MySQL– tag –
-
データベース
数秒のクエリを数ミリ秒にする — SQLの到達作品
SQL の書き方をひととおり覚えたあと、「で、索引って結局どれくらい効くの?」に自分の手で答えを出す回です。この記事は SQL コースの到達点として、100万行の練習用テーブルを自分で作り、索引の無い列で検索して数百ミリ秒〜数秒かかることを実測し、EXPLAIN で type=ALL(全表走査)を確認します。そのうえで CREATE INDEX を1本張り、まったく同じクエリが数ミリ秒に変わることを、実行時間・rows・type の Before/After の表で示します。さらに索引が効かない書き方、索引を張ると書き込みが遅くなる代償まで、すべて数字で確かめます。速くする前に必ず測る、を体で覚えて締めます。 -
Docker 深掘り
ボリュームでデータを残す — コンテナを消すとデータも消える
コンテナを作り直したらデータベースが空になった。原因はコンテナの中に書いたから。書き込み可能レイヤーがコンテナと一緒に消えることを実際に確かめ、volumes と bind mounts と tmpfs の3つを同じ題材で並べて、どれをいつ使うか決める。ボリュームの実体がホストのどこにあるか、bind mount で権限が合わずに起動しない典型、匿名ボリュームが静かに溜まる罠、そしてボリュームのバックアップと復元までを実機で通す。 -
Docker 深掘り
DockerでCIのテストを回す — 手元では通るのにCIで落ちる
自分のPCでは通るテストがCIで落ちるのは、実行環境が違うから。練習用に ~/citlab を新しく作り、MySQL を使う Node.js の API と、データベースを本当に読み書きするテストを3本書く。開発用とは別の compose.test.yaml を用意し、tmpfs にデータベースを載せてテストのたびに作り直す。docker compose up の終了コードが既定ではテスト結果を反映しないことを実測し、--exit-code-from で外に出す。run --rm と up --abort-on-container-exit の違い、GitHub Actions のワークフロー全文、services: との比較、CIが遅くなる原因、テストが不安定になる3つの原因と直し方まで実機で通す。 -
Kubernetes 深掘り
StatefulSetでDBを載せる — 3つに増やしたら壊れた
Deployment のレプリカ数を3にすれば、データベースも3台になると思っていました。実際にやると、3つの Pod が同じ保存先を奪い合って壊れます。この記事では、まず Deployment では何がまずいのかを表で整理し、StatefulSet に置き換えて、Pod の名前が demo-0 demo-1 に固定されること、PVC が Pod ごとに1つずつ作られること、Pod を消しても同じ名前・同じ PVC で戻ってくることを実際に確かめます。headless Service で demo-0.demo と名指しできることまでやったうえで、StatefulSet を使っても「レプリケーションの設定」と「フェイルオーバー」は自分でやるしかないこと、だから Operator があること、そして結局マネージドを使うほうが楽だという判断まで正直に書きます。 -
システム設計 深掘り
レプリケーションとシャーディング — 書き込みは速くならない
書き込みが詰まったのでレプリカを2台足したのに、書き込みは1ミリ秒も速くなりませんでした。レプリケーションが分散するのは「読み」だけで、「書き」は primary 1台に集まったままだからです。この記事では MySQL を Docker Compose で primary 1台 + replica 2台立てて実際にレプリケーションを組み、読みを振り分けたときに primary の CPU がどう下がるかを docker stats で測ります。次にわざと遅延を作り、遅れたレプリカを読むと古い値が返ることを再現します。primary を停めてレプリカを昇格させ、昇格が自動ではないこと、古い primary を戻すと二重書き込みになることも手で確かめます。後半はシャーディングで、範囲・ハッシュ・一貫性ハッシュの3つの分け方を Node のスクリプトで実際に計算し、台数を1台増やしたときに何%のデータが引っ越すかを数えます。最後に2台に分けた MySQL で JOIN・トランザクション・採番が壊れるところまで再現して、全部消します。 -
