← 2026-10-01 の一覧へ戻るホーム
Edge Functions の高速化：V8 が Firecracker MicroVM に隔離され、処理が 5 倍速くなりました。

2026/10/01 3:17

Edge Functions の高速化：V8 が Firecracker MicroVM に隔離され、処理が 5 倍速くなりました。

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

元のHacker News記事へ ↗
要約▶

Japanese Translation:

Netlify は、Firecracker MicroVMs を搭載した独自のエッジネットワークへ Edge Functions を移行することでサーバーレスのパフォーマンスを革命化したものであり、中央値速度は約 5 倍の向上、p99 呼び出しでは 47.4% の高速化を実現しています。このアーキテクチャ変更は最も重要な機能を最優先しており、リクエストが外部サービスを経由せずに内部コンピューティングノードに直接到達し、中央値ウォーム呼び出し遅延をわずか 5–6ms（前比 25–40ms）まで短縮するとともに、推定 1.2% のリクエストが必要とする場合にサブ 10ms のコールドスタートを可能にしています。メモリマッピングされたイメージを利用し、使われていない仮想マシンが保存されたスナップショットによってゼロにスケールするのを許可することで、システムは即座な再起動とローカル DNS リゾルバーによる最適化されたキャッシュングを確保します。stripped-down Linux 環境内で動作するこのセットアップでは、機能ごとに隔離することで顧客間でのセキュリティ侵害を防ぎ、同時に rendezvous hashing を活用してサービスを実行ノード上に保ちつつキャッシュ効率を高めています。NPM パッケージサポートがベータ段階から脱却するにあたり、開発者はこの高い可用性（99.998%）をサポートし、大規模なトラフィック急増時でも堅牢な安定性を提供する安全なインフラストラクチャ内で、市場投入までの時間を大幅に短縮し、グローバルユーザーの信頼性を高めることが期待されます。

本文

Netlify Edge Functions のアーキテクチャ再構築：高速化と高信頼性の実現

Netlify の Edge Functions には毎日約 10 億回の稼働があります。Sunweb のページカスタマイズや Loto-Québec のクッキーチェックルーティングなど、数十万のサイトが個人化・認証処理をこのプラットフォームで実行しています。これらすべての機能は、顧客トラフィックに合わせてスケーリングされる完全な JavaScript ランタイム上で動作します。

本記事では、極限まで低遅延を実現するための技術的課題に対し、チームが直面した問題とその解決策について詳しく解説します。

再構築の成果とアーキテクチャ変更

過去数ヶ月間、当チームは Unikraft チーム（類似事例も発信）との密な協力により、Edge Functions の背後にあるインフラを完全に見直しました。 以前のホスト型実行環境から、独自の edge ネットワーク内MicroVMへの移行を完了させました。これにより以下のような成果を得ており、中央値で約 5 倍の高速化を実現しています。

  • セキュリティと信頼性の向上: リクエスト処理の分離性が高まり、侵害リスクが大幅に低減。
  • 計算実行の可能性拡大: Edge でより複雑な計算を実行できるようになりました。
  • 開発者体験への影響なし: URL インポート、npm パッケージ、Node.js 標準機能、
    netlify.toml
    の宣言、ローカル開発環境など、すべての利用法は以前と同じ動作を維持しています。

性能メトリクス：数値による証明

Edge Functions はサイトの最前線で稼働するため、顧客が待機する時間（所要時間）の短縮が最重要課題です。

ウォームインボケーション（既に準備済みの状態）

計算ノードへのルーティング、MicroVM の起動、関数の実行までの全体コストは以下の通り改善されています。

  • 中央値（p50）: 約 5〜6ms に改善（旧インフラ：25〜40ms）
  • p99 インボケーション: 47.4% の高速化を達成
  • 可用性: 99.998% を維持
  • ログ配信: 処理速度が約 5 倍に向上

コールドインボケーション（初めて到達した地域）

以前計算ノードが確認したことのない地域へのリクエストでは、イメージフェッチが必要になります。

  • 発生頻度: 全体の約 1.2%
  • 平均処理時間: 約 9ms

リクエスト処理の全体像：ステップバイステップ

以下は、単一のリクエストが Netlify のネットワーク内を通過する際のフローです。

1. Edge ノードへの到達

すべてのリクエストはクライアントに近い Edge ノードに届きます。

  • ノードは TLS 接続を終了し、Edge Functions のルート照合を行います。
  • ルート一致時は、以前「インターネット経由で外部へ出し戻す」のではなく、自社ネットワーク内の計算ノードへ直接転送されます。

