データベース - chinng-lab AI実験室

chinng-lab AI実験室

データベース

A collection of 10 posts

データベース

ベクトルデータベースとは何か？――RAG検索の仕組みからQdrant・pgvector・FAISSの選び方まで

はじめに：ベクトルデータベースが分からないとRAG構築ができない理由「RAGを構築したい――そう調べたページの先で、必ず『ベクトルデータベース』という言葉に出くわす」。AIアプリ開発を始めたばかりのエンジニアや、技術選定を任されたアーキテクトなら、一度はこう感じたことがあるのではないでしょうか。ベクトルデータベース（ベクトルDB）は、RAG（Retrieval-Augmented Generation、検索拡張生成）において、社内文書やWebページといった外部知識を「意味の近さ」で検索できる形に変換して貯めておく、いわばAIの記憶装置です。AWSの解説でも、RAGは外部データを埋め込みモデルで数値表現に変換してベクトルデータベースに保存し、質問時にはその類似度で関連情報を引き出す仕組みとして説明されています。ベクトル検索を前提とするRAG構築では、この部分の理解が全体像を把握する鍵になります。ところが、いざ学ぼうとすると2つの壁が立ちはだかります。1つ目は、埋め込みや類似度検索といった基礎概念の解説が断片的で、全体像が掴みにくいこと。2つ目は、Qdrant・pgvector

データベース

PostgreSQL 19の新機能とは？――非同期I/Oと仮想生成列が変えるデータベース運用、Beta 4で確認できる変更点と移行準備のすべて

はじめに――「次のメジャーバージョン」への備えはいつ始めるべきか「PostgreSQLのメジャーアップグレード、そろそろ着手しないとな……」――そう思いながら、日々の運用に追われて先送りしていないでしょうか。メジャーバージョンのアップグレードは、マイナーバージョン更新とは比較にならないほど慎重さが求められる作業です。アプリケーションが動かなくなるかもしれない。拡張モジュールの互換性が崩れるかもしれない。しかも一次情報の多くは英語で、リリースノートを読み解くだけでも一仕事です。さらに、pg_upgradeの実行時間や切り戻し手順を、実は誰も検証したことがない――というケースも珍しくありません。「本番に適用していいタイミング」を見極められず、現行バージョンのまま様子見を続けている現場も少なくないのではないでしょうか。その「次のメジャーバージョン」が、いま目の前に来ています。PostgreSQL Global Development Groupは2026年9月24日、PostgreSQL 19 Beta 4をリリースしました（postgresql.org公式のアナウンスによる確定

データベース

ベクトルデータベースはどう動くのか――HNSW近似最近傍探索の仕組みからpgvector・Qdrant・Milvusの選び方まで

はじめに――RAG時代に「避けて通れない」ベクトルデータベース ChatGPTに代表されるLLMの普及以降、RAG（Retrieval-Augmented Generation、検索拡張生成）は社内ナレッジ検索やドキュメントQ&Aといった実務で急速に広がりました。RAGの核心は「関連文書をベクトルの類似度で探し出してLLMのコンテキストに渡す」ことにあり、その検索基盤となるベクトルデータベースは、もはやAIアプリケーション開発においてほぼ必須のインフラになっています。しかし、いざ導入しようと調べると、すぐに混乱します。PostgreSQLに後付けできるpgvector、Rust製の高速エンジンQdrant、Kubernetesネイティブで数十億ベクトルを捌くMilvus、研究開発の定番ライブラリFAISS、pip一発で試せる軽量なChroma――選択肢が多すぎて、「そもそもどういう基準で比較すればいいのか」「自分のユースケースにはどれが合うのか」が分からない、というのが多くのエンジニアの実感でしょう。この混乱の背景には、仕組みへの理解が欠けているという問題があります。例として

