install grafeo
Node.js
npm install @grafeo-db/js
Go
go get github.com/GrafeoDB/grafeo/crates/bindings/go
C#
dotnet add package GrafeoDB
Dart
pubspec.yaml
に 
grafeo: ^0.5.21
を追加
WASM
npm install @grafeo-db/wasm

ライセンス

Grafeo は Apache‑2.0 ライセンスの下で配布されます。

同じ日のほかのニュース

一覧に戻る →

2026/03/22 5:32

子ども保護をインターネットアクセス制御に変えるな。

## Japanese Translation: ** ``` ## Summary この記事は、年齢確認が成人向けコンテンツサイトを越えて、ヨーロッパ・米国・英国・オーストラリアなどの主流サービス（ソーシャルメディア、ゲーム、検索等）へと拡大していることを論じている。 規制当局は、OS が永続的に「年齢ステータス」を保持し、システムレベルのインターフェースで公開するよう求めており、これによりすべてのデバイスに適用される一般的なアイデンティティ層が作られる。Linux の systemd は既に年齢保証法への対応としてオプションの `birthDate` フィールドを追加していることから、OS 変更は規制によって駆動されていることが示されている。 成人サイトでの過去の施行は、ユーザーが VPN、借用アカウント、偽データでチェックを回避できたため失敗した。提案された OS レベルのアプローチは、コンテンツモデレーションと保護者責任を混同し、有害なコンテンツ問題を純粋に技術的なものとして扱うリスクがある。一度確立されれば、このアイデンティティ層は位置情報や国籍など他の属性へ拡張でき、規制当局が将来の恐慌時に再利用するゲートとなる可能性がある。 ユーザーにとって、新しいインフラストラクチャはアイデンティティチェック、メタデータログ、ベンダー間での摩擦を追加し、信頼できるデバイスや書類を持たない人々には特に厳しくなる。企業側では、子ども保護の責任がプラットフォーム・ブラウザ・アプリストア・OS ベンダー・アイデンティティ仲介者へと移転し、現地の親や教育者の判断力を侵食する。 著者は、コンテンツモデレーションはローカル（ブラウザ／デバイス／学校ネットワーク）に留め、保護者・教師との監督を維持し、OS はポリシー表面としてのみ使用すべきであり、普遍的な年齢放送層とならないようにすることを訴えている。規制は推奨システム、ダークパターン、依存性メトリクス、拡大を報酬化するビジネスモデルに焦点を当て、全体的なアイデンティティチェックの実施ではなく、これらを対象とすべきだ。 ```

2026/03/22 5:08

TinyBox – オフライン AI デバイス（120 B パラメータ）

## Japanese Translation: Tinycorpのフラッグシッププロジェクトは **Tinygrad** で、エレメントワイズ演算（Unary、Binary、Ternaryを含む）、ReduceOps、および MovementOps の3つのコア操作タイプを中心に構築された軽量ニューラルネットワークフレームワークです。SQRT、LOG2、ADD、MUL、WHERE、SUM、MAX、RESHAPE、PERMUTE、EXPAND などの一般的な数学関数をサポートし、コード内で畳み込みと行列乗算が隠れています。Tinygrad は既に Snapdragon 845 GPU 上で Openpilot モデルを実行するために使用されており、従来の SNPE スタックを置き換えるとともに ONNX サポート、トレーニング機能、注意メカニズム、および推論と逆伝搬の完全な自動微分を追加しています。 同社のフラッグシップハードウェア **Tinybox** は、赤・緑・黒・（近日発売予定）エクサの複数構成で提供されています。主要スペックは以下の通りです：FP16/FP32 加速 FLOPS が 778 TFLOPS / 3 086 TFLOPS（約 1 EXAFLOP）、最大 25 920 GB GPU RAM、GPU 帯域幅 1 244 TB/s、PCIe 5.0 x16 ファブリック、32 コア AMD EPYC/GENOA CPU、最大 23 040 GB システム RAM、480 TB RAID ディスク、53.2 TB/s スケールアウトネットワーク、電力オプションは 1.6 kW〜600 kW、Ubuntu 24.04 OS、12U または独立型ラックマウント フォームファクター。 価格は赤/緑モデルが $12 000、黒/ウェレックスボックスが $65 000 で、エクサモデルは 2027 年頃に約 $10 百万で発売予定です。Tinybox はディープラーニング分野で最高のパフォーマンス／ドル比を実現すると市場にアピールしており、MLPerf Training 4.0 ベンチマークでは価格が 10 倍高いシステムを上回っています。 注文は同社ウェブサイトから行い、支払後 1 週間以内に発送（サンディエゴでの受け取りまたは世界配送）が可能です。支払いは銀行振込のみで、W‑9 フォームはリクエスト時に提供できますが、購入後のカスタマイズは許可されていません。 Tinygrad は現在アルファ版ですが、来年第2四半期までに単一 NVIDIA GPU および Apple の M1 を上回ることを目指しており、推論とトレーニングの両方のワークロードに対して高性能で軽量な代替案としての可能性を示しています。

2026/03/22 9:30

**コメントをもとにしたハッカーニュース利用者のプロファイリング**

## Japanese Translation: Simon Willison（Django、Datasetteの共同開発者であり、Python Software Foundationボードに在籍する独立系ソフトウェア開発者）は、AlgoliaのHacker News APIとClaude大規模言語モデルを使用して自身のコメント履歴を収集・分析し、詳細な個人プロフィールを生成する方法を示しています。APIはCORSを有効にした状態で日付順にコメントをリストアップします。カスタムツール（2023年8月に構築）は最新の最大1,000件のコメントを取得し、Claudeで洗練されたコピー・トゥー・クリップボードボタンを提供します。ダンプデータをClaude Opus 4.6へ貼り付けると、モデルはオンライン活動の包括的なプロファイルを作成します。 Willisonのより広範なワークフロー―「エージェント工学」に根ざしたもの―では、iPhoneでClaude Codeを使用してウェブタスクをコーディングしながら通勤中に2〜3つの並列エージェントセッションを$200/月のClaude Maxプランで実行し、テスト駆動開発（`uv run pytest`）でそれらを安定化させています。彼はサンドボックス/セキュリティ（WebAssembly、Pyodide、Firecracker）、SQLite、uv & PyPIトリック、ブラウザ内のブラウザテスト（`v86`、WASM Linux）、ローカルLLM推論、およびコーディングエージェントを通じてGoを学習する実験に積極的です。彼は「プロンプトインジェクション」という概念を創出し、半年以内にヘッドラインを揺さぶる攻撃の可能性を警告するとともに、OpenClaw/Clawdbotに関するリスクも指摘しています。 Willisonはsimonwillison.net/guidesでエージェント工学に関するガイドを公開予定であり、自身の手法がLLMをプログラマの代替ではなく補完として活用し、将来の開発者ワークフローやAI支援コーディングのセキュリティ実践、責任あるAIに関する議論を形成できることを示すことを期待しています。個人的なタッチとしては、彼のエネルギッシュで対立的なスタイル、透明性の高いバイアス、そして自虐的な「ペリカンベンチマーク」SVGテストがあり、ニッチな博物館、新西蘭のカカポオウム、外国料理、そしてカリフォルニア州ハーフムーン・ベイでの園芸を楽しんでいます。

**Grafeo** Rustで構築された高速・軽量な埋め込み型グラフデータベース。 | そっか～ニュース