2. Edge Functions サービスの作成・確認

計算ノードはサービス ID を受け取り、既存サービスの有無を確認します。

  • 既存の場合: リクエストを既存サービスへ転送し、MicroVM 起動へ進む。
    • 同一サイトに対し複数の MicroVM を関連付け、スケーリングタイミングや終了前の処理上限（リクエスト数固定）を制御可能にしています。
  • 新規作成の場合: サービスが存在しない場合は新規作成後、指定されたイメージがディスクに存在するか確認します。
    • 不足しているイメージは edge ノードからフェッチしてディスクに書き込みます。これにより、その地域でトラフィックを受けているイメージのみをフェッチする効率化を実現しています。

3. Edge ノードによる仕様の作成と移動制御

リクエストが計算ノードへ移動する前に、Edge ノードは実行マシンの仕様（3 つのイメージ：ランタイム、プラットフォーム、Edge Functions イメージ）および CPU、メモリ制限を作成します。

  • 分離性の保証: ハッシュ値とサイト固有情報からサービス ID を計算し、異なるデプロイ（コード・環境変数が異なるとしても）は決して同じ MicroVM を共有しないように管理しています。
  • セキュリティ上の意義: 潜在的に侵害されたデploy は別の MicroVM で実行されるため、ランタイム脱出による他社顧客や計算層の汚染リスクを排除できます。（従来の Isolates（V8 など）では提供できなかったレベルの隔離を提供）

4. 計算ノードの選択（Rendezvous ハッシング）

各地域には計算ノードグループがあり、Edge ノードはサービスごとにハッシングを用いて最適なノードを選択します。

  • 「くっつきやすさ（Stickiness）」の活用: 同じサービスが毎回同じノードに割り当てられるため、MicroVM はウォーム状態を維持でき、コードやキャッシュディスク上に保持されます。これによりキャッシュ戦略が可能になり、コールドスタート回避に寄与します。
  • ホットスポット対策: すべてのリクエストを同一ノードに送るのは高速ですが、ボトルネック化のリスクがあります。特定の閾値を超えた場合は、サービスをノードの一部スライス（slice）に分散させ、単一顧客からのトラフィック急増による影響を他のサービスから隔離しています。
  • コードフェッチ: 計算ノードが決定されると関数コードを取得し、初回リクエストのコストのみで済むようにキャッシュ管理を行います。

5. MicroVM の起動（Firecracker）

各関数は独自の Firecracker MicroVM で実行され、以下の特性があります。

  • 起動速度: 作成に要する時間 1ms を切らず、p99 で約 2ms で起動。
    • フル OS の起動ではなく、スリープされた Linux 環境を開始するため高速です。
  • メモリ効率: Edge Functions ファイルは圧縮されていない EROFS イメージとしてマウント・メモリーマップされるため、VM はバンドル全体を読み込むのではなく、実際に必要な部分のみを読み取ります。
  • ライフサイクル管理: Unikraft のプロダクトが担当し、起動→スナップショット作成→復元→ゼロスケール（アイドル時はシャットダウン）を自動化しています。
    • インボケーションがない間は MicroVM をゼロスケールさせ、次回起動時にはそのスナップショットから即座に VM を再構築します。

6. 実行とレスポンス処理の最適化

大規模運用を通じて得た教訓（仮想スイッチポート不足や DNS の課題など）を反映し、以下の強化を行いました。

  • ローカル DNS Resolver: 計算ノード内で動作させ、遅延を削減。
  • 計測の強化: 起動時間、ポート開放時間、ユーザーコード開始時間の精密な計測を実装。
  • サーキットブレーカー: 即時再ルーティングや撤廃機能を確保し、システムの健診性を向上。

これらすべての工程はEdge ネットワーク内で行われ、ウォームインスタンスの場合約 6ms で完了します。リクエスト到着からレスポンス送信までのサイクルを完全に制御しています。

強固なコンピューティングインフラの設計原則

本システム構築では、「エンドユーザー体験」と「ロールアウトの堅牢性」の両立を最優先しました。素早い展開と即座なロールバックのバランスが取れるアーキテクチャを採用しています。