データベース

SQLiteはなぜ「壊れない」のか——WALモードとアトミックコミットの仕組みを徹底解説

はじめに——なぜSQLiteは電源が落ちても壊れないのか？「Raspberry Piで動いていたロガーから、うっかり電源ケーブルを抜いてしまった」。home labを運用している方なら、そんな瞬間が一度はあるでしょう。心臓に悪い数秒の後、SQLiteのデータベースファイルを開いてみると——なぜか壊れていない。前回コミット済みのデータはそのまま残り、途中まで書き込みだったトランザクションは跡形もなく消えています。これは幸運ではなく、設計された動作です。 SQLiteは公式サイトで「高信頼性（high-reliability）」を掲げる組込みデータベースです。スマホの連絡先やブラウザの履歴をはじめ、多くの組込み機器で採用されていますが、その普及の大きな理由の一つが、このクラッシュ安全性——電源断やOSクラッシュ、プロセス強制終了が起きてもデータベースファイルが論理的に破損しない性質です（sqlite.org）。その正体は、大きく2つの仕組みです。1つ目はアトミックコミット。トランザクション内のすべての変更が「すべて適用される」か「1つも適用されない」かのどちらかだけに限定する技術

データベース

時系列データベース入門——ホームサーバー監視から分散AIメトリクスまで、VictoriaMetrics・TimescaleDB・InfluxDBをどう選ぶか

時系列データベース（TSDB）とは何か？基本のキと仕組み「ProxmoxのCPU使用率やvLLMのトークン生成速度を毎秒記録したいんだけど、普通のPostgreSQLやMySQLじゃダメなの？」――監視やAIメトリクス収集を始めるとき、誰もがぶつかるこの疑問こそが、時系列データベース（TSDB）を選ぶ理由の入口です。本記事では、ホームサーバー監視から分散AI基盤のメトリクス収集までを題材に、VictoriaMetrics・TimescaleDB・InfluxDBをどう使い分けるかを解説します。時系列データの特性がRDBと決定的に違う CPU使用率・温度・トークン速度（tokens/sec）のような測定値は、時刻をキーとして高頻度で「追記」され続けます。更新や削除はほぼ起こらず、読み取りは「直近1時間の平均」「過去30日の傾向」といった時間範囲の集計が中心。さらにデータは無限に増え続けるため、古いデータを自動削除する保持期間（retention）管理と、ディスクを圧迫しない高圧縮が必須になります。汎用RDBでも原理的には実現できますが、書き込みスループット・ダウンサンプリン

データベース

PostgreSQL 19は何が変わるのか——SQL/PGQ、非同期I/O、そして2026年秋リリースを待つ新機能を読み解く

はじめに——PostgreSQL 19はいつリリース？何が変わる？ PostgreSQLのメジャーバージョンは毎年秋に登場しますが、2026年の主役は間違いなくPostgreSQL 19です。すでにBeta 1が2026年6月4日に、Beta 2が2026年7月中旬にリリースされており、正式版（GA）は2026年9月〜10月頃の見込みとなっています。ベータ段階ではありますが、機能面はほぼ固まっており、今のうちに何が変わるのかを把握しておく価値は十分にあります。リリースまでの流れをタイムラインで整理すると、次のようになります。 timeline title PostgreSQL 19 リリースロードマップ 2026年6月4日 : Beta 1 リリース（機能プレビュー） 2026年7月中旬 : Beta 2 リリース（安定化段階）（追加ベータ・RCを経由） 2026年9月〜10月頃 : 正式版（GA）リリース予定なお、Beta期間中はプロトコル互換性の問題を洗い出すための一時的な「grease mode」キャンペーンも実施されていま

データベース

DuckDB 2.0が切り開くデータ基盤の新潮流：QuackプロトコルとDuckLakeが変える「インプロセスOLAP」の未来

分析用組み込みデータベースとして絶大な支持を集めるDuckDBがメジャーバージョン「DuckDB 2.0」のプレビューを発表。HTTP/2ベースのQuackプロトコルによるクライアント・サーバー化、SQLネイティブな新テーブル形式DuckLake、Snowflake互換のVARIANT型まで、インプロセスの枠を超えて進化する次世代データスタックの全貌を徹底解説します。

AI・テクノロジー

SQLiteだけでRAGは作れるか？——sqlite-vecとエッジデータベースが拓くローカルファーストAI検索の現在

はじめに：なぜSQLiteでRAGが再び注目されているのか RAG（Retrieval-Augmented Generation）を構築すると聞いて、多くの人がまず思い浮かべるのはベクトルデータベースの選定でしょう。Embeddingを保存し、近傍検索を走らせるために、QdrantやChromaといった専用DBを立てるか、Postgresにpgvectorを載せたサーバを別途用意する——ここ数年、それが標準構成とされてきました。しかし、この構成には避けられない運用コストがつきまといます。コンテナの起動、インデックスの管理、監視。そして何より「そもそも、その規模感でサーバを立てる必要があるのか？」という根本的な問いです。個人用のナレッジベース、エッジデバイス上の検索、オフラインで動かしたいAIエージェント——こうしたワークロードの多くは、実は「Postgres+pgvectorを立てるほどでもない」ケースに少なくなく相当すると考えられます。この問いに答える形で、SQLiteをデータ基盤として再評価する潮流が続いています。背景にあるのは2つのマクロトレンドです。1つはエッジへのコンピ

AI・テクノロジー

PostgreSQL 19 Betaで切り拓く次世代データベース：非同期I/O・OAuth認証・JIT無効化が変えるデータ基盤の未来

はじめに — データベース世界で起きている「静かな革命」 2026年7月16日、PostgreSQL Global Development GroupはPostgreSQL 19 Beta 2をリリースした。オープンソースのリレーショナルデータベースとして「世界で最も先進的」と称されるPostgreSQLにとって、バージョン19は単なる年次アップデートではない。非同期I/Oの本格整備、OAuth 2.0認証のネイティブサポート、JITのデフォルト無効化、SQL/PGQ（プロパティグラフクエリ）の導入――これらは単なる機能追加ではなく、データベースのあり方そのものを問い直す変化だ。同時に、PostgreSQL 14が2026年11月12日にサポート終了（EOL）を迎える。多くの企業が抱えるPostgreSQL 14環境の移行も、現実的な課題として迫っている。本記事では、PostgreSQL 19 Betaで判明している全主要変更を、性能・セキュリティ・開発体験・移行の4つの軸で整理する。データベース管理者（DBA）、バックエンドエンジニア、AIインフラエンジニアの方々にとっ

AI・テクノロジー

SQLite-Vectorが切り拓くエッジAIのベクターサーチ：組み込みデータベースで実現するプライバシーファーストなセマンティック検索

はじめに — エッジAI時代のベクトル検索の課題 ChatGPTの登場以降、AIアプリケーションの風景は劇的に変化しました。中でもRAG（Retrieval-Augmented Generation）は、LLMのハルシネーションを抑制し、最新情報を反映するための事実上の標準アーキテクチャとなっています。そしてRAGの心臓部を担うのが、テキストの意味的近さを高速に計算するベクトル検索です。クラウド型ベクターデータベースの成功と限界 Pinecone、Weaviate、Qdrant——これらのマネージドベクターデータベースは、百万規模のベクトルをクラウド上で管理し、ミリ秒レベルの類似性検索を実現してきました。しかし、すべてのユースケースがクラウドに適しているわけではありません。遅延とコストが最初の壁です。モバイルアプリやIoTデバイスからクラウドへクエリを投げる場合、ネットワークラウンドトリップが致命的な遅延を生みます。より深刻なのはプライバシーの問題です。医療、法務、金融の領域では、ユーザーの機密データを外部サーバーに送信すること自体が法律で禁止されています。GDPRやCC