2026/08/14 3:41

単一のログ行が ext4 では 49KB 超、btrfs では 110KB 超の systemd-journald ディスク書き込みとなります。

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

要約▶

Japanese Translation:

Debian 13 で

systemd-journald

バージョン 257.9 が XFS ファイルシステム上で動作する場合（カーネル 6.12.57+）、ハードドライブへのログ書き込みで深刻な性能ボトルネックが発生します。根本原因は、

journald

が使用する極めて非効率的なデータ形式であり、ジャーナルファイルが実際のログデータの遥かに多いディスク容量を消費しています。テストでは、仮想マシンが 1 秒あたり 2 つのログエントリを処理しても IOPS は約 50 までしか維持できず、従来の syslog の期待值に比べて劇的に劣っています。また、これらのジャーナルファイルは、不潔な再起動時に耐性欠如のため破損しやすいという問題もあります。この問題は閉じたバグ #15292 と同様のものですが、まだ解決されていません。効率性と完全性のリスクに対処されるまで、永続ストレージをログ用途に使用する組織はデータ損失およびストレージ枯渇の危険性に直面しており、安定した本番環境のためには即座の対応が必要です。

本文

systemd-journald の IOPS 低下問題について（Debian 13, カーネル 6.12）

環境情報

システムドメインバージョン:
```
257.9
```
ディストリビューション: Debian 13
Linux カーネル:
```
6.12.57+deb13-amd64
```
コンポーネント:
```
systemd-journald
```

問題の概要

期待される動作と実際に見られた異常なパフォーマンスの乖離です。

期待動作: ログ書き込み量は標準的な syslog と同等であるべきですが、実際には約50 IOPSという低い値しか得られていません（VM で 1 秒間に 2 件のエントリーを生成しても）。
類似課題: これは以前 #15292 として「正当な理由なし」で閉じられた全く同一の問題です。

問題の再現手順

以下の条件で問題が発現します。

```
systemd-journald
```
をハードディスク（XFS ファイルシステム）に書き出すモードで起動する。

VM 内で連続的なログエントリーストリームを生成する。

生成速度：約2 件/秒

ログ例:

Jan 03 13:37:01 cthylla haproxy[727]: 192.168.1.1:48550 [03/Jan/2026:13:37:01.392] f_www b_icinga/web ... "GET / HTTP/1.0"
Jan 03 13:37:03 cthylla haproxy[727]: 192.168.1.1:36892 [03/Jan/2026:13:37:03.403] f_www b_icinga/web ... "GET / HTTP/1.0"
...（略）...
Jan 03 13:37:19 cthylla haproxy[727]: 192.168.1.1:45862 [03/Jan/2026:13:37:19.500] f_www b_icinga/web ... "GET / HTTP/1.0"

VM 内の I/O トラフィックを測定する。

考察と原因分析

問題の根本原因在于「カーネル側の最適化不足」ではなく、

systemd-journald

の実装自体に大きな課題があります。

IOPS の解釈: 「iotop が正確ではない」という懸念（#15292）は OS による書き込みまとめ処理前のものであり、今回のケースではカーネルの全メカニズムを働かせても低性能であることが証明されています。
ボトルネックの所在:
```
systemd-journald
```
が極めて非効率的な形式を採用しており、これがパフォーマンス低下の主因です。

結論：実装の脆弱性と効率性の欠如

非効率な形式: ジャーナリングメカニズム自体が最適化されていない。
データ破損のリスク: 不潔な再起動後にデータ破損を引き起こすほど回復力に欠けると言える（著者が実際に観測）。
サイズ膨張: ファイル内の実際の書き込み量と比較して、サイズが数倍にも達する非効率さ。