アーキテクチャの特徴

  • 計算ノードの独自構築: Unikraft のベースイメージから構築し、edge ノードとは別個にビルドされています。これにより、軽量化・高速化や異なるインスタンスタイプの利用、独立したスケーリングが可能になります。
  • コントロールプレーンとデプロイ戦略:
    • コントロールプレーンが計算ノードの健全状態を監視し、Edge ノードがポーリングを行います。
    • デプロイは新しいフラート（Flotte）を既存群の横に立ち上げ、規模を合わせ、健全を確認した後にトラフィックを引き継ぐという手法を採用。

Unikraft チームとの緊密な連携により、正しさの検証や大規模リクエストへの対応、プラットフォーム固有機能の実装が推進されました。

現在提供されている恩恵と将来性

Edge コンピューティングアーキテクチャの再構築は速度向上だけでなく、継続的に拡張可能なより強力な基盤を提供しています。移行ステップなしでプロジェクトの変更も不要ながら、すでに今日から顧客のプロダクショントラフィックに提供されています。

自社で計算を行うことで、以下の制約が緩和・撤廃されました：

  1. npm パッケージサポートのベータ終了
    • ネイティブバイナリや実行時ファイル読み込みの制限が大幅に緩和され、本格的な VM と実在のファイルシステムが利用可能になりました。
  2. 動作制限の見直し余地
    • 従来の CPU 50ms・メモリ 512MB・圧縮コード 20MB の固定制限から自由になり、より柔軟なリソース割り当てが可能に。
  3. 自社ネットワーク内での計算制御
    • 過去に依存していた第三者インターネット接続によるパス制御の問題が解決し、完全な自制管理を実現しました。

今後も未解決の課題や新たな制限への挑戦を続けてまいります。

同じ日のほかのニュース

一覧に戻る →

2026/10/01 5:04

ジェミニ 4 アルゴン

## Japanese Translation: Google は、ソフトウェアエンジニアリング、企業向け知識業務（法務および財務を含む）、およびサイバーセキュリティ防衛における複雑で長期にわたるワークフローを扱うための深い推論に特化された AI モデル「Gemini 4 "Argon"」を発表しました。Argon は産業標準を超える出力トークン制限 100 万トークン（従来の 64K から向上）をサポートし、単一のトリアジェクト内での複雑な問題に対する深い推論を可能にします。そのアーキテクチャには、最適化された量子コンピューティングサブルーチンが組み込まれており、 prior システムと比較して約 40% の高速化を実現するとともにメモリ使用量を大幅に削減しています。内部テストの結果では、Google データセンター全体で 300 TiB を超えるメモリが解放され（推定節約額は 500 TiB〜1 PiB）、効果が確認されました。 Argon は現在、Fairwind プログラムを通じて信頼されたサイバー防衛者に対してのみ展開されており、米国政府による任意のプレリリースアクセスレビューを経ています。一般公開は安全なガードレールのさらなる精錬を待って行われ、まず有料 API 顧客および Google AI Ultra 契約者のみから開始されます。安全対策には、CBRN 攻撃への拒否メカニズム、Gray Swan IPI ベンチマークにおける間接プロンプトインジェクションに対する堅牢性、思考の連鎖分析を通じた非整合性のモニタリングなどが含まれます。 ベンチマーク結果は Argon の能力を浮き彫りにしています：ソフトウェアエンジニアリングタスクにおいて DeepSWE v1.1 で 77.9% のスコアを達成し、AutomationBench では 51.3% のスコアで第 1 位にランクされ、長期間のビデオ理解における LVBench で 91.7% のスコアを獲得、CWE-bench v1 では脆弱性修復において 68% のスコアで 1 位と並んでいます。また、Wiz の Scan for Good イニシアチブにおいて、以前の実験モデルが見過ごしていた世界中で使用されている医療ソフトウェアにおける重大な脆弱性を成功裏に特定しました。 価格は入力トークン 100 万あたり 2 ドル（出力トークン 100 万あたり 10 ドル）から開始され、キャッシュされた入力トークンは標準の入力価格に対して 95% の割引で利用可能です。このコスト効率の高い構造は、大規模な計算タスク向けに高度な AI 機能を可能にすることで、長期ワークフロー自動化およびサイバーセキュリティ防衛戦略を革新することを目的としています。さらに、Argon エージェントは積極的に C/C++ コードベースを Rust へ移行しており、re2 などのコアライブラリでは数万行以上、Fuchsia Zircon カーネルでは最大 800 万行以上に達しています。libgav1 ビデオデコーダーの Rust ポートと比較して 2.7 倍の速度向上を実現するとともに、出力とメモリの安全性を維持しています。

