2026/07/22 21:36

スタートアップのための PostgreSQL 存続ガイド

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

要約▶

Japanese Translation:

このテキストは、2 年にわたる PostgreSQL 運用経験から凝縮された内部ガイドであり、標準ドキュメントが広範囲すぎる場合のインシデント解決にエンジニアをサポートすることを目的としています。助言には

supabase/agent-skills

（AI クエリ用）や

sqlc

（Go ORM）といった特定のツールスタックを取り扱い、次のような重要なスキーマルールを確立しています：主鍵には Identity コラムまたは組み込み UUID を使用すること、必ず

timestamptz

を使用すること、すべてのテーブルに主鍵を適用すること、および低ボリュームテーブルにはカスケード削除付きの外鍵を使用することです。クエリについては、ガイドは Postgres が自動インデックス化された主鍵やユニーク制約を通じて単一行を素早く発見する一方で、これらの欠如がある場合はシーケンシャルスキャン（seq scan）を実行すると指摘しており、2 万件以下のテーブルではこれは許容可能あるいは瞬時であるとしています。最適化のヒントには、単一行ルックアップには明示的なインデックスを使用すること、INNER JOIN の

ON

句には主鍵を使用すること、複合インデックス内では

ORDER BY

コラムを最後に配置することが含まれます。リソースを安全に管理するためには、トランザクションを短く保ち、書き込みブロックを避けるために

CREATE INDEX CONCURRENTLY

を使用し、接続ストームを防ぐために

pgbouncer

や

pgxpool

などのプーラーを活用することです。開発者はクエリプランナーを「リーキーな抽象化」として扱い、

ANALYZE

と

autovacuum

から得られる統計に依存し、遅いクエリのデバッグには

EXPLAIN ANALYZE

を使用すべきです。スループットは、暗黙的なトランザクションを利用したバッチ書き込み（例：

pgx.SendBatch

）によって 10 倍向上させられます。保守においては、バLOAT やラップアラウンドを防ぐために autovacuum の設定を調整し、テーブルのリオーガナ化には

pg_repack

または今後の Postgres 19 の機能である

REPACK...CONCURRENTLY

を使用します。高度な戦略としては、ジョブキューに

FOR UPDATE SKIP LOCKED

を使用すること、時系列テーブルのパーティショニングを行うこと、および単一トランザクション外の大きなマイグレーションではトリガーとユニーク制約を活用することが含まれます。

本文

PostgreSQL 運用における 2 カ年の経験から学んだ要点：内部ドキュメントの公開

エンジニア向けに「2 年間の PostgreSQL 現場での戦い（トラブルと解決策）」を統合した記事を作成しました。 PostgreSQL マニュアル自体は詳述されていますが、問題発生時に即座に参照するには難易度が高く、内容が多岐にわたるためです。この記事は、**「まさにその時に役立つ」**ように構成されています。ご活用ください。

※前提条件 本書は「クエリが遅ければインデックスが必要」という SQL 基礎知識（行、テーブル、インデックス）を有することを想定しています。
AI 自動生成コードの場合: もし Claude などがすべてのクエリを自動生成している場合は、本書を読む時間が必要です。その場合は
supabase/agent-skills
をご活用ください。

OR ムに関する重要な補足

本書の内容は有用ですが、**OR ム（オブジェクト・リレーションシップ・マッピング）**に合わせて適宜調整が必要です。規模拡大に伴う多くの最適化手法は、OR ムの抽象化レイヤーを突破して SQL を直接記述できない限り適用できません。

ツールによる解決策:
- ```
Prisma TypedSQL
```
  : 型情報に基づく動的な SQL 生成を行い、結果として「優雅に」抽象化を突破しています。
- Hatchet の採用: Hatchet には
```
sqlc
```
  を使用しており、類似した挙動を実現できています。Go スタックの開発者は強く推奨します。

設計アプローチ: 「反復的」に構築します。まず概略設計を行い、実際にクエリを実行して要件を確認し、最適化を図ります。
自問すべき質問:
- このテーブルは高読み取り (
```
high-read
```
  ) か？高書き込み (
```
high-write
```
  ) か？
- 読み取り操作中に最も頻繁に使われるフィルタ条件は何か？
- どの列を最も頻繁に更新しているか？
正規化: 必ずしも最適とは限りません。スピード重視の場合は、データを
```
jsonb
```
列に保存する方が現実的な場合があります。

