データベース完全比較2025：PostgreSQL vs MySQL vs MongoDB vs Redis — 選定基準と実践ガイド

         Consistency (C)
            /\
           /  \
          /    \
    CP   / CAP  \ CA
  system/ 不可能 \ system
        /________\
  Partition(P)   Availability(A)

┌─────────────────────────────────────────────┐
│                 PostgreSQL                   │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  │
│  │ Backend  │  │ Backend  │  │ Backend  │  │
│  │ Process  │  │ Process  │  │ Process  │  │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘  │
│       │             │             │         │
│  ┌────┴─────────────┴─────────────┴────┐    │
│  │          Shared Memory              │    │
│  │  ┌──────────┐  ┌──────────────┐    │    │
│  │  │ Shared   │  │    WAL       │    │    │
│  │  │ Buffers  │  │  Buffers     │    │    │
│  │  └──────────┘  └──────────────┘    │    │
│  └─────────────────────────────────────┘    │
│                                             │
│  ┌─────────────────────────────────────┐    │
│  │     Background Workers              │    │
│  │  WAL Writer | Checkpointer |        │    │
│  │  Autovacuum | Stats Collector       │    │
│  └─────────────────────────────────────┘    │
└─────────────────────────────────────────────┘

-- トランザクション分離レベル設定
SET TRANSACTION ISOLATION LEVEL REPEATABLE READ;

-- MVCC動作確認
BEGIN;
SELECT xmin, xmax, ctid, * FROM orders WHERE id = 1;
-- xmin: 作成トランザクションID, xmax: 削除トランザクションID
-- ctid: 物理的位置 (page, offset)
COMMIT;

-- JSONBカラムの作成
CREATE TABLE products (
    id SERIAL PRIMARY KEY,
    name VARCHAR(255) NOT NULL,
    metadata JSONB NOT NULL DEFAULT '{}',
    created_at TIMESTAMPTZ DEFAULT NOW()
);

-- GINインデックス作成（JSONB検索最適化）
CREATE INDEX idx_products_metadata ON products USING GIN (metadata);

-- JSONBクエリ例
SELECT name, metadata->>'category' AS category,
       (metadata->'specs'->>'weight')::numeric AS weight
FROM products
WHERE metadata @> '{"category": "electronics"}'
  AND (metadata->'specs'->>'weight')::numeric < 500;

-- JSONB集計
SELECT metadata->>'category' AS category,
       COUNT(*),
       AVG((metadata->'price'->>'amount')::numeric) AS avg_price
FROM products
GROUP BY metadata->>'category';

-- pgvector拡張のインストール
CREATE EXTENSION IF NOT EXISTS vector;

-- ベクトルカラムを持つテーブル
CREATE TABLE documents (
    id SERIAL PRIMARY KEY,
    title TEXT NOT NULL,
    content TEXT NOT NULL,
    embedding vector(1536)  -- OpenAI text-embedding-3-small次元
);

-- HNSWインデックス（高速近似最近傍探索）
CREATE INDEX ON documents
USING hnsw (embedding vector_cosine_ops)
WITH (m = 16, ef_construction = 64);

-- IVFFlatインデックス（メモリ効率的）
CREATE INDEX ON documents
USING ivfflat (embedding vector_l2_ops)
WITH (lists = 100);

-- コサイン類似度ベースの検索
SELECT id, title,
       1 - (embedding <=> query_embedding) AS similarity
FROM documents
ORDER BY embedding <=> query_embedding
LIMIT 10;

-- ハイブリッド検索（ベクトル + 全文検索）
SELECT id, title,
       ts_rank(to_tsvector('japanese', content), plainto_tsquery('japanese', 'search')) AS text_score,
       1 - (embedding <=> query_embedding) AS vector_score
FROM documents
WHERE to_tsvector('japanese', content) @@ plainto_tsquery('japanese', 'search')
ORDER BY vector_score * 0.7 + text_score * 0.3 DESC
LIMIT 10;

-- 範囲パーティショニング例
CREATE TABLE orders (
    id BIGSERIAL,
    order_date DATE NOT NULL,
    customer_id INTEGER NOT NULL,
    total_amount NUMERIC(10,2),
    PRIMARY KEY (id, order_date)
) PARTITION BY RANGE (order_date);

-- パーティション作成
CREATE TABLE orders_2025_q1 PARTITION OF orders
    FOR VALUES FROM ('2025-01-01') TO ('2025-04-01');
CREATE TABLE orders_2025_q2 PARTITION OF orders
    FOR VALUES FROM ('2025-04-01') TO ('2025-07-01');

-- 自動パーティション管理（pg_partman）
CREATE EXTENSION pg_partman;
SELECT partman.create_parent(
    p_parent_table => 'public.orders',
    p_control => 'order_date',
    p_type => 'native',
    p_interval => '3 months'
);