システム設計 深掘り
データストアの選び方 — 速いのはJOINをしていないから
「NoSQLは速い」と聞いて MongoDB に移し、3ヶ月後に自分でJOINを書いていました。データの持ち方は速さで選ぶものではなく、どう問い合わせるかで決まります。この記事では Docker Compose で MySQL・Redis・MongoDB を同時に立て、利用者・投稿・タグ・フォローという同じ題材を、キーバリュー・ドキュメント・リレーショナルの3つの形で実際に持ってみます。同じ問いを3つの形に投げ、取れるもの・取れないもの・何回問い合わせが要るかを数えます。さらに1000万行のテーブルを作り、1列だけ合計する問いで行単位に読む形の不利を EXPLAIN と実行時間で見せ、列指向が何をしているのかを被覆索引で再現します。最後にフォローを3段たどる問いを再帰CTEで書き、深さを1つ増やすだけで急に遅くなるところを実測して、グラフDBが要る場面と要らない場面を分けます。立てたものは全部消します。 -
システム設計 深掘り
結果整合性とCAP定理 — リロードしたら件数が減った
レプリカを1台足した翌日、「投稿したのに一覧に出ない」「リロードしたら件数が減った」という報告が来ました。バグではなく、読む先を増やした瞬間から必ず起きることです。この記事では MySQL の primary 1台 + replica 1台を Docker Compose で立て、replica にわざと遅延を作って「書いた直後に自分の書き込みが読めない」ところを実測します。単調読み取りが崩れて件数が減る様子、返信が本文より先に見える因果の逆転も、実際にコマンドの出力として再現します。そのうえで強整合にする手段を3つ試します。primary から読む、SELECT ... FOR UPDATE、準同期レプリケーション。それぞれ何ミリ秒遅くなるかを測ります。最後に docker network disconnect で replica を切り離し、古い値を返すかエラーを返すかの二択しか無いことを目で見て、業務ごとにどちらを選ぶかの判断表を作ります。立てたものは全部消します。 -
システム設計 深掘り
遅いアプリのアンチパターン7つ — 推測では当たらない
「遅いアプリ」には決まった書き方があります。この記事では Docker Compose で MySQL を1つ立て、1万件のダミーデータを入れ、遅くなる書き方を7つ、わざと自分の手で書きます。SQLを101回打つ版とJOIN 1回の版、全行を取ってアプリで絞る版とWHEREで絞る版、readFileSyncが他の全リクエストを止めるところ、リクエストごとに接続を作る版とコネクションプール、DBに文字列処理をさせて張り付かせる版とその逆、1本の重い処理が軽いAPIを巻き込むところ。すべて「悪い版を測る→直す→また測る」の形で、何倍になったかを数字で出します。最後に一番大事な実験として、推測で直した箇所が全体の2%しか占めていなかったことを実際に作って確かめ、症状から疑う場所を引ける表にまとめます。立てたものは全部消します。 -
SQL 深掘り
GROUP BYと集計関数 — 付けたら行が減った
GROUP BY を付けた瞬間にエラーが出る、行が減る、売上ゼロの部署が消える。原因はほぼ全部「集計とは行を潰すことだ」という一点に戻ります。練習用テーブルを自分で作って、COUNT(*) と COUNT(列) の差、AVG が NULL を無視すること、ONLY_FULL_GROUP_BY が黙って外れていると嘘の値が返ること、LEFT JOIN で0件を出す方法、WITH ROLLUP の小計、条件付き集計での横持ちまでを、実際に打って確かめます。 -
SQL 深掘り
JOINの仕組み — 表を繋いでいない
JOIN は「2つの表を横に繋ぐ命令」だと説明されがちですが、それでは LEFT JOIN が突然 INNER JOIN に化ける理由を説明できません。この記事では練習用の小さな表を2つ作り、まず CROSS JOIN で全組み合わせ20行を目で見ます。INNER JOIN がその20行を条件で絞ったものだと分かると、LEFT JOIN も自己結合も3表結合も、同じ1つの仕組みの言い換えになります。WHERE に書くか ON に書くかで結果が変わる件、RIGHT JOIN を使わなくていい理由、MySQL に FULL OUTER JOIN が無い件、そして20万行で EXPLAIN を読むところまで。