要約: 単なるスロさの問題ではなく、

systemd-journald

のアーキテクチャ上の重大な欠陥が I/O パフォーマンスとデータ整合性の両方に悪影響を及ぼしている。

同じ日のほかのニュース

一覧に戻る →

2026/08/14 19:41

神のために、Kubernetes で CPU リミットを使用するのをやめてください

## Japanese Translation: 元の要約は明確で正確であり、よく構成されています。厳密な改善は必要ありませんが、以下に全ての情報を保持しつつさらにより滑らかで流れの良い、やや推敲されたバージョンを示します： **改訂された要約：** 主な推奨事項は、Kubernetes コンテナからの CPU リミットの廃止です。これは記憶容量制限（OOM キルを防ぐ保護機能）とは異なり、Linux CFS スケジューラによって 100 ミリ秒以内のウィンドウ内で人工的な凍結を引き起こします。このスロットリングは、処理器数に基づいて動的にリソースを割り当てる .NET アプリケーションに特に悪影響を与える、ガベージコレクションへの飢餓や沈黙するロジックエラーなどの重大な失敗につながります。これらの制限を撤去することで、以下の顕著な利益が得られます：クラスタあたり年間約 92,000 ドルのハードウェア統合による節約、トラフィックスパイク時のテールレイテンシの減少、および計算集約型タスクに対する起動時間の大幅な短縮です。これを安全に実装するためには、組織はプロセッサ数（具体的には `DOTNET_PROCESSOR_COUNT`）に対してフラートワイドデフォルトを設定し、スロットリング比率の観測可能性を向上させた上で変更を展開する必要があります。今後のステップとしては、長期にわたる P95 使用データに基づいてリソースリクエストを再サイズ化し、オートスケーリングを最適化することです。未信憑性の高いワークロードや Guaranteed QoS を必要とするワークロードについては、例外を残して近隣のアプリケーションに影響を与えることを防ぐ必要があります。

2026/08/14 18:55

DeepSeek ピークオフピーク料金更新

## Japanese Translation: DeepSeek-V4-Pro が本日公式リリースされ、AI エージェントに重大なアップグレードが施され、生産性が大幅に向上しました。今回の更新では、V4-Pro および V4-Flash の両方で利用可能な柔軟な推論モードを導入しており、「low」は単純なタスク向け、「high」は日常のエージェントワークフロー向け、「max」は複雑な課題向けです。目玉機能として、OpenAI Responses API のネイティブサポートと最適化された Codex インテグレーションを提供し、開発をシームレスに行うためのワンクリック設定が可能です。特筆すべきは、アプリ上で「Expert モード」を通じてこれらの強化機能をアクセスできる一方で、元の API インターフェースでは標準的なモデル名をそのまま維持できる点です。重要なのは、API 料金体系が変更され、2026 年 8 月 16 日 UTC 午後 4 時より有効となるオフピーク時の料金がピーク時の半額という新構造が導入されたことです。この変更は、企業が重負荷な処理をコストのかからない時間帯にスケジュールすることで運用費を削減することを促しており、ビジネスは現在の技術ワークフローを維持しつつ、支出を最適化し、複雑な業務も容易に遂行できるようになります。

2026/08/14 2:23

Gemini 3.7 Flash

## 日本語翻訳： ## サマリー： Google は、開発者の効率性を即時に向上させることを目的として 160 カ国で利用可能にし、最も高度なコーディングモデルとなる Gemini 3.7 Flash を公開しました。これは先行モデルからわずか 3 週間後のリリースであり、開発者のフィードバックおよびアルゴリズムの革新に応じたものであり、この急速な更新によりコストが大幅に削減されました（価格が半減し、100 万入力トークンあたり 0.75 ドル、100 万出力トークンあたり 3.75 ドル）。技術的ベンチマークは能力の著しい飛躍を確認しています：モデルはゼロから動作するコードを生成する際に 43.6% の精度を達成しました（対して 34.4%）、およびソフトウェアのエラーを修正する際の成功率は 65.3% に向上しました（対して 49.0%）。また、複雑なドキュメントの解析、現実世界の業務ワークフロー（AutomationBench スコアが 17.0% から 30.4% に改善）、Web 開発タスクにおいて優れており、Arena.ai で Elo スコア 1588 を達成しました。開発者は、Google Antigravity、Google AI Studio、Android Studio、または公式 API を活用して、これらの改善点を直ちにプロジェクトに統合することができます。この発表は、セキュリティサイバー分野など機密性の高い領域での乱用を防ぐために更新された Frontier Safety の防護措置を通じて厳格な安全プロトコルを維持しつつ、Google Workspace アプリ内でより高い生産性を約束します。安価さと多面的な高性能を組み合わせることで、このモデルは専門家のソフトウェアエンジニアリングにおける人工知能の新たな基準を設定します。