┌─────────────────────────────────────────────┐
│                MySQL Server                  │
│  ┌───────────────────────────────────────┐  │
│  │          Connection Pool              │  │
│  │   Thread 1 | Thread 2 | Thread N     │  │
│  └───────────────────────────────────────┘  │
│  ┌───────────────────────────────────────┐  │
│  │    Query Cache（8.0+で廃止）           │  │
│  │          Parser -> Optimizer          │  │
│  └───────────────────────────────────────┘  │
│  ┌───────────────────────────────────────┐  │
│  │            InnoDB Engine              │  │
│  │  ┌──────────┐  ┌──────────────────┐  │  │
│  │  │ Buffer   │  │  Change Buffer   │  │  │
│  │  │ Pool     │  │                  │  │  │
│  │  └──────────┘  └──────────────────┘  │  │
│  │  ┌──────────┐  ┌──────────────────┐  │  │
│  │  │ Redo Log │  │  Undo Log        │  │  │
│  │  └──────────┘  └──────────────────┘  │  │
│  └───────────────────────────────────────┘  │
└─────────────────────────────────────────────┘

-- HeatWave MLでモデル学習
CALL sys.ML_TRAIN('my_schema.customer_data',
    'churn_label',
    JSON_OBJECT('task', 'classification'),
    @model_handle);

-- 予測実行
CALL sys.ML_PREDICT_ROW(
    JSON_OBJECT('age', 35, 'tenure', 24, 'monthly_charge', 79.99),
    @model_handle,
    @prediction);

SELECT @prediction;

-- Group Replicationステータス確認
SELECT MEMBER_ID, MEMBER_HOST, MEMBER_PORT, MEMBER_STATE, MEMBER_ROLE
FROM performance_schema.replication_group_members;

-- シングルプライマリモード（デフォルト、推奨）
SET GLOBAL group_replication_single_primary_mode = ON;

-- ProxySQLルーティングルール設定
INSERT INTO mysql_query_rules (rule_id, active, match_pattern, destination_hostgroup)
VALUES
    (1, 1, '^SELECT .* FOR UPDATE', 0),   -- 書き込みグループ
    (2, 1, '^SELECT', 1);                  -- 読み取りグループ

-- サーバーグループ設定
INSERT INTO mysql_servers (hostgroup_id, hostname, port, weight)
VALUES
    (0, 'primary.mysql.local', 3306, 1),    -- 書き込み
    (1, 'replica1.mysql.local', 3306, 50),  -- 読み取り
    (1, 'replica2.mysql.local', 3306, 50);  -- 読み取り

// MongoDBドキュメント構造 — 埋め込みパターン
db.orders.insertOne({
  orderId: 'ORD-2025-001',
  customer: {
    name: '田中太郎',
    email: 'tanaka@example.com',
    address: {
      street: '渋谷区神宮前1-2-3',
      city: '東京',
      zipCode: '150-0001',
    },
  },
  items: [
    {
      productId: 'PROD-001',
      name: 'ワイヤレスキーボード',
      price: 8900,
      quantity: 2,
    },
    {
      productId: 'PROD-002',
      name: 'モニタースタンド',
      price: 4500,
      quantity: 1,
    },
  ],
  payment: {
    method: 'card',
    status: 'completed',
    paidAt: ISODate('2025-03-15T10:30:00Z'),
  },
  totalAmount: 22300,
  createdAt: ISODate('2025-03-15T10:25:00Z'),
})

// ベクトル検索インデックス作成
db.collection.createSearchIndex({
  name: 'vector_index',
  definition: {
    mappings: {
      dynamic: true,
      fields: {
        embedding: {
          type: 'knnVector',
          dimensions: 1536,
          similarity: 'cosine',
        },
      },
    },
  },
})

// ベクトル検索クエリ
db.documents.aggregate([
  {
    $vectorSearch: {
      index: 'vector_index',
      path: 'embedding',
      queryVector: queryEmbedding, // 1536次元ベクトル
      numCandidates: 100,
      limit: 10,
      filter: { category: 'tech' },
    },
  },
  {
    $project: {
      title: 1,
      content: 1,
      score: { $meta: 'vectorSearchScore' },
    },
  },
])

// シャードキー選択 — カーディナリティ、分散度、クエリパターンを考慮
sh.enableSharding('ecommerce')

// ハッシュシャーディング（均等分散）
sh.shardCollection('ecommerce.orders', { customerId: 'hashed' })

// 範囲シャーディング（範囲クエリ最適化）
sh.shardCollection('ecommerce.logs', { timestamp: 1 })

// ゾーンシャーディング（地域ベースのデータ分離）
sh.addShardTag('shard-jp', 'ASIA')
sh.addShardTag('shard-us', 'AMERICAS')
sh.addTagRange('ecommerce.users', { region: 'JP' }, { region: 'JQ' }, 'ASIA')

-- Strings: キャッシュ、セッション、カウンター
SET user:session:abc123 "session_data" EX 3600
INCR page:views:homepage

-- Hashes: オブジェクト格納
HSET user:1001 name "田中太郎" email "tanaka@dev.com" login_count 42
HINCRBY user:1001 login_count 1

-- Sorted Sets: リーダーボード、ランキング
ZADD leaderboard 9500 "player:alice"
ZADD leaderboard 8700 "player:bob"
ZADD leaderboard 9200 "player:charlie"
ZREVRANGE leaderboard 0 9 WITHSCORES  -- Top 10

-- Streams: イベントストリーミング
XADD mystream * sensor_id "temp-01" temperature "23.5" humidity "45"
XREAD COUNT 10 BLOCK 5000 STREAMS mystream 0

-- HyperLogLog: 概算ユニークカウント
PFADD unique:visitors:2025-03-23 "user1" "user2" "user3"
PFCOUNT unique:visitors:2025-03-23

-- Redis JSON
JSON.SET product:001 $ '{"name":"ワイヤレスキーボード","price":8900,"tags":["electronics","keyboard"],"specs":{"weight":350,"wireless":true}}'
JSON.GET product:001 $.specs.weight

-- Redis Searchインデックス作成
FT.CREATE idx:products ON JSON PREFIX 1 product:
  SCHEMA
    $.name AS name TEXT SORTABLE
    $.price AS price NUMERIC SORTABLE
    $.tags[*] AS tags TAG
    $.specs.weight AS weight NUMERIC

-- 全文検索
FT.SEARCH idx:products "@name:keyboard @price:[5000 10000]"

-- ベクトル検索（Redis Stack）
FT.CREATE idx:docs ON HASH PREFIX 1 doc:
  SCHEMA
    title TEXT
    embedding VECTOR HNSW 6 TYPE FLOAT32 DIM 1536 DISTANCE_METRIC COSINE

-- KNN検索
FT.SEARCH idx:docs "*=>[KNN 10 @embedding $query_vec AS score]"
  PARAMS 2 query_vec "\x00\x00..."
  SORTBY score
  RETURN 2 title score

import boto3

dynamodb = boto3.resource('dynamodb')
table = dynamodb.Table('EcommerceTable')

# ユーザープロファイル保存
table.put_item(Item={
    'PK': 'USER#001',
    'SK': 'PROFILE',
    'name': '田中太郎',
    'email': 'tanaka@dev.com',
    'type': 'USER'
})

# 同じテーブルに注文を保存
table.put_item(Item={
    'PK': 'USER#001',
    'SK': 'ORDER#2025-03-15#ORD001',
    'items': [{'name': 'キーボード', 'price': 8900}],
    'total': 8900,
    'status': 'completed',
    'type': 'ORDER'
})

# ユーザーの全注文を照会（Query）
response = table.query(
    KeyConditionExpression='PK = :pk AND begins_with(SK, :sk)',
    ExpressionAttributeValues={
        ':pk': 'USER#001',
        ':sk': 'ORDER#'
    }
)

┌────────┐  ┌────────┐  ┌────────┐
│ Node A │──│ Node B │──│ Node C │
│ Token: │  │ Token: │  │ Token: │
│ 0-33   │  │ 34-66  │  │ 67-100 │
└───┬────┘  └───┬────┘  └───┬────┘
    │           │           │
    └───────────┼───────────┘
            Gossip Protocol

-- キースペース作成（レプリケーション戦略含む）
CREATE KEYSPACE ecommerce WITH replication = {
    'class': 'NetworkTopologyStrategy',
    'us-east': 3,
    'ap-northeast': 3
};

-- テーブル作成（パーティションキー + クラスタリングキー）
CREATE TABLE ecommerce.user_activity (
    user_id UUID,
    activity_date DATE,
    activity_time TIMESTAMP,
    activity_type TEXT,
    details MAP<TEXT, TEXT>,
    PRIMARY KEY ((user_id, activity_date), activity_time)
) WITH CLUSTERING ORDER BY (activity_time DESC)
  AND compaction = {'class': 'TimeWindowCompactionStrategy',
                    'compaction_window_size': 1,
                    'compaction_window_unit': 'DAYS'};

┌─────────────────────────────────────────────────┐
│                アプリケーション層                  │
└───────┬──────────┬──────────┬──────────┬────────┘
        │          │          │          │
   ┌────▼────┐ ┌──▼───┐ ┌───▼───┐ ┌───▼────┐
   │PostgreSQL│ │Redis │ │MongoDB│ │Elastic │
   │(注文/決済)│ │(Cache)│ │(商品)  │ │(検索)  │
   └─────────┘ └──────┘ └───────┘ └────────┘

import redis
import psycopg2
import json

r = redis.Redis(host='localhost', port=6379)

def get_product(product_id):
    # 1. キャッシュ確認
    cache_key = f"product:{product_id}"
    cached = r.get(cache_key)
    if cached:
        return json.loads(cached)

    # 2. キャッシュミス — DB照会
    conn = psycopg2.connect("dbname=ecommerce")
    cur = conn.cursor()
    cur.execute("SELECT * FROM products WHERE id = %s", (product_id,))
    product = cur.fetchone()

    if product:
        # 3. キャッシュに保存（TTL 1時間）
        r.setex(cache_key, 3600, json.dumps(product))

    return product