2026/10/01 7:03

機密レベルトップの衛星「URSALA」「RAQUEL」「FARRAH」

## Japanese Translation: HEXAGON LEO の20機の衛星は、1971年から2000年代初頭にかけて、軍の重要な電子偵察（ELINT）資産として機能した。当初「プログラム11」と正式名称、俗に「 hitchhikers（ひき寄せ乗り）」と呼ばれたこれらの低軌道システムは、基本的な国集情報収集ツールから、戦術的国家能力の戦術的活用（TENCAP）プログラムの導入により、直接的な戦場支援システムへと進化を遂げた。大気抵抗によって苦悩した1960年代の使い捨てモデルとは異なり、後続の機体にはレーダーサイドローブおよび未使用周波数帯の実時分析能力を備えた搭載コンピュータを搭載し、データを戦術的な地上バン、船舶、航空機に直接伝送する機能を持たせた。この機能は、1973年の中東戦争やフォークランド紛争（RAQUELを利用）の際に極めて重要な役割を果たした。主要な衛星にはURSA LA、FARRAH、GLORIA、CARRIEが含まれ、早期モデルであるMABELIやTOP HAT IIは限られた運用寿命を有する一方、FARRAH I/IIなどの機体は30年にわたり運用された。ロッキードなどによる契約業者の継続的な機能維持と、GLORIA、CARRIEといった特定のペイロード向けのスペースシャトル打ち上げへの転換が進んだ一方で、多様な打上げ車両を維持することに伴う高コストに加え、初期のシャトル打上げの後での打上げ車輛への復帰（変換したタイタンIIICBミサイル）および1回の失敗（FARRAH IV）が原因となり、プログラムは次第に退役へと向かった。1997年9月時点で、検出率は1993年の55個からわずか18個へと急落しており、プログラムの終了前から偵察産出量が著しく低下していたことが示された。最近解秘されたこれらの衛星に関する新たな重要情報が、過去2カ月以内に発表された。

2026/10/01 4:04

驚くほど複雑な波が脳の内部の働きを明らかにする

## Japanese Translation: 脳は、複雑な情報処理における基本的なモチーフとして伝播波に依存しており、単に一般的な神経活動を反映するだけでなく、空間的ナビゲーションや感覚予測を援護しています。2024 年の『Nature Human Behavior』に掲載された研究では、往復する波動が記憶の符号化と想起を支援することが示されました。また、2026 年の『Nature Communications』に掲載された Joshua Jacobs 氏（Anup Das 氏らとの共著）主導の研究では、てんかん患者に用いられる約 100 の脳内電極を用いて、同心円状のリッチルと回転する螺旋波という追加の動的パターンを特定しました。回転する波動は、より単純な言語タスクよりも複雑な空間的ナビゲーション中により頻繁に観測されるため、高度な認知機能における役割が示唆されています。数学者および生物学者である Bard Ermentrout 氏は、以前に観測された単純な「平面」状の波動は、電極配置の制限により生じた大きな複雑なパターンの部分的な視覚に過ぎなかった可能性を提唱しました。高忠実度なデータが存在するにもかかわらず、これらのパターンの完全な普遍性を捉えることは限られており、電極を設置した治療部位のみで観測が制限されている可能性があります。これに関する議論は現在も継続しており、一部の研究者（例：Earl K. Miller）はこれらの動的層が機能的に重要であると主張する一方、他の研究者（例：György Buzsáki）はそれらが基礎となるシナプス計算を反映していると論じています。異種間での研究はこの図像をサポートしており、2026 年 6 月の『Science』に掲載された研究ではマウスの大脳皮質内で鏡像され同期化した回転する波動が確認されました。また、2026 年 9 月の『Neuron』に掲載されたレビューでは、視覚野における伝播波が次に来る感覚情報を予測するのに役立っていることが強調されています。これらのパターンの機能的役割を解明することは、単なる活動記述を超えた大脳皮質処理モデルの洗練につながります。