OLTP(Online Transaction Processing、オンライントランザクション処理)は、振込・注文・座席予約のような短い更新を、利用者の操作に合わせてその場で確実に反映する処理方式です。OLTPに使うデータベースを「OLTPデータベース」と呼び、PostgreSQL・Oracle Database・MySQL・SQL Serverなどのリレーショナルデータベースが代表格です。
この記事では、ATM・EC・POSで1回のトランザクションが何を更新しているかという具体例から入り、OLTPデータベースの種類と製品、OLAPとの違いを整理します。違いは比較表だけで終わらせず、PostgreSQL 18.6とDuckDBで同じ500万行を使って、1件検索と全件集計の速さ、集計クエリを同居させたときの更新性能の落ち方を計測しました。
まとめ:OLTPデータベースの役割と選び方の要点
- OLTPは「現在の状態を1件ずつ正しく書き換える」処理です。1回のトランザクションは数行の読み書きで終わり、全部成功か全部取り消しのどちらかに必ず収束します(ACID特性)。
- OLTPデータベースの第一候補はリレーショナルデータベース(PostgreSQL・MySQL・Oracle・SQL Server)です。1台で書き込みが収まらない規模、複数リージョンでの書き込みや無停止の要件、急な負荷変動が出てきた段階で、TiDB・Spanner・Aurora DSQLなどの分散SQLやDynamoDBを検討します。
- OLAPは蓄積した履歴を集計する処理で、OLTPとは得意が逆です。今回の計測では、主キーで1件を引く処理はPostgreSQLが0.013ミリ秒、500万行の集計はDuckDB(列指向)が約65ミリ秒とPostgreSQLの約1.2秒より1桁以上速い結果でした。
- OLTPのデータベースに重い集計を相乗りさせると、更新の処理件数が落ちます。計測では集計クエリ4本の同時実行で毎秒の更新件数が中央値で約22%下がりました。集計はDWHやレプリカに逃がします。
- 製品やハードウェアのOLTP性能はTPC-C(1分あたりの新規受注件数tpmC)で比べるのが業界標準です。PostgreSQLの基礎的な性能は、付属のpgbench(TPC-Bを参考にした既定シナリオ)で手元でも測れます。
以下、仕組み・例・製品・OLAPとの違い・データの渡し方・性能の測り方・設計の順に説明します。
OLTP(オンライントランザクション処理)の意味と1回のトランザクションの中身
OLTPの単位は「トランザクション」です。口座Aから口座Bへの振込なら、Aの残高を減らす更新とBの残高を増やす更新が両方そろって初めて確定し、途中で障害が起きれば両方を取り消します。片方だけが反映された状態を残さないことが、OLTPが金融・在庫・予約のようにズレが許されない業務で使われる理由です。トランザクションの基本操作(COMMIT・ROLLBACK)はトランザクションの分離レベル・ACID・commit/rollbackの解説で扱っています。
1回のトランザクションの大きさは、PostgreSQLに付属する負荷試験ツールpgbenchの既定シナリオを見るとつかめます。PostgreSQL 18の公式ドキュメントによると、このシナリオは銀行業務を模したTPC-Bベンチマークを参考にしたもので、1トランザクションあたり7つのコマンドを実行します。pgbench --show-script=tpcb-like で表示した中身が次のとおりです。
-- tpcb-like: <builtin: TPC-B (sort of)>
\set aid random(1, 100000 * :scale)
\set bid random(1, 1 * :scale)
\set tid random(1, 10 * :scale)
\set delta random(-5000, 5000)
BEGIN;
UPDATE pgbench_accounts SET abalance = abalance + :delta WHERE aid = :aid;
SELECT abalance FROM pgbench_accounts WHERE aid = :aid;
UPDATE pgbench_tellers SET tbalance = tbalance + :delta WHERE tid = :tid;
UPDATE pgbench_branches SET bbalance = bbalance + :delta WHERE bid = :bid;
INSERT INTO pgbench_history (tid, bid, aid, delta, mtime) VALUES (:tid, :bid, :aid, :delta, CURRENT_TIMESTAMP);
END;
口座・窓口・支店の残高を1行ずつ更新し、取引履歴を1行追加するだけです。UPDATEとSELECTは主キーで対象行を特定し、INSERTも1行を追加するだけなので、表が何百万行あっても1回のトランザクションで触る行は数行で済みます。数行を正確に、大量の利用者から同時に、という性質がOLTPのすべての設計判断の出発点になります。
OLTPの例:ATM・EC・座席予約・POSが1回の操作で更新するもの
OLTPの例は「利用者が画面で確定ボタンを押した瞬間にデータが変わる処理」と考えると見分けられます。代表的な業務で、1回のトランザクションが何を更新し、何を守っているかを並べました。
| 業務 | 1回のトランザクションで更新するもの | 守るべき条件 |
|---|---|---|
| ATMの引き出し・振込 | 口座残高・取引履歴 | 残高がマイナスにならない・二重引き落としをしない |
| ECの注文確定 | 受注・受注明細・在庫の引当数 | 在庫以上に売らない |
| 航空券・座席の予約 | 座席の状態・予約レコード | 同じ座席を2人に売らない |
| 店舗のPOSレジ | 売上明細・在庫・ポイント残高 | レシートと売上データが一致する |
| ネットバンキングのログイン | セッション・最終ログイン日時 | 失敗回数のカウントを取りこぼさない |
どの業務も、複数の利用者が同じ行(同じ在庫・同じ座席)を同時に書き換えようとする点が共通しています。ECの在庫を受注時に押さえるか出荷時に押さえるかの実装は在庫引当のSQL実装、座席や会議室の二重予約をデータベースの制約で止める方法はPostgreSQLの排他制約で二重予約を止める実装手順で、それぞれコード付きで説明しています。
TPモニタ(CICS・Tuxedo)が担ってきたOLTPの土台
銀行の勘定系や航空会社の予約システムのような大規模OLTPは、データベースの前段に「TPモニタ(トランザクション処理モニタ)」と呼ぶミドルウェアを置いて動いてきました。端末からの大量の要求を受け、処理プログラムに振り分け、トランザクションの開始と確定を管理するのが役割です。
代表製品はメインフレーム向けのIBM CICSと、UNIX・Linux向けのOracle Tuxedoで、どちらも現役です。IBMの製品発表一覧ではCICS Transaction Server for z/OSの最新リリースは6.3(2025年9月5日GA)、Oracle Tuxedoのドキュメントでは最新版は22c(22.1.1.0.0)です。TPモニタを検討するのは、既存の勘定系・基幹系とつなぐ案件や、複数のデータベースやメッセージキューにまたがるトランザクションを一括で管理する必要がある案件です。1つのデータベースで完結する業務なら、データベース自身のトランザクション機能で足ります。
OLTPデータベースに求められる要件:ACIDと同時実行制御
OLTPデータベースの要件は、優先度の高い順に「データを壊さないこと(ACID)」「大勢が同時に書いても待たせないこと(同時実行制御)」「止まらないこと(可用性)」です。性能はこの3つを満たしたうえでの話になります。
ACIDの4性質と1983年の論文での定義
ACIDはAtomicity(原子性)・Consistency(一貫性)・Isolation(分離性)・Durability(永続性)の頭文字です。この4つをまとめて「ACID」と呼んだのは、Theo HärderとAndreas Reuterの論文「Principles of Transaction-Oriented Database Recovery」(ACM Computing Surveys 第15巻第4号、1983年12月)です。トランザクションという概念自体は、それ以前にJim Grayが1981年のVLDB会議の論文「The Transaction Concept: Virtues and Limitations」などで整理していました。
実務で問題になりやすいのは分離性です。完全に直列に実行したのと同じ結果を保証する設定(SERIALIZABLE)は安全ですが、同時実行の性能を落とすため、多くの製品は既定でそれより緩い分離レベルを使っています。永続性は、コミット済みの変更をデータファイルより先にログへ書くWAL(先行書き込みログ)で守るのが一般的で、仕組みはライトアヘッドログ(WAL)の解説にまとめています。
主要データベースの既定の分離レベルの違い
同じ「READ COMMITTED」でも、製品ごとに既定値と実装が違います。移行や複数DBの併用で挙動が変わる原因になるので、使う製品の既定値は確認しておきます。
| 製品 | 既定の分離レベル | 出典 |
|---|---|---|
| PostgreSQL 18 | READ COMMITTED | 公式ドキュメント |
| MySQL 8.4(InnoDB) | REPEATABLE READ | リファレンスマニュアル |
| Oracle AI Database 26ai | READ COMMITTED | Concepts |
| SQL Server | READ COMMITTED(RCSIは既定OFF) | Microsoft Learn |
| Azure SQL Database | READ COMMITTED(RCSIは新規DBで既定ON) | Microsoft Learn |
差が出やすいのはSQL ServerとAzure SQL Databaseの組み合わせです。オンプレミスのSQL Serverは既定で読み取りが行ロックを待ちますが、Azure SQL Databaseは行のバージョンを読むRCSI(READ_COMMITTED_SNAPSHOT)が既定で有効なので、同じアプリケーションでもロック待ちの出方が変わります。PostgreSQL・Oracle・MySQLは、更新中の行の古い版を読ませる多版型同時実行制御(MVCC)で読み取りと書き込みが互いを待たない作りです。仕組みはMVCC(多版型同時実行制御)の解説、行ロックを取るか更新時に衝突を検出するかの選び方は楽観ロックと悲観ロックの使い分けの実測で説明しています。
OLTPデータベースの種類と代表製品
OLTPに使うデータベースは、大きく4つの系統に分かれます。迷ったらリレーショナルデータベースから始め、書き込み量・複数リージョン・可用性の要件が1台の主サーバーで満たせないと分かった段階で分散SQLかキーバリュー型へ広げる、という順で考えるのが失敗の少ない選び方です。
| 系統 | 代表製品 | 向く場面 | 注意点 |
|---|---|---|---|
| リレーショナル(RDBMS) | PostgreSQL・MySQL・Oracle・SQL Server・Db2 | 業務システムの大半 | 書き込みは基本的に1台の主サーバーで受ける |
| 分散SQL(NewSQL) | TiDB・Google Cloud Spanner・Amazon Aurora DSQL・YugabyteDB | 1台に収まらない書き込み量・複数リージョン | ネットワーク往復が増え1件あたりの遅延は伸びやすい |
| キーバリュー型・ワイドカラム型(NoSQL) | Amazon DynamoDB・Apache Cassandra | キーで引く単純なアクセスが大量 | 結合や後付けの検索条件に弱い |
| インメモリ | SAP HANA・Oracle TimesTen | 応答時間の要求が厳しい処理 | 永続化とメモリ費用の設計が要る |
リレーショナルデータベースの製品ごとの違いはDBMSの機能・種類とRDBMS製品の選び方、PostgreSQLとMySQLのどちらを選ぶかはPostgreSQLとMySQLの同じSQLの実行結果と性能の比較で扱っています。
分散SQLは「ACIDを保ったまま複数台に書き込みを分散する」ための製品群で、トランザクションの保証の仕方に差があります。Spannerは、既定のSERIALIZABLE分離で外部一貫性(external consistency)を保証します。直列に実行したのと区別できない結果になるうえ、その直列順序が外部から観測できるコミットの順序と食い違わない、という保証です。REPEATABLE READを選んだ場合はこの保証の対象外です。2025年5月27日にGAとなったAurora DSQLは、スナップショット分離と楽観的並行性制御(OCC)を採用しており、ロックで待たせる代わりにコミット時に衝突したトランザクションを失敗させます。リトライ処理をアプリケーション側に書く前提になる点が、PostgreSQLからの移行で最初に引っかかる違いです。製品ごとの詳細はTiDBの仕組みと採用判断、Aurora DSQLの互換範囲と採用判断、DynamoDBとRDSの違いにまとめています。
採用を見送るべき典型は、データ量が数百GB程度で書き込みも1台に収まる業務システムに、最初から分散SQLやDynamoDBを入れるケースです。結合や集計を含む画面が後から増えたとき、キーバリュー型では設計のやり直しになります。分散SQLはノード間でコミットを合意するための通信が加わるので、1件あたりの遅延と月額費用を単体のRDBMSと同じ負荷で比べてから採用を決めます。
AWSでOLTPデータベースを置く場合のサービスの選び方
AWSのOLTP向けサービスは、標準のエンジンをそのまま動かすAmazon RDS、ストレージを独自に作り直したAmazon Aurora、キーバリュー型のDynamoDB、分散SQLのAurora DSQLの4つが中心です。既存のPostgreSQL・MySQLアプリケーションならRDSかAurora、アクセスパターンがキー検索に限られ急な負荷変動があるならDynamoDB、複数リージョンで書き込みを受けたいときにAurora DSQLを候補にします。11種のDBサービスの比較はAWSのDBサービス11種の選び方で、用途別に整理しています。データベースの設計や既存DBからの移行を外部に相談したい場合は、データベース設計・移行支援で対応しています。
OLTPとOLAPの違い:比較表と同じ500万行での計測
OLAP(Online Analytical Processing、オンライン分析処理)は、蓄積した履歴を地域別・月別などの切り口で集計する処理です。OLTPが「今の状態を書き換える」のに対し、OLAPは「過去の記録をまとめて読む」ので、データベースに求める性質がほぼ正反対になります。
| 観点 | OLTP | OLAP |
|---|---|---|
| 目的 | 業務の記録・更新 | 集計・分析・意思決定 |
| 主な操作 | INSERT・UPDATE・主キー検索 | 大量行のSELECT・GROUP BY |
| 1回に触る行数 | 数行 | 数百万〜数十億行 |
| 応答時間の目安 | ミリ秒 | 秒〜分 |
| 同時利用者 | 多い(顧客・店舗端末) | 少ない(分析担当) |
| データの鮮度 | 更新はその場で反映 | 取り込んだ時点まで |
| スキーマ | 正規化 | スタースキーマなど非正規化 |
| 格納形式 | 行指向 | 列指向 |
| 代表製品 | PostgreSQL・Oracle・Aurora | Redshift・BigQuery・Snowflake |
OLAP側の仕組み(多次元キューブやMOLAP・ROLAP)はOLAPの多次元分析の仕組みとMOLAP・ROLAP・HOLAPの選び方、集計用のデータを溜める器はデータウェアハウス(DWH)の仕組みと製品比較で詳しく説明しています。ここからは、表の「1回に触る行数」と「格納形式」の違いが実際に何倍の差になるのかを計測で示します。
1件検索は行指向、全件集計は列指向が速いという逆転
pgbenchで作った500万行の口座表(pgbench -i -s 50、データベース全体で755MB)を使い、主キーで1件を引くクエリと、支店(50種類)ごとに件数と残高を合計するクエリをPostgreSQL 18.6で実行しました。計測環境はmacOS・Intel Core i9-9880H(8コア16スレッド)・メモリ16GB、shared_buffers=512MBです。並列実行を止めた状態の EXPLAIN ANALYZE の結果の要点が次です。
-- 主キーで1件(2回目)
Index Scan using pgbench_accounts_pkey on pgbench_accounts (actual time=0.007..0.008 rows=1.00 loops=1)
Index Cond: (aid = 1234567)
Buffers: shared hit=4
Execution Time: 0.013 ms
-- 500万行を支店ごとに集計(2回目)
HashAggregate (actual time=1249.000..1249.008 rows=50.00 loops=1)
Group Key: bid
Buffers: shared hit=3149 read=78819
-> Seq Scan on pgbench_accounts (actual time=0.061..398.898 rows=5000000.00 loops=1)
Execution Time: 1249.043 ms
1件検索は索引とテーブルを合わせて共有バッファのページを延べ4回読み(すべてメモリ上でヒット)、0.013ミリ秒でした。集計は約8万2,000ページ(1ページ8KBで約640MB)を読んで1,249ミリ秒です。差はおよそ10万倍です。並列ワーカー2本を許可すると集計は441ミリ秒まで縮みますが、桁は変わりません。
同じ500万行をCSVに書き出して列指向のDuckDB 1.4.5に読み込み、Pythonから同じ2つのクエリを5回ずつ実行した結果を並べます。比較に使った2本のSQLと、DuckDB側の取り込み・計時のコードは次のとおりです(PostgreSQL側は並列実行を止めた EXPLAIN ANALYZE の値、DuckDB側は threads を1と16に切り替えて5回ずつ計時)。
-- 比較に使った2本(PostgreSQLとDuckDBで同じSQL)
SELECT abalance FROM pgbench_accounts WHERE aid = 1234567;
SELECT bid, count(*), sum(abalance) FROM pgbench_accounts GROUP BY bid;
-- PostgreSQLからCSVへ書き出し(psql)
\copy pgbench_accounts TO 'acc.csv' WITH (FORMAT csv)
# DuckDB 1.4.5(Python)で取り込んで計時
import duckdb, time
con = duckdb.connect()
con.execute("CREATE TABLE acc AS SELECT * FROM read_csv('acc.csv', header=false, "
"columns={'aid':'INTEGER','bid':'INTEGER','abalance':'INTEGER','filler':'VARCHAR'})")
for th in (1, 16):
con.execute(f"SET threads={th}")
for i in range(5):
t = time.perf_counter()
con.execute("SELECT bid, count(*), sum(abalance) FROM acc GROUP BY bid").fetchall()
print(th, round((time.perf_counter() - t) * 1000, 1), "ms")
| クエリ | PostgreSQL 18.6(行指向) | DuckDB 1.4.5(列指向) |
|---|---|---|
| 主キーで1件 | 0.013ms(psql計測で約0.19ms) | 0.6〜1.0ms(初回3.2msを除く) |
| 500万行の集計(1スレッド) | 1,249ms | 53〜98ms(中央値65ms) |
| 500万行の集計(並列) | 441ms(ワーカー2本) | 4.0〜21.0ms(16スレッド・中央値4.4ms) |
DuckDBの数値はPythonの呼び出しを含む時間なので、厳密な比較ではなく桁の比較として読んでください。それでも傾向ははっきりしています。集計は、必要な2列だけを圧縮した形で読む列指向が1スレッド同士でも約19倍速い。一方、1件を引く処理は主キー索引を持つPostgreSQLが速く、索引を作っていないDuckDBでは0.6ミリ秒以上かかりました。製品も索引の有無も違うので、格納形式だけの効果を切り分けた計測ではありません。それでも、得意な処理が逆転することは数字で確認できます。OLTPとOLAPでデータベースを分ける理由は、この得意な処理の違いと、次に示すCPUやディスクの奪い合いの2つです。
集計クエリ4本の同時実行による更新件数の約22%減(20秒×3回の計測)
「分析もOLTPのデータベースで直接回せばよいのでは」という判断がよく問題になります。そこで、8クライアントのpgbench(前述の7コマンドのトランザクション)を20秒流す計測を、集計クエリなしと、500万行を1,000グループに集計するクエリ4本を同時に流し続ける場合とで、交互に3回ずつ行いました。
| 回 | 集計なし(tps・平均遅延) | 集計4本を同時実行(tps・平均遅延) |
|---|---|---|
| 1回目 | 6,000・1.33ms | 3,194・2.51ms |
| 2回目 | 4,026・1.99ms | 2,919・2.74ms |
| 3回目 | 4,111・1.95ms | 3,266・2.45ms |
| 中央値 | 4,111・1.95ms | 3,194・2.51ms |
ほかのプロセスも動いている環境なので集計なしの値も4,026〜6,000tpsと揺れましたが、3回とも集計を同時に流した側が下回り、中央値で毎秒の処理件数は約22%減、平均遅延は約29%増えました。同時実行中の集計は1本あたり約6秒かかり(24秒間に各4回)、その間は更新処理と同じサーバーのCPUとディスクを使い続けます。
結論として、利用者が待っているOLTPのデータベースで、全件を読む集計を業務時間中に定常的に回す設計は採りません。月に数回の調査クエリ程度なら読み取り専用のレプリカで足ります。毎日のダッシュボードや多人数の分析が乗るなら、次の章のようにOLAP用のデータベースへデータを渡します。
OLTPからOLAPへのデータの渡し方:ETL・Zero-ETL・HTAP
OLTPのデータを分析に回す方法は、定期的に抜き出して変換するETL、クラウド事業者が複製を自動化するZero-ETL統合、1つの製品の中で行ストアと列ストアを持つHTAPの3つに分かれます。どれが優れているという序列はなく、許容できる遅延、途中で必要な変換、総費用の3点を実際の要件で比べて選びます。
Zero-ETL統合の対応エンジンとGA時期(AWS)
AWSでは、OLTP側のデータベースからAmazon Redshiftへ変更を自動で複製するZero-ETL統合が、主要なエンジンでそろっています。
| ソース | 対応状況(東京リージョン) |
|---|---|
| Aurora MySQL | version 3.05.2以降 |
| Aurora PostgreSQL | 16.4以降・17.4以降・18.3以降 |
| RDS for MySQL | 2024年9月12日GA |
| RDS for PostgreSQL | 2025年7月23日GA(15.11・16.7・17.3以降) |
| RDS for Oracle | 2025年7月23日提供開始(19c) |
| DynamoDB | 2024年10月15日GA |
Auroraの対応版はAurora ユーザーガイドの対応表、RDSはRDS ユーザーガイドの対応表で確認できます。Zero-ETLはOLTP側に抽出処理を書かずに済む反面、変換の自由度は低く、複数のソースを突き合わせる整形はRedshift側のSQLで行うことになります。統合の作り方・料金・ETLが残る場面はAuroraからRedshiftへのZero-ETL統合の設定手順、受け側のサービスはAmazon Redshiftの構成と料金と、S3に置いたデータへ直接SQLを投げるAmazon Athenaの使い方で解説しています。
HTAP(TiDB・SingleStore)を選ぶ条件
HTAP(Hybrid Transactional/Analytical Processing)は、OLTPとOLAPを1つの製品で両立させる方式です。TiDBは行ストアのTiKVと列ストアのTiFlashを組み合わせ、TiFlashの複製はRaft Learnerという役割で非同期に行われます。更新は行ストアで受け、集計は列ストアで返すので、前章で計測した「集計が更新を遅くする」問題を製品内で分離できます。最新のLTS系列は8.5で、2026年8月27日に8.5.8が出ています。
HTAPを選ぶのは、更新直後のデータを秒単位の鮮度で集計に使う必要があり、かつETLやZero-ETLの遅延では業務要件を満たせない場合に限ります。日次や時間単位の集計で足りるなら、使い慣れたRDBMSとDWHを分ける構成の方が、製品の選択肢も運用できる人材も多く残ります。同じ方式の製品はSingleStoreのHTAPの仕組みと採用判断でも比較しています。
OLTPの性能を測る物差し:TPC-C・TPC-Eとpgbench
OLTPの性能は「1秒あたり何件のトランザクションをさばけるか」で表します。製品やハードウェアの公式な比較には、業界団体TPC(Transaction Processing Performance Council)のベンチマークが使われます。TPCの現行仕様一覧(2026年10月31日確認)では、TPC-Cが5.11.0、TPC-Eが1.14.0です。
TPC-Cの仕様書は、複数の倉庫を持つ卸売業者(各倉庫が10地区、各地区が3,000顧客)の受注処理をモデルにしています。トランザクションは5種類で、測定中はPaymentを43.0%以上、Order-Status・Delivery・Stock-Levelを各4.0%以上の比率で混ぜる決まりです。New-Orderには下限がなく、その1分あたりの処理件数がそのまま性能指標tpmCになります。TPC-Eは証券会社の業務をモデルにした、もう1つのOLTPベンチマークです。
PostgreSQLの基礎的な目安を取るならpgbenchで足ります。冒頭の7コマンドのシナリオを同じ500万行で回した結果は次のとおりでした。自社業務の負荷を測るなら、実際のSQLを書いたスクリプトを -f で渡すカスタムシナリオにします。
$ pgbench -n -c 1 -j 1 -T 20
latency average = 0.513 ms
tps = 1950.549019 (without initial connection time)
$ pgbench -n -c 8 -j 4 -T 30
latency average = 0.931 ms
tps = 8590.181755 (without initial connection time)
クライアントを1から8に増やすと処理件数は約4.4倍になり、1件あたりの平均遅延は0.51ミリ秒から0.93ミリ秒に伸びました。同時接続を8倍にしても処理件数は8倍にならないので、必要な接続数とサーバーの大きさは机上の掛け算でなく計測で決めます。
pgbenchを使うときは、公式ドキュメントの2つの注意を守ります。1つは、スケール係数(-s)をクライアント数(-c)以上にすることです。支店表は -s と同じ行数しかなく、すべてのトランザクションがそのどれかを更新するので、係数が小さいと性能ではなく同じ行の更新の奪い合いを測ることになります。全注文が1行の在庫や採番テーブルを更新する業務設計も、同じ形の頭打ちを抱えています。もう1つは、数分以上の実行を複数回繰り返して再現性を確かめることです。今回の値も1回ずつの結果なので、傾向として読んでください。なお、このシナリオはTPC-Bを参考にしたものでTPC-Bそのものではないため、TPCの公表値と並べて比べることはできません。
OLTPデータベース設計の勘所:正規化・索引・トランザクションの短さ
OLTPの設計は、前章までの計測が示した「1件を速く・同時に大量に」を崩さないことに尽きます。優先度の高い順に3つを挙げます。
第3正規形を基本にした設計と非正規化に踏み切る条件
OLTPのスキーマは第3正規形を基本にします。同じ情報を複数の表に重複して持たないので、一部だけ書き換えて食い違う「更新異常」が起きにくくなります。ただし正規化だけで整合性が保証されるわけではなく、表の間の参照関係は制約で、複数行にまたがる更新はトランザクションで守ります。外部キー制約で参照整合性をデータベースに守らせる書き方は外部キー制約の書き方とON DELETEの選び方で解説しています。非正規化(同じ値の重複保持)を検討するのは、EXPLAIN ANALYZE で結合が応答時間の大半を占めると確認できたときだけにします。重複させた値は更新のたびに全箇所をそろえる必要があり、OLTPではその手間が整合性のリスクに直結するからです。
検索条件に合わせた主キーと複合インデックスの設計
計測の1件検索は、主キー索引をたどってテーブルの1行に届くまでのページ読み取りが延べ4回で、どれもメモリ上にありました。索引の効かない条件で検索すると、同じ1件を探すためにOLTPのクエリが集計と同じ全件走査になります。WHERE 句と ORDER BY でよく使う列の組み合わせには複合インデックスを張り、等号で絞る列を先頭に置きます。列の順番で効き方が変わる理由は複合インデックスの列順とEXPLAINでの確認手順で説明しています。索引は書き込みのたびに更新されるので、使われていない索引は削除を検討します。ただし主キーや一意制約を支える索引は検索に使われていなくても消せません。月次処理だけが使う索引もあるので、利用統計は月末・期末を含む期間で確認してから判断します。読み取りがメモリで完結しているかはバッファヒット率の計算式と確認SQLで確かめられます。
ロック取得順の統一によるデッドロックの予防
2つのトランザクションが互いの持つロックを待つとデッドロックになります。口座1から2への振込と、口座2から1への振込を同時に実行した結果が次です。
ERROR: deadlock detected
DETAIL: Process 33073 waits for ShareLock on transaction 1121245; blocked by process 33075.
Process 33075 waits for ShareLock on transaction 1121243; blocked by process 33073.
HINT: See server log for query details.
CONTEXT: while updating tuple (0,2) in relation "pgbench_accounts"
PostgreSQLはロック待ちがdeadlock_timeout(既定1秒)続くとデッドロックを検査し、片方のトランザクションを中止して解消します。中止された側はロールバックされるので、アプリケーションは再実行を前提に作ります。予防策は公式ドキュメントのとおり、複数の行を更新するときのロック取得順をすべての処理でそろえることです。同じ2つの振込を「口座番号の小さい方から更新する」順に直して流すと、後から来た側は先の処理のロック解放を待ち、両方ともコミットされました。もう1つの対策は、トランザクションの中で外部APIの呼び出しや利用者の入力待ちをしないことです。ロックを持ったまま待つ時間が長いほど、デッドロックとロック待ちの確率が上がります。
よくある質問
OLTPとOLAPの違いは何ですか?
OLTPは注文や振込のように、現在のデータを1件ずつ書き換える処理です。OLAPは蓄積した履歴を集計して読む処理です。OLTPは行指向のデータベースと索引で数行をミリ秒で処理し、OLAPは列指向のデータベースで数百万行以上をまとめて読みます。この記事の計測では、500万行の集計は列指向のDuckDBが行指向のPostgreSQLより1桁以上速く、1件検索は逆にPostgreSQLが速い結果でした。
OLTPの例にはどのようなものがありますか?
ATMの引き出しや振込、ECサイトの注文確定と在庫の引当、航空券や座席の予約、店舗のPOSレジ、ネットバンキングのログインなどです。いずれも利用者が確定ボタンを押した瞬間にデータが更新され、残高をマイナスにしない、同じ座席を2人に売らないといった条件をデータベースが守っています。
OLTPデータベースの代表的な製品は何ですか?
PostgreSQL・MySQL・Oracle Database・SQL Server・Db2などのリレーショナルデータベースが中心です。1台で書き込みが収まらない規模では、TiDB・Google Cloud Spanner・Amazon Aurora DSQLなどの分散SQLや、Amazon DynamoDBのようなキーバリュー型を使います。AWSならAmazon RDS・Amazon Auroraが出発点になります。
OLTPとバッチ処理の違いは何ですか?
OLTPは利用者の操作ごとに1件ずつ即座に処理し、結果をその場で返します。バッチ処理は夜間の請求計算や月次締めのように、溜めたデータを決まった時刻にまとめて処理します。多くの業務システムは両方を持ち、日中はOLTPで受け付け、夜間にバッチで集計や外部連携を行います。バッチが日中のOLTPと同じデータベースで重なると、この記事で計測したように更新性能が落ちます。
OLTPとOLAPを統一してETLをなくす方法はありますか?
2つあります。1つはTiDBやSingleStoreのようなHTAPデータベースで、1つの製品の中に行ストアと列ストアを持ち、更新と集計を同じデータで処理します。もう1つはAWSのZero-ETL統合のように、AuroraやRDS・DynamoDBからAmazon Redshiftへ変更を自動で複製する仕組みです。どちらも抽出処理を自分で書く必要がなくなりますが、変換を自由に挟みたい場合はETLが残ります。