設計指針

主キー: アイデンティティ列（自己増算の整数）または UUID を使用。主キーは常に設定してください。前者がわずかに高速ですが、後方も実用的です。
時刻列: 常に
```
timestamptz
```
を使用します。
外部キー: データ整合性が重要な箇所では、カスケード・デリート (
```
Cascading Deletes
```
) を備えた外部キーを使用します（高ボリューム時は注意）。

良い SELECT クエリの作成

PostgreSQL は基本的に「単一行を迅速に見つける」か、「全行を読み込む（シークエンシャル・スキャン）」かのどちらかを行います。

単一行を迅速に見つけられる条件

明示的なインデックスがある場合
ユニーク制約がある場合（一種の特殊インデックス）
プライマリキーがある場合（自動でインデックス化される）

インデックスとシーケンシャル・スキャン (Seq Scan)

インデックス: デフォルトは B-Tree 使用。検索時間は
```
log(n)
```
で非常に高速です（
```
n
```
=行数）。
シーケンシャル・スキャン: インデックス利用不可の場合に行われます。20,000 行未満のテーブルでの Seq Scan はほぼ即座に完了するため、直感的に遅いと思わないことが多いです。

パフォーマンスの良い JOIN の作成

プライマリキーの利用: INNER JOIN でプライマリキーをキーとして使わないのはスキーマ設計上の問題です。
```
ON
```
句も
```
WHERE
```
句と同様にインデックスを使用してください。

複合インデックスと ORDER BY の整合性

大規模テーブルを跨ぐリスト取得がスロースポットになりやすいです。

ベストプラクティス

```
ORDER BY
```
の列は、インデックスの最後の列に位置させるべきです。
インデックス内の列順は、
```
ORDER BY
```
の順序と整合する必要があります（PostgreSQL は B-Tree を両方向走査可能ですが、これがベストプラクティスです）。

良い書き込み（INSERT/UPDATE）クエリの作成

トランザクションの短縮: 外部サービスへの問い合わせは避けてください（明確な理由がない場合）。
ロック管理: 必要最小限の行のみをロックします。
インデックス作成時の注意点: 既存の大規模テーブルへ
```
CREATE INDEX
```
をすると、テーブル全体がロックされ書き込みがブロックされます！必ず
```
CREATE INDEX CONCURRENTLY
```
を使用してください。

マイグレーション（スキーマ変更）

追加型の変更: 列を削除・取り消さない「追加型」マイグレーションを目指します。トランザクション内で実行可能であればなお良いでしょう。
メンタルモデル: 「この操作がすべての書き込みをブロックするか？」をチェックしてください。
```
ALTER TABLE
```
は注意が必要です（
```
NOT VALID
```
キーワードを使用しない場合など）。

コネクション管理

コネクション・プーラーの重要性: コネクションは CPU/メモリコストがかかります。頻繁な開閉（Churn）は資源浪費です。コネクション・ストームはデバッグ困難なロック問題を招きます。
- 推奨: 外部の
```
pgbouncer
```
  などを使用。
- Hatchet の対応: オープンソースのためプーラーを必ずしも使用しない場合、Go 向けのカスタムインメモリプーラー
```
pgxpool
```
  を使用しています。

中級編：クエリプランナー、バッチ更新、および autovacuum

「漏れやすい」抽象化であるクエリプランナー

役割: クエリを内部操作セットに翻訳し、最適な実行計画（インデックス使用など）を決定します。
限界: 限られた情報（テーブル統計）に基づいて判断するため、常に最適とは限りません。
管理: LLM と共に働くような「漏れのある抽象化」と考え、その振る舞いを理解しておく必要があります。

テーブル統計と ANALYZE

クエリが不適切な原因の一つは、統計情報が古いことです。
```
ANALYZE
```
コマンドの実行または
```
autovacuum
```
によって更新されます。
注意点: 微調整（micro-optimize）しすぎるとクエリプランナーが暴走するリスクがあります。プライマリキーやインデックス利用を優先させるのが楽です。

デバッグ：EXPLAIN ANALYZE

クエリ自体に誤りがなくても遅い場合、
```
EXPLAIN ANALYZE
```
を使用して実行計画と実際の走査行数を確認します。

コマンド例:

EXPLAIN (ANALYZE, COSTS, VERBOSE, BUFFERS, FORMAT JSON) <クエリ>

シークエンシャル・スキャンを行うことも合理的な場合があります

テーブル統計は最新でもインデックスがありながら Seq Scan が選ばれることがあります。
理由: インデックス検索にはオーバーヘッド（ヒープと別格納のため）があるため、Seq Scan の方が高速になるケースがあります。
対応: クエリ構造を劇的に変えられない限り、パーティショニングなどの代替案を検討します。

大量データの書き込み：バッチ処理

各クエリにはオーバーヘッド（ラウンドトリップ時間など）が発生します。これを削減するにはバッチ処理が必要です。

手法: 各行を別々のクエリにせず、一度に送信します。
Go の場合:
```
pgx
```
を使って
```
SendBatch
```
で実行可能。
効果: スループットを約 10 倍に向上させる可能性があります。

デフォルトの autovacuum 設定がデータベースを殺しかねない理由

autovacuum はデッド・タプリ（死んだ行）の削除とトランザクション ID の管理を担当します。

問題: データ書き込みが高速な場合、autovacuum が追いつかず、短期間で深刻な状態になります。
監視: autovacuum のクエリが約 1 時間以上走っている場合は設定変更を検討してください。
トランザクション ID ラップアラウンド: すべてのトランザクション ID を使い果たすと、システム全体が停止する大規模ダウンタイムが発生します。

その他の種々の「ブロート（肥大化）」現象

ページの未使用化: デッド・タプリ回収後にページが完全に埋まらず残ることがあります。
- 対策:
```
autovacuum
```
  の適切な調整。
- 高度な解決策:
```
pg_repack
```
  拡張機能や、PostgreSQL 19 予定の
```
REPACK...CONCURRENTLY
```
  機能。
インデックスの肥大化: テーブル肥大化と同様です。
- 対策:
```
REINDEX INDEX CONCURRENTLY
```
  を使用します。

上級編

FOR UPDATE SKIP LOCKED

の活用

「選択した行をトランザクション内で予約し、他のクエリと干渉させずに利用」するための機能です。

主な用途: ジョブキューの実装（単一クエリでのキュー実装）。
分散ロック: 多数の独立した行更新や、アプリケーション間のリース管理（例: Hatchet エンジン間でのテナントリース分散）に有用。

パーティショニング

標準機能としてのパーティショニングで、行値（タイムスタンプなど）に基づいてテーブルを細分化できます。

利点:
- 各パーティションを独立して
```
autovacuum
```
  できるため、スケールアップが可能。
- 古いデータの削除が瞬時（パーティションテーブルそのものをドロップ）。
注意点: プランニング段階でパーティションの剪定（pruning）が行われない場合、読み取りクエリにオーバーヘッドが生じる可能性があります（最近のリリースで改善されています）。

大規模テーブルマイグレーションにおける裏技

単一のトランザクション内で巨大なデータを移動させることは避けてください。

リスク:
- 長時間にわたるトランザクションは
```
autovacuum
```
  を阻害し、システム肥大化を招く。
- マイグレーション中の書き込みが旧テーブルに残り続ける問題。
手法: トランザクションなしでデータを安全に移動させ、新テーブルへの新しい書き込みもコピーされる仕組みが必要。
- 推奨アプローチ: PostgreSQL トリガーを使用し、トランザクションの外で大規模なバッチ処理によるバックフィルを実行する。
- 重複防止: 主キー上のユニーク制約を使用して管理します。

以上です！PostgreSQL のスケールに関する他の知見や質問があれば、お気軽にお申し付けください。

同じ日のほかのニュース

一覧に戻る →

2026/07/23 2:30

ターレンス・オのチャートプとの対話：ヤコビアン仮定に対する反例について

## Japanese Translation: 该平台主要通过安全的登录提供个性化体验。经过身份验证后，用户将获得量身定制的响应而非通用回答，并可访问由其保存的聊天历史所告知的答案。关键功能包括直接在界面中创建自定义图像，以及上传外部文件以实现与工作流的无缝集成。通过将创意工具与基于记忆的个性化相结合，该平台将标准效用转化为自适应环境，从而简化任务，并在无需重复设置的情况下利用之前的互动。

2026/07/23 2:20

GigaToken：言語モデルのトークナイゼーション速度が約1,000倍高速化

## Japanese Translation: Gigatoken は、HuggingFace および tiktoken などの標準的なトークナイザーの超高速で即座に置き換え可能なものとして機能し、ネイティブ API を通じてデータ処理を革命化します。これは、マルチスレッド Rust プログラミング、SIMD 最適化、キャッシュ階層の改良、分岐の最小化といった高度なエンジニアリング技術によって達成された画期的成果です。ベンチマーク結果では、EPYC 9565 などの高エンド AMD プロセッサ上において、HuggingFace のトークナイザーよりもほぼ 989 倍、tiktoken よりも 681 倍以上の高速化が確認されています。本ソフトウェアは、Llama 3/4、Qwen、Gemma、Phi-4、DeepSeek、GLM、Nemotron、Kimi K2、Mistral、CodeLlama などの主要な AI モデルをサポートします。スタンドアローン API（最も高速）および HuggingFace または Tiktoken を既存のワークフローで使用するための互換モード（わずかに低速）を備えています。本ツールは現在、Linux ベースのシステム上で AMD EPYC、Apple M シリーズ、または AMD Ryzen チップを使用する際に最適化されたバイト対ペア符号化を用いて最も効果的に動作し、Windows でのサポートは限られています。ユーザーには WSL の使用を推奨します。今後の計画としては、Python インテグレーションの改良（現在は ABI3 を使用しており、これは内部 API よりもわずかに低速）およびさらなる最適化によるハードウェア互換性の拡大が含まれます。現在知られている制限事項には、API におけるファイルシンクの欠如と SentencePiece 最適化の制限があります。最終的に、Gigatoken は精度を損なうことなく、モデルトレーニングと推論を大幅に高速化するトークナイゼーション時間を劇的に削減することを約束します。研究用途については、@software{roed2026gigatoken...} として引用されるべきです。

2026/07/23 6:15

Malleable コンピューティング、Emacs、そしてあなた

## Japanese Translation: 著者は、大量導入向けのスケーラビリティよりも速度と簡潔さを優先する軽量のツール `fj` を使用し、Emacs 内で GitHub の Issue 管理を自動化することに成功した。このソリューションは複雑なローカルサーバーを避けるために既存の `gh` コマンドラインユーティリティを利用して認証を行い、UI 操作には Elisp パッケージ `Transient`、フォーマット変換には `ox-gfm` を統合することで、ユーザーがエディタから直接 Issue のメタデータをコピーし、Org モードでコメントを作成し、ブラウザウィンドウを開くことを可能にしている。これらすべての機能は JSON 解析ロジックで約 20 行以内で実装されている。「可変計算（malleable computing）」の原則に従い、Emacs を再起動することなしに迅速なプロトタイピングを可能にしている。2 時間半という初期開発フェーズとコードのリファクタリングを経て、最終製品は個人の利用に最適化された約 400 行の Lisp から構成されている。このアプローチは、伝統的な大衆向けソフトウェア（"N"）とは対照的に、最小限の計画で堅牢なツールを個人ニーズのために構築することは非常に実現可能であることを示している（"1"）。 ## Summary: 著者は、大量導入向けのスケーラビリティよりも速度と簡潔さを優先する軽量のツール `fj` を使用し、Emacs 内で GitHub の Issue 管理を自動化することに成功した。このソリューションは複雑なローカルサーバーを避けるために既存の `gh` コマンドラインユーティリティを利用して認証を行い、UI 操作には Elisp パッケージ `Transient`、フォーマット変換には `ox-gfm` を統合することで、ユーザーがエディタから直接 Issue のメタデータをコピーし、Org モードでコメントを作成し、ブラウザウィンドウを開くことを可能にしている。これらすべての機能は JSON 解析ロジックで約 20 行以内で実装されている。「可変計算（malleable computing）」の原則に従い、Emacs を再起動することなしに迅速なプロトタイピングを可能にしている。2 時間半という初期開発フェーズとコードのリファクタリングを経て、最終製品は個人の利用に最適化された約 400 行の Lisp から構成されている。このアプローチは、伝統的な大衆向けソフトウェア（"N"）とは対照的に、最小限の計画で堅牢なツールを個人ニーズのために構築することは非常に実現可能であることを示している（"1"）。