← 2026-06-06 の一覧へ戻るホーム
SQLiteにおけるUUID主キーの落とし穴

2026/06/06 8:13

SQLiteにおけるUUID主キーの落とし穴

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

元のHacker News記事へ ↗
要約▶

Japanese Translation:

SQLite でランダムな UUID4 をプライマリキーとして使用することは、B-tree 構造への行の順序付された挿入を乱すことで、データベースのパフォーマンスを著しく低下させます。順次 64 ビットの 

rowid
を使用する標準的なテーブルとは異なり、不規則な UUID4 の使用を強制することにより、ツリーのリバランス、過剰なページリング、構造化オーバーヘッドが常発します。「WITHOUT ROWID」テーブルを用いたベンチマークでは、1,000 万行のランダム UUID を挿入する場合、標準的な整数 rowid を使用する場合と比較して約 12 倍（約 1 秒対約 12 秒/百万行）遅くなります。このパフォーマンスへの悪影響は、クラスタ化されたインデックスに依存する他のデータベースシステムにも及んでいます。データ整合性を確保するために GUID のような一意の識別子が好まれる一方で、ストレージコストとのバランスを考慮する必要があります。より堅牢な代替案として UUID7 が挙げられ、時間順にキーを生成することで無秩序な挿入問題を解消し、合理的な挿入速度（約 12〜13 秒/百万行）に戻すことができます。UUID7 は 8 バイトの整数と比較して、その 16 バイトサイズによりわずかなオーバーヘッドを導入しますが、高ボリュームデータのアプリケーションに対しては、論理的な一意性と物理的な書き込み最適化の間で最適なバランスを提供します。

本文

SQLite と UUID パフォーマンス：クラスタ化インデックスによるボトルネックと解決策

データベースにおけるプライマリーキーとしてランダムな UUID（UUID4）を使用することは一般的ですが、非順序性がクラスタ化インデックスに対して深刻なパフォーマンスコストをもたらすという欠点があります。B ツリーの葉節にランダムに行を挿入する際、ツリーを再バランスさせるための追加のページリングが発生します。本稿では SQLite を中心にこの問題について解説しますが、他のデータベースでも同様の傾向が観測されます。

クラスタ化インデックスの仕組み

クラスタ化インデックスは、テーブル内の行の物理的保存順序を決定します。データ行は索引付けされたキーによってソートされ、B ツリーの葉節に格納されます。主な特徴は以下の通りです。

  • 一意性: テーブルにつき 1 つのみ存在します（物理的順序は一方方向しかありません）。
  • データの保存場所: クラスタ化インデックス自体がテーブルであり、葉節には完全な行データが含まれています。
  • 非クラスタ化インデックスとの違い: 通常のインデックスは、索引キーと行へのポインタのみを格納し、実際のリポジトリは別の場所にあります。

SQLite の通常のテーブルでは、暗黙の 

rowid
がこのクラスタ化インデックスとして機能します。データは 
rowid
でソートされた B ツリー上に保存されます（
WITHOUT ROWID
テーブルを除く）。

ベースライン：Integer Rowid

まずは標準的な整数型プライマリーキー（

rowid
）でのパフォーマンスを確認します。1,000 万行を 100 万行ずつのバッチで挿入した結果です。

テストコード (Clojure)

(d/q writer
  ["CREATE TABLE IF NOT EXISTS event(id INT PRIMARY KEY, data BLOB)"])

(dotimes [_ 10]
  (time
    (d/with-write-tx [db writer]
      (dotimes [_ 1000000]
        (d/q db ["INSERT INTO event (data) values (?)" data])))))

ベンチマーク結果 (ms)

総行数所要時間 (ms)備考
10,000,0001208
20,000,00011023
30,000,00011774
40,000,00011385
50,000,00010866安定化開始
60,000,00011017
70,000,00010708
80,000,00010699最適水準
90,000,00010791
100,000,0001081(原文の表記ミスと思われるが、文脈上 10,081 などと推測)

結論: 大雑把に言うと、秒間に約 100 万件の挿入処理が可能でした。

UUID4 の問題：激しい性能低下

次に、ランダムな UUID4 をプライマリーキーとして使用した場合（

WITHOUT ROWID
）を検証します。

テストコード (Clojure)

(d/q writer
  ["CREATE TABLE IF NOT EXISTS event(id BLOB PRIMARY KEY, data BLOB) WITHOUT ROWID"])

(dotimes [_ 10]
  (time
    (d/with-write-tx [db writer]
      (dotimes [_ 1000000]
        (d/q db ["INSERT INTO event (id, data) values (?, ?)"
                 (random-uuid4-bytes) data])))))

ベンチマーク結果 (ms)

総行数所要時間 (ms)
10,000,0002649
20,000,0005644
30,000,0007137
40,000,0008352
50,000,0009359
60,000,0009817
70,000,00010490
80,000,00011130
90,000,00011668
100,000,0001258

分析:

  • ベースラインに比べて 10〜12 倍もの遅延が発生しています。
  • 初期挿入時の遅延が非常に大きく、バッチ規模が大きくなるほどその影響が目立ちます。

プロファイリングによる洞察

プロファイリングの結果（標準化された差分グラフ）から、以下の点が明確になりました。

  • 木構造の再バランスリング: UUID4 の非順序性により、行がランダムな順序で挿入されることがあります。
  • B ツリーの再調整コスト: 行をランダム位置に追加するために、SQLite は B ツリーを絶えず再バランスさせる必要があります。
  • I/O 増大: 読み込みと書き込みにおいて多くの時間を費やし、ページリングが発生しています。

解決策：UUID7 の採用

UUID4 の順序付けの問題を解消するため、時系列順の UUID7を使用する方法を試しました。

テストコード (Clojure)

(d/q writer
  ["CREATE TABLE IF NOT EXISTS event(id BLOB PRIMARY KEY, data BLOB) WITHOUT ROWID"])

(dotimes [_ 10]
  (time
    (d/with-write-tx [db writer]
      (dotimes [_ 1000000]
        (d/q db ["INSERT INTO event (id, data) values (?, ?)"
                 (random-uuid7-bytes) data])))))

ベンチマーク結果 (ms)

総行数所要時間 (ms)
10,000,0001372
20,000,0001280
30,000,0001365
40,000,0001250
50,000,0001256
60,000,0001270
70,000,0001246
80,000,0001257
90,000,0001245
100,000,0001258

分析:

  • パフォーマンスは再び妥当な水準に戻りました。
  • 整数ベースライン（約 1.1s）よりわずかに遅い傾向（約 1.3s）ですが、UUID4 と比べると劇的な改善が見られます。
  • 原因: UUID のプライマリーキーが 
    BLOB
    (16 バイト) であるのに対し、整数は 
    INT
    (8 バイト) です。サイズの違いが軽微なオーバーヘッドになっている可能性があります。

まとめ

SQLite において UUID プライマリーキーを使用する際の注意点をまとめます。

  • UUID4 は避ける: ランダム生成により B ツリーの再バランスコストが大きく、10 倍以上の性能劣化を引き起こします。
  • UUID7 で改善可能: シーケンス性の高い UUID7 を使用することで、クラスタ化インデックスのメリットを享受しつつ、順序付けの問題を回避できます。
  • ROWID の活用: 自然数キー（
    rowid
    ）が最も高速ですが、ビジネスロジックで ID が必須な場合は UUID7 が代替案となります。

より詳しいベンチマークコードは公式サイトで参照できます。興味深い事例として、「[SQLite で 100 万 TPS を実現する]」記事もご紹介します。

関連トピック

  • クラスタ化インデックス
  • クラスタ化インデックスと 
    WITHOUT ROWID
    オプティマイゼーション
  • clj-async-profiler によるプロファイリング手法
  • 火炎図（flamegraphs）の活用方法

同じ日のほかのニュース

一覧に戻る →

2026/06/06 9:33

現代カメラレンズ修理の複雑さ（2024年）

## Japanese Translation: ユーザーは、Lumix S5 カメラとのペアリング後に電子制御が停止していたシグマ 45mm f/2.8 I シリーズレンズを正常に復旧させた。修理は、制御用印刷回路基板（PCB）上の破損したヒューズを交換することで達成され、これは TI ブックコンバーター（TI Buck コンバーター）を保護するものである。分解の結果、特定のコマンドが故障していることが明らかになり、それは長い間自動フェーズコンポジション（AFC）オートフォーカスを使用した場合に引き起こされた過電流イベントによる可能性が高い。マルチメータ測定で損傷が確認され、フレックスケーブルや東芝製のマイクロコントローラーを含む他の部品が健全であることも同時に検証された。このプロジェクトは低価格での eBay 購入から始まり、シグマの GrabCAD から入手した無料の 3D プリンティング用治具により高精度な診断プロービングが可能となった。1 時間未満で完了し、現在、園芸写真や電子機器ドキュメンテーションなどの用途に対して完全に機能している。この修理は、高価な電子故障を分解して全体を廃棄するのではなく、ターゲットとした部品交換によって迅速に解決できることを実証している。また、類似のシグマレンズをトラブルシューティングする際に内部電源トレースとヒューズ定格を理解することの重要性も示している。 ## Summary: ユーザーは、Lumix S5 カメラとのペアリング後に電子制御が停止していたシグマ 45mm f/2.8 I シリーズレンズを正常に復旧させた。修理は、制御用印刷回路基板（PCB）上の破損したヒューズを交換することで達成され、これは TI ブックコンバーター（TI Buck コンバーター）を保護するものである。分解の結果、特定のコマンドが故障していることが明らかになり、それは長い間自動フェーズコンポジション（AFC）オートフォーカスを使用した場合に引き起こされた過電流イベントによる可能性が高い。マルチメータ測定で損傷が確認され、フレックスケーブルや東芝製のマイクロコントローラーを含む他の部品が健全であることも同時に検証された。このプロジェクトは低価格での eBay 購入から始まり、シグマの GrabCAD から入手した無料の 3D プリンティング用治具により高精度な診断プロービングが可能となった。1 時間未満で完了し、現在、園芸写真や電子機器ドキュメンテーションなどの用途に対して完全に機能している。この修理は、高価な電子故障を分解して全体を廃棄するのではなく、ターゲットとした部品交換によって迅速に解決できることを実証している。また、類似のシグマレンズをトラブルシューティングする際に内部電源トレースとヒューズ定格を理解することの重要性も示している。

2026/06/06 12:36

ロックダウンモード

## Japanese Translation: マイクロソフトは、「Lockdown Mode」というオプションの高度なセキュリティ設定をロールアウトしています。この機能は、プロンプトインジェクション攻撃から生じるデータ流出リスクを大幅に低減することを目的としており、ライブウェブ閲覧、深層リサーチ、画像分析、エージェント機能へのアクセスを制限することで実現します。本機能は、適格な個人アカウント（Free、Go、Plus、Pro）およびセルフサービス型の ChatGPT ビジネスアカウントで利用可能です。ただし、導入状況は地域やユーザーの状態によって異なります。管理者は、RBAC を通じてユーザーにカスタム「Lockdown Mode」ロールを割り当てることで制限を強制でき、これにより自動的に Developer Mode が無効化され、信頼できないアプリに対するコネクタの書込み操作などの高リスクアクションが制限されます。Lockdown Mode は外部ソースからのリスクを効果的に低下させますが、アップロードされたファイルや有効化されたアプリなどからのものでないすべての攻撃を防ぐ保証は提供せず、明示的に管理されない限り、同期コネクタなどの中リスク項目が活性状態のままになる可能性があります。個人アカウントでは、ライブコネクタへのアクセスがブロックされますが、同期されたデータの使用は許可されます。管理されたワークスペースの管理者は、信頼できるアプリ/アクションを手動で有効化する必要があるため、Lockdown Mode がすべてのアプリ/MCP/コネクタを自動的に無効化するわけではありません。ユーザーは個別のチャットごとに「Manage」オプションまたはメニューを通じて Lockdown Mode からオプトアウトすることができ、これにより他のチャットやメモリ履歴には影響しません。高リスクアクション（例：信頼できないアプリへの読込/書込み）は強く推奨されず、中リスク項目（例：同期コネクタ）については副作用の可能性がありますので注意が必要です。重要なのは、Lockdown Mode は機能性を低下させる点です。ライブインターネットアクセスと完全な画像分析が無効化されますが、手動でのファイルアップロード、メモリの使用、会話の共有、モデル改善データの提供、そしてコンプライアンス API ログプラットフォームによるアプリの使用状況および接続されたソースへの可視性は維持されます。

2026/06/04 5:15

LLM がどのように動作するか

## Japanese Translation: 現代の大規模言語モデルは、非常に標準化されたアーキテクチャ・スタックに収斂しており、これは主要モデル（例：GPT、Claude、LLaMA）間の差異が、根本的な構造革新ではなく、トレーニングデータ、スケーリング、特定の構成、そしてポストトレーニングのプロセスによるものになったことを意味します。このコンセンサスは、2017 年の Transformer の初期設計以来の 5 年にわたる洗練の上に成り立っており、回転位置埋め込み（RoPE）、RMSNorm、SwiGLU、グループクエリアテンション（GQA）、およびエキスパートミックス（MoE）といった主要な構成要素が、安定性と効率性の観点から最適な選択となっています。具体的には、モデルは語彙サイズのバランスと汎化性能を実現するためにサブワードトークン化戦略（例：BPE や SentencePiece）を採用し、RoPE は従来の三角関数型エンコーディングよりも順序情報を効果的に注入します。アーキテクチャは、特異な処理のためにマルチヘッドアテンションを活用し、高密度パラメータを記憶するためにフィードフォワードネットワークを利用し、深層ネットワークにおける安定したトレーニングのためには RMSNorm を使用します。結果として、これらの最適化され共有されたメカニズムを通じて、産業全体はメモリ圧力と推論コストの削減という恩恵を受けています。将来の傾向は、ヘッド数や MoE アクティブ比率などの既存構成を洗練させる方向にあるものであり、破壊的な構造変化ではなく、確立されたパスを通じた継続的な進展を確保します。

SQLiteにおけるUUID主キーの落とし穴 | そっか～ニュース