t-wadaさんに聞く！『SQLアンチパターン第2版』 全27章まとめて紹介 - Findy Media
本記事では、2025年7月28日に開催され、約1,500名が申し込んだイベント「t-wadaさんに聞く！SQLアンチパターン第2版 - 全27章まとめて紹介！」の内容をお届けします。イベントでは、書籍『SQLアンチパターン 第2版 ―データベースプログラミングで陥りがちな失敗とその対策』の出版を記念して、監訳者であるt-wada（和田卓人）さんをお招きし、本書の魅力についてご講演いただきました。ぜひ本編のアーカイブ動画とあわせてご覧ください。 t-wada： 本日は『SQLアンチパターン 第2版』という本についてお話しします。第2版も私が監訳しています。本日の講演では、先日の「Developers Summit 2025 Summer」で講演した内容をより厚く、各章の内容に踏み込んで説明します。 はじめに時は2025年、世界はバイブコーディングの炎に包まれました。 AIと一緒にコードを書く
PostgreSQL 18正式リリース。非同期I/Oによる最大3倍の性能向上、UUID v7対応など
オープンソースのリレーショナルデータベース「PostgreSQL 18」正式版のリリースが発表されました（日本語版のプレスリリース）。 PostgreSQLはITエンジニアのコミュニティであるStackoverflowの調査で2023年にMySQLを抜いて以来、3年連続でITエンジニアに最も人気のあるデータベースとなっています。 非同期I/O処理の採用による性能向上 PostgreSQL 18で最も注目すべき点は、非同期I/Oの導入による大幅な性能向上でしょう。 これまでのPostgreSQLでは同期I/O処理を採用していました。これは例えばOSにファイルリードのようなI/O処理を依頼すると、処理が終了して結果が返ってくるまで、同一プロセス（もしくはスレッド）の処理が一時停止することを意味します。 同期I/O処理の利点は実装が比較的シンプルで容易であり、バグが発生しにくい点にありますが、ひ
PostgreSQL 18リリース！非同期I/Oの導入により最大3倍の速度向上を実現、ほか改善点多数
9月25日、「PostgreSQL 18がリリースされた」。この記事では、最新のオープンソースデータベース「PostgreSQL 18」の主な新機能と改善点について詳しく紹介されている。以下に、その内容を紹介する。 パフォーマンス改善と新しいI/Oサブシステム PostgreSQL 18では、非同期I/O（AIO）サブシステムが導入された。従来はOSの先読み機能に依存していたが、データベース固有のアクセスパターンを考慮できず性能に限界があった。AIOは複数のI/Oリクエストを並行処理することで、ストレージからの読み込み性能を最大3倍に向上させることが確認されている。対象となる操作はシーケンシャルスキャン、ビットマップヒープスキャン、VACUUMなどである。 また、新たに導入されたio_methodパラメータにより、workerやio_uringなどの方式を選択可能で、従来通りの同期方式（s
「PostgreSQL 18」公開 非同期I/O導入で性能が最大で3倍向上
PostgreSQLグローバル開発グループは2025年9月26日（米国時間）、オープンソースリレーショナルデータベースの最新バージョン「PostgreSQL 18」を公開した。 PostgreSQL 18では、非同期I/O（Input/Output）処理の実装により、あらゆる規模のワークロードで性能の向上が期待できるという。ベンチマークテストでは、特定のシナリオにおいて最大3倍の性能向上を確認したという。 PostgreSQL 18の主な機能強化、改善点は以下の通り。 非同期I/Oの導入 非同期I/Oの導入により、ファイル読み書きのI/Oリクエストを同時に複数発行できるようになった。これにより全体のスループットが向上した。シーケンシャルスキャン、ビットマップヒープスキャン、VACUUM（バキューム）処理において非同期I/Oがサポートされている。 sync設定を利用することで、従来のPost
PostgreSQL 18 Released!
The PostgreSQL Global Development Group today announced the release of PostgreSQL 18, the latest version of the world's most advanced open source database. Translations of this press release are available in the PostgreSQL 18 press kit. PostgreSQL 18 improves performance for workloads of all sizes through a new I/O subsystem that has demonstrated up to 3× performance improvements when reading from
Announcing DuckDB 1.4.0 LTS
We are proud to release DuckDB v1.4.0, named “Andium” after the Andean teal (Anas andium), which lives in the Andean highlands of Colombia, Venezuela and Ecuador. In this blog post, we cover the most important updates for this release around support, features and extensions. DuckDB is moving rather quickly, and we could cover only a small fraction of the changes in this release. For the complete r
マッチングアプリ「タップル」運用の裏側 AIでデータ分析を高速化した話
マッチングアプリを運営するタップルでは、データ抽出作業を専門チームに一任していたが、少人数体制のため対応スピードに課題を抱えていた。そこで同社はAIを活用し、誰でもSQL文を生成して使える仕組みを作った。 マッチングアプリ「タップル」を運営するタップルは、データ分析業務においてリソース不足に陥っていた。業務上欲しいデータの抽出は、人数が限られたBIチームに一任され、意思決定や新規施策の立案などのスピード感を損なうボトルネックになっていた。 そこで同社が構築したのが「SQL Agent」だ。BIチーム以外のメンバーもSQLを使ってデータ抽出できるようにすることで、業務の改善を目指した。 「データがすぐ欲しい」BIチームの現場の声にどう応えたか タップルの原和希氏（機械学習エンジニア）は、当時抱えていた課題について次のように説明する。 「新たな施策を展開する際、ビジネスメンバーはBIチームにデ
Introduction to Postgres Indexes – Frontend Masters Blog
This Part 1 (of a 2-part series) is a practical, hands-on, applicable approach to database indexes. We’ll cover what B Trees are with a focus on deeply understanding, and internalizing how they store data on disk, and how your database uses them to speed up queries. This will set us up nicely for part 2, where we’ll explore some interesting, counterintuitive ways to press indexes into service to a
Text-to-SQLについて考えていることをだらだらと書く - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 最近、Text-to-SQL という技術が注目されています。複数のテーブルデータに対して自然言語で質問すると、その質問の回答に必要なデータの取得・集計などをしてくれる技術です。BI ツールの使い方や SQL の書き方に詳しくない人でもデータ分析できるという点で重要な技術です。 ただ、Text-to-SQL 自体やその周辺技術に関していろいろ思うところもあるので、つらつらと書いていきたいと思います。特に技術検証記事ではないポエムに近い内容ですが、ご容赦ください。 0. サマリー？ Text-to-SQL がサポートしないデータ分析のプロセ
データアナリストのためのLLM時代のSQL作成術｜Mercari Analytics Blog
メルカリのデータアナリストの@__hiza__です。メルカリではデータアナリストとして日々SQLを使ったデータ分析をしつつ、業務外ではPythonを使ったアプリケーション開発を行っており、どちらの作業にもLLMを活用しています。 この記事ではデータアナリストに向けて、LLