データベースバッファは、ディスク上のデータブロックをメモリに置いておく領域で、Oracleではバッファキャッシュ、MySQL(InnoDB)ではバッファプール、PostgreSQLでは共有バッファ(shared_buffers)と呼びます。読み込み要求のうちバッファで済んだ割合がバッファヒット率で、「ヒット数÷読み込み要求数」で求めます。この記事では、仕組み(読み込み・更新・追い出し)、計算式と試験の計算例、製品別の確認SQLを順に説明したうえで、PostgreSQL 18.6とMySQL 8.4.8で実測した「ヒット率が実態とずれる場面」を示します。
まとめ:データベースバッファとヒット率の要点
- データベースバッファは、読んだブロックを保持して次の読み込みをメモリで返す領域です。更新もまずバッファ上で行い、ディスクへは後でまとめて書き戻します。
- メモリ上には、データブロックを置くデータバッファとは別に、変更内容(ログ)を一時的に溜めるログバッファがあります。データページより先にディスクへ書かれるのはログで、既定の設定ではコミットもログの書き込みで確定します。
- ヒット率=メモリで見つかった回数÷読み込み要求の総数です。1,000回の要求のうち900回がメモリで済めば90%で、各製品の統計ビューの2つのカウンターから求めます。
- 実測では、MySQLは表全体をディスクから読んだ全件走査でもヒット率が97〜99.6%と出ました(先読みしたページが式に入らないため)。PostgreSQLは逆に、小さな表を反復参照するだけで全体ヒット率が0.55%から89.48%に上がりました。
- ヒット率は単独で判断に使わず、1秒あたりの物理読み込み数・I/O待ち時間・読み込みの多いSQLと合わせて見ます。メモリ増設は、よく使うデータがバッファに収まっていないと確認できてからにします。
データベースバッファの仕組み:読み込み・書き戻し・追い出し
データベースはデータをブロック(ページ)単位でディスクに格納します。PostgreSQLは8kB、InnoDBは既定16kBが1ページです。SQLが行を読み書きするとき、DBMSは原則としてバッファ上のページを経由します。Oracleの並列読み込みやソートのように、バッファキャッシュを迂回する処理もあります。
読み込み時のヒット・ミスと論理読み込み・物理読み込み
SQLが必要とするページがバッファにあればそのまま返し(ヒット)、無ければストレージから読み込んでバッファに載せてから返します(ミス)。バッファへの読み込み要求を論理読み込み、バッファに無くてバッファの外から読んだものを物理読み込みと呼びます。MySQL 8.4のステータス変数の説明も、Innodb_buffer_pool_read_requestsを論理読み込み要求の数、Innodb_buffer_pool_readsを「バッファプールで満たせずディスクから直接読んだ論理読み込みの数」と定義しています。
ここでいう物理読み込みは「DBMSのバッファの外から読んだ」という意味で、ディスクまで届いたとは限りません。OSのページキャッシュに残っていればメモリコピーで済みます。メモリの階層とOS側の動きはスワッピングとは?ページングとの違いとスラッシングの判定手順を実装目線で解説で扱っています。
更新時のダーティページとチェックポイントでの書き戻し
UPDATEやINSERTは、バッファ上のページを書き換え、データファイルへの書き込みを待たずに処理を進めます。ディスクと内容が食い違ったページをダーティページと呼び、バックグラウンドのプロセスが後からデータファイルへ書き戻します。Oracle AI Database 26aiのプロセス構成の説明では、DBW(データベース・ライター)が変更済みバッファをディスクへ書き、CKPTがチェックポイント情報を更新してDBWに書き出しを指示します。
チェックポイントは「この時点より前の変更はデータファイルに反映済み」という印です。クラッシュ後の復旧はチェックポイント以降のログだけを再適用すればよいので、チェックポイントの間隔が長いほど、復旧時に再適用するログが増えて時間がかかります。InnoDBでは、ダーティページの割合がinnodb_max_dirty_pages_pct(既定90)を超えないように書き出しが進みます。
データバッファとログバッファの役割の違い
メモリ上にはデータページを置くデータバッファとは別に、「何をどう変えたか」を記録するログを一時的に溜めるログバッファがあります。電源が落ちるとメモリ上のダーティページは失われるため、DBMSはデータページをディスクへ書く前に、その変更を記録したログを必ず先に書きます(WAL:先行書き込みログ)。既定の設定ではコミットの完了もログの書き込みで確定させ、データページの書き戻しは待ちません。
| 製品 | ログバッファ | 既定サイズ | ディスクへ書く主体 |
|---|---|---|---|
| Oracle | REDOログ・バッファ | LOG_BUFFER(自動計算) | LGWR |
| MySQL(InnoDB) | innodb_log_buffer_size | 64MB | ログ書き込みスレッド |
| PostgreSQL | wal_buffers | shared_buffersの1/32(64kB〜16MB) | WAL writer・各バックエンド |
PostgreSQLのwal_buffersは、PostgreSQL 18のWAL設定のドキュメントによると既定値-1でshared_buffersの1/32に自動設定され、64kB以上、WALセグメント1個分(通常16MB)以下に収まります。MySQL 8.4と9.7のinnodb_log_buffer_sizeは既定64MBで、大きくすると大きなトランザクションがコミット前にログを書き出さずに済みます。バッファヒット率が対象にするのはデータバッファの読み込みだけで、ログバッファは含みません。WALの書き込み順序とfsyncの詳細はライトアヘッドログ(WAL)とは?仕組みとfsync設計・復旧を実装目線で解説で扱っています。
追い出すページの選び方:LRUと製品ごとの工夫
バッファが一杯になると、新しいページを載せるために既存のページを追い出します。基本は「最近使われていないものから追い出す」LRU(Least Recently Used)ですが、単純なLRUでは1回きりの大量読み込みがよく使うページを押し流してしまうため、製品ごとに対策があります。
- PostgreSQL:ソースのbuffer/READMEのとおりclock-sweep方式です。参照されるたびにページのusage_countが上限5まで増え、時計の針が巡回するたびに1ずつ減り、0になったページが追い出し候補になります。大きな表の全件走査には別枠の小さなリング・バッファを使います。
- MySQL(InnoDB):MySQL 8.4のバッファプールの説明のとおり、LRUリストを新しい側(約5/8)と古い側(約3/8)に分け、新しく読んだページは古い側の先頭(ミッドポイント)に入れます。古い側のページは、最初のアクセスから
innodb_old_blocks_time(既定1000ミリ秒)が過ぎた後に再びアクセスされたときだけ新しい側へ昇格します。
どちらも全件走査でよく使うデータを追い出さないための仕組みで、ヒット率の出方にも影響します。
製品ごとのバッファ名と既定サイズ
| 製品 | バッファの名称 | サイズ設定 | 既定値・目安 |
|---|---|---|---|
| Oracle Database | データベース・バッファ・キャッシュ | DB_CACHE_SIZE(自動メモリ管理も可) | SGA内で自動調整が一般的 |
| MySQL(InnoDB) | バッファプール | innodb_buffer_pool_size | 既定128MB・専用機で物理メモリの80%まで |
| PostgreSQL | 共有バッファ | shared_buffers | 既定128MB・専用機で25%から開始 |
| SQL Server | バッファプール | max server memory | メモリを動的に確保 |
MySQLとPostgreSQLの目安が80%と25%で大きく違うのは、PostgreSQLがOSのページキャッシュを二段目のキャッシュとして当てにする設計だからです。PostgreSQL 18のメモリ設定のドキュメントは、RAM 1GB以上の専用サーバーでメモリの25%を妥当な開始値としています。MySQLは現行LTSの9.7でも8.4と同じく、innodb_buffer_pool_sizeの既定値は128MB(134,217,728バイト)です。
バッファヒット率の計算式と求め方
基本の計算式と計算例
ヒット率(%) = ヒット数 / 読み込み要求の総数 × 100
= (1 − 物理読み込み数 / 論理読み込み数) × 100
論理読み込みが1,000回、そのうち物理読み込みが100回なら、ヒット数は900回でヒット率は90%です。物理読み込みが10回なら99%になります。
比率だけを見ると負荷の大きさが消えます。毎秒1,000回の読み込み要求で99%なら物理読み込みは毎秒10回ですが、毎秒10万回なら同じ99%でも毎秒1,000回です。ストレージが耐えられるかは後者の絶対数で決まるので、ヒット率と一緒に1秒あたりの物理読み込み数も記録します。
多くの統計値は最後の統計リセット以降の累積です。再起動直後などバッファを温め直している区間はミスが続きますし、長く動いたサーバーでは過去の大量ヒットに埋もれて直近の悪化が累積値に出ません。Oracle AI Database 26aiのチューニング・ガイドも、アプリケーション実行中の一定区間の差分で求めるよう推奨しています。
キャッシュメモリのヒット率と実効アクセス時間(試験の計算問題)
CPUのキャッシュメモリでも考え方は同じで、基本情報技術者試験などでは実効(平均)アクセス時間の計算として出題されます。
実効アクセス時間 = ヒット率 × キャッシュのアクセス時間 + (1 − ヒット率) × 主記憶のアクセス時間
ヒット率 = (主記憶のアクセス時間 − 実効アクセス時間) / (主記憶のアクセス時間 − キャッシュのアクセス時間)
キャッシュ10ナノ秒・主記憶60ナノ秒・ヒット率90%なら、0.9×10+0.1×60=15ナノ秒です。逆に「実効アクセス時間が15ナノ秒だったときのヒット率」を問われたら、下の式で(60−15)÷(60−10)=0.9と求めます。問題によっては、ミス時の時間を「キャッシュを調べる時間+主記憶の時間」とする場合があるので、問題文の前提を確かめてください。
ヒット時1・ミス時100とすると、90%では10.9、99%では1.99で、数ポイントの差が平均時間を約5.5倍変えます。ただしDBの性能はOSキャッシュや先読み、並列I/Oの影響も受けるので、90%や99%をDB共通の目標値にする根拠にはなりません。
DB別のバッファヒット率の確認SQL
区間ヒット率を求める場合は、計算後の比率ではなく元のカウンターを2回取得し、各カウンターの差分を計算式に代入してください。途中でリセットされた区間や分母が0の区間は除きます。以下の例は、OracleとMySQLが0〜1の比率、PostgreSQLとSQL Serverが%で返します。
| 製品 | 参照先 | 計算に使う値① | 計算に使う値② |
|---|---|---|---|
| Oracle | V$SYSSTAT | consistent gets from cache+db block gets from cache | physical reads cache |
| MySQL | performance_schema.global_status | Innodb_buffer_pool_read_requests | Innodb_buffer_pool_reads |
| PostgreSQL | pg_stat_database | blks_hit | blks_read |
| SQL Server | sys.dm_os_performance_counters | Buffer cache hit ratio | Buffer cache hit ratio base |
OracleのV$SYSSTATで求める方法
Oracle AI Database 26aiのチューニング・ガイドは、V$SYSSTATの3つの統計を使う次の式を示しています。19cのガイドと同じ式です。
SELECT 1 - (phy.value / (cur.value + con.value)) AS "Buffer Cache Hit Ratio"
FROM V$SYSSTAT cur, V$SYSSTAT con, V$SYSSTAT phy
WHERE cur.name = 'db block gets from cache'
AND con.name = 'consistent gets from cache'
AND phy.name = 'physical reads cache';
Oracleのガイドは、こうした比率を「ボトルネックが存在するかの決定的な識別子として使わず、指標として使う」よう明記しています。Oracle Diagnostics Packを利用できる契約・サービスでは、AWRレポートのInstance Efficiencyでもヒット率の推移を確認できます。
MySQL(InnoDB)のステータス変数で求める方法
SELECT 1 - (
(SELECT VARIABLE_VALUE FROM performance_schema.global_status
WHERE VARIABLE_NAME = 'Innodb_buffer_pool_reads')
/ (SELECT VARIABLE_VALUE FROM performance_schema.global_status
WHERE VARIABLE_NAME = 'Innodb_buffer_pool_read_requests')
) AS buffer_pool_hit_ratio;
SHOW GLOBAL STATUS LIKE 'Innodb_buffer_pool_read%';を使えば、関連する値をまとめて確認できます。このときInnodb_buffer_pool_read_ahead(先読みで読み込んだページ数)も必ず見てください。上の式の分子には先読み分が入らないため、全件走査が多いサーバーではヒット率が実態より高く出ます(後半の実測を参照)。既定128MBのまま本番データを載せていないかはSELECT @@innodb_buffer_pool_size;で確かめます。
PostgreSQLのpg_stat_databaseとpg_stat_statementsで求める方法
SELECT datname,
blks_hit,
blks_read,
round(100.0 * blks_hit / nullif(blks_hit + blks_read, 0), 2) AS hit_pct
FROM pg_stat_database
WHERE datname = current_database();
PostgreSQL 18の統計情報のドキュメントは、blks_readを「このデータベースで読み込まれたディスクブロック数」、blks_hitを「ブロックがすでにバッファキャッシュにあり読み込みが不要だった回数」と定義しています。ここでのバッファキャッシュはPostgreSQL自身のshared_buffersだけで、OSのファイルシステムキャッシュは含みません。
データベース全体の平均では原因が分からないので、SQL単位のヒット率も見ます。pg_stat_statementsをshared_preload_librariesに追加してサーバーを再起動し、参照するDBでCREATE EXTENSION pg_stat_statementsを実行すると、文ごとのshared_blks_hitとshared_blks_readが取れます。
SELECT left(query, 60) AS query, calls, shared_blks_hit, shared_blks_read,
round(100.0 * shared_blks_hit / nullif(shared_blks_hit + shared_blks_read, 0), 1) AS hit_pct
FROM pg_stat_statements
WHERE dbid = (SELECT oid FROM pg_database WHERE datname = current_database())
ORDER BY shared_blks_read DESC
LIMIT 10;
PostgreSQL 16以降はpg_stat_ioビューもあり、通常の読み込みと一括読み込み(bulkread)・VACUUMを文脈ごとに分けて集計できます。
SQL ServerのBuffer cache hit ratioで求める方法
SQL Serverでは、パフォーマンスカウンター「SQLServer:Buffer Manager」のBuffer cache hit ratioを使います。Microsoft LearnのBuffer Managerオブジェクトの説明では、ディスクから読まずにバッファキャッシュで見つかったページの割合で、直近数千回のページアクセスから計算されます。T-SQLから取る場合、cntr_valueは生の値なので、対応するbase値で割ります。
SELECT 100.0 * a.cntr_value / NULLIF(b.cntr_value, 0) AS buffer_cache_hit_ratio
FROM sys.dm_os_performance_counters a
JOIN sys.dm_os_performance_counters b
ON a.object_name = b.object_name
WHERE a.object_name LIKE '%Buffer Manager%'
AND a.counter_name = 'Buffer cache hit ratio'
AND b.counter_name = 'Buffer cache hit ratio base';
直近数千回の比率なので、長時間動いたサーバーでも値はあまり動きません。同じオブジェクトのPage life expectancy(参照されないページがバッファプールに留まる秒数)を並べて見ると、メモリが足りずにページが入れ替わっているかが分かります。
PostgreSQL 18での実測:ヒット率が性能を表さない3つの場面
PostgreSQL 18.6(Homebrew版・macOS・2026年10月7日計測)で、92MBの表big(40万行)と40kBの表small(1,000行)を使って確かめました。並列実行を止め、bigの走査ではインデックス系のスキャンをoffにしています。
大きな表の全件走査とリング・バッファの適用条件
shared_buffersを16MB・128MB・512MBに変え、bigの全件走査(SELECT count(*) FROM big)を連続3回実行して、EXPLAIN (ANALYZE, BUFFERS)のshared hit/readを比べました。
| shared_buffers | 1回目 | 2回目 | 3回目 |
|---|---|---|---|
| 16MB | read 11,765 | hit 32/read 11,733 | hit 64/read 11,701 |
| 128MB(既定) | read 11,765 | hit 94/read 11,671 | hit 188/read 11,577 |
| 512MB | read 11,765 | hit 11,765 | hit 11,765 |
既定の128MBは表(92MB)より大きいのに、2回目以降もほぼ全ブロックが読み直しになりました。PostgreSQL 18.6のheapam.cでは、表のブロック数がshared_buffersの4分の1を超える全件走査は一括読み込み用のリング・バッファを使います。92MBは128MBの4分の1(32MB)を超えるため対象になり、512MB(4分の1=128MB)にして初めて2回目からヒットに変わりました。リングの大きさは18では256kBを起点にio_combine_limitとeffective_io_concurrencyで増える作りで、固定値ではありません。
shared_buffersを倍にしても、表が増設後の4分の1を超えていればリング・バッファの対象に残ります。全件走査が問題なら、メモリより先にインデックスや絞り込み条件を見直します。
小さな表の反復参照による全体ヒット率の上昇
統計をリセットし、16MBのままbigを3回全件走査した直後のpg_stat_databaseはヒット率0.55%(blks_hit 194/blks_read 35,248)でした。続けてsmallを主キーで10万回引くSQLを1本流しただけで、ヒット率は89.48%(blks_hit 300,635/blks_read 35,341)に上がりました。
遅い全件走査は何も改善していません。データベース全体のヒット率は「量の多い軽い処理」に引っ張られる平均値で、問題のSQLを隠します。統計をリセットして同じ2本を流し直し、pg_stat_statementsで文ごとに見ると、全件走査はhit 160/read 11,605(1.4%)、10万回参照はhit 300,000/read 0(100.0%)と、はっきり分かれました。
blks_readの集計範囲とOSページキャッシュ
track_io_timingを有効にして同じ全件走査を実行すると、約11,650ブロック(約91MB)の読み込みにかかったI/O時間は2回で108.2ミリ秒と144.7ミリ秒でした。1ブロックあたり約9〜12マイクロ秒ですが、この値だけではOSのページキャッシュとストレージからの読み込みを区別できません。
PostgreSQLのドキュメントも、I/O統計は「ディスクから取得したデータと、カーネルのページキャッシュにすでにあったデータを区別しない」と明記しています。PostgreSQLのヒット率が低くても、実際にはメモリで済んでいる場合があります。本当にディスクを待っているかは、EXPLAIN (ANALYZE, BUFFERS)のI/O Timingsやpg_stat_ioの読み込み時間に、iostatなどOS側のストレージ統計を突き合わせて判断します。
MySQL 8.4での実測:全件走査とミッドポイント挿入
MySQL 8.4.8(公式tarball・macOS・2026年11月8日計測)で、バッファプールを64MBに絞り、14.5MBの表hot(バッファ上で922ページ)と269.8MBの表bigを用意しました。各条件を3回ずつ、サーバーを再起動して測っています(3回の値は同一か±0.5%以内)。表はどちらも主キーとCHAR(150)の列を持ち、hotが8万行、bigが150万行です。走査はSELECT SUM(LENGTH(pad)) FROM 表名で行い、カウンターはperformance_schema.global_statusの前後差分、残ったページ数はINFORMATION_SCHEMA.INNODB_BUFFER_PAGEで数えました。
innodb_old_blocks_timeによるよく使うデータの保護
まずbigを1回全件走査してバッファプールを埋め、hotを1.2秒おきに3回読んで新しい側へ昇格させます。その状態でbigをもう一度全件走査し、直後にhotを読み直しました。
| innodb_old_blocks_time | 走査後に残ったhotのページ | hot再読込の物理読み込み | hot再読込の先読み |
|---|---|---|---|
| 1000(既定) | 922/922 | 0 | 0 |
| 0 | 0/922 | 98 | 832 |
既定の1000ミリ秒では、bigの全件走査をはさんでもhotは1ページも追い出されませんでした。走査中のbigのページは1秒以内に何度もアクセスされますが、昇格の条件を満たさないので古い側に留まり、古い側の中で入れ替わるだけです。0にすると走査したページがすぐ新しい側へ昇格し、hotは全ページ追い出されて、読み直しで930ページ分のI/Oが発生しました。今回の負荷では既定値の方が明確に有利でした。0や別の値に変える場合は、自分のワークロードで同じ比較をしてから決めてください。夜間バッチの全件走査が日中のデータを追い出していないかはINFORMATION_SCHEMA.INNODB_BUFFER_POOL_STATSのPAGES_MADE_YOUNGとPAGES_NOT_MADE_YOUNGの増え方で確かめます。
なお、起動直後の空のバッファプールから同じ手順を行うと、既定値でもhotの約37%(341ページ)が追い出されました。このときPAGES_MADE_YOUNGは0のままで、hotのうちLRUリストの古い側に入っていた分が、昇格しないまま走査に押し出されています。再起動直後のバッチは、普段より多く読み直しが出ると見込んでおきます。
先読み(read-ahead)がヒット率の式に入らない問題
同じ測定で、bigの全件走査1回分のカウンター差分は次のとおりでした。
| innodb_old_blocks_time | read_requests | reads | read_ahead | 式で求めたヒット率 |
|---|---|---|---|---|
| 1000(既定) | 39,794 | 1,146〜1,161 | 14,492〜14,496 | 97.1% |
| 0 | 41,400 | 161 | 17,088 | 99.6% |
bigの大部分(0の条件では17,249ページ、約270MB)をディスクから読んだのに、「1−reads÷read_requests」の式ではヒット率97〜99.6%になりました。InnoDBは連続して読まれた範囲の次の64ページを非同期にまとめて読む先読み(innodb_read_ahead_threshold既定56)を行い、そのページはInnodb_buffer_pool_read_aheadに数えられ、Innodb_buffer_pool_readsには入らないためです。MySQLでヒット率を監視するなら、Innodb_buffer_pool_readsとInnodb_buffer_pool_read_aheadの合計を1秒あたりで並べて記録してください。
ヒット率が下がったときの切り分けと改善策
ヒット率低下時のI/O待ち・SQL・区間統計
ヒット率の低下に気づいたら、次の順で「本当にI/Oが遅さの原因か」を確かめます。
- 待機の内訳を見る:OracleならAWRの上位待機イベント(db file sequential read/scattered read)、PostgreSQLならI/O Timingsやpg_stat_io、SQL ServerならPage reads/secとPage life expectancyの推移。
- 読み込みの多いSQLを特定する:PostgreSQLはpg_stat_statementsをshared_blks_read順、MySQLはperformance_schemaのステートメント統計、OracleはAWRのSQL ordered by Reads。
- 差分で時系列を取る:累積値ではなく、低下した時間帯の前後の差分と、1秒あたりの物理読み込み数で比較する。
SQLとインデックスによる読み込み量の削減
不要な読み込みが多いSQLがあるなら、メモリより先にSQLを直します。不要な全件走査、SELECT *で使わない列まで読む処理、インデックスの効かない条件(列に関数をかけた比較など)は、必要以上のブロックを読み込んで他のデータをバッファから追い出します。実行計画の読み方はPostgreSQLの実行計画の読み方|EXPLAIN ANALYZEと見積もり乖離の診断、複数列の条件に効くインデックスの作り方は複合インデックスとは?列の順番で効き方が変わる理由とEXPLAINでの確認手順で扱っています。
PostgreSQLでは、不要行が溜まった表(肥大化)も読み込みブロック数を増やします。autovacuumが追いついているかはPostgreSQLのVACUUM運用|autovacuumのしきい値設計とXID周回・肥大の切り分けを参考に確認してください。
バッファサイズを広げる判断
頻繁に参照されるデータ(ワーキングセット)がバッファに収まっていないと確認できたら、サイズを広げます。MySQLならinnodb_buffer_pool_size(専用機で物理メモリの80%まで)、PostgreSQLならshared_buffers(25%から開始)です。PostgreSQLのドキュメントは、OSのキャッシュにも依存するため、RAMの40%を超えて割り当てても小さい値より良くなる可能性は低いとしています。大きくする場合はmax_wal_sizeも合わせて増やすよう求めています。
遅延原因がロック待ちなどにある場合は、バッファ増設より原因への対処を優先します。広げる前後で、対象SQLの読み込みブロック数と実行時間を比べてください。MySQLの版選びと設定の全体像はMySQLとは?特徴とバージョン選定・採用判断を実装目線で解説【2026年版】にまとめています。メモリ設計やDB移行をまとめて見直す場合は、データベース設計・移行支援でも相談を受け付けています。
データベースバッファとヒット率に関するよくある質問
バッファヒット率の目安は何%ですか?
すべての製品・ワークロードに共通する合格ラインはありません。主キー検索が中心のシステムでは高く、全件走査が中心の集計処理では低く出るのが正常です。さらにMySQLの式は先読みを数えないため、走査が多いと高めに出ます。絶対値より、普段の値から急に下がったかどうかと、1秒あたりの物理読み込み数を見てください。
ヒット率100%を目指すべきですか?
目指す必要はありません。増設の可否は、対象SQLの応答時間がどれだけ改善するかと追加費用で判断します。小さな表の反復参照でも100%に近い値は出るため、100%だから効率が良いとも言えません。
ヒット率が高いのにデータベースが遅いのはなぜですか?
I/O以外の原因も疑います。ロック待ち、CPUを使い切る非効率なSQL、ネットワークの往復回数が典型で、メモリ上のブロックを何十万回も読む処理はヒット率100%でも遅くなります。ヒット率が高くても要求数が多ければ物理読み込みの絶対数は大きくなるので、1秒あたりの物理読み込み数とI/O待ち時間も確認してください。
メモリを増やしたのにヒット率が上がらないのはなぜですか?
大きな表の全件走査は、PostgreSQLでは表が増設後のshared_buffersの4分の1を超えている限りリング・バッファを使い、InnoDBでは1秒以内の連続アクセスでは新しい側へ昇格しないため、バッファに残りにくい作りです。ワーキングセットが増設後のメモリよりさらに大きい場合や、毎回違うデータを読む処理が中心の場合も上がりません。
データベースバッファとキャッシュメモリは同じものですか?
考え方は同じですが、場所が違います。キャッシュメモリはCPUと主記憶の間にあるハードウェアのキャッシュで、データベースバッファは主記憶の一部をDBMSがディスクのキャッシュとして使う領域です。どちらも「速い場所にあれば速く返す」仕組みで、ヒット率の計算式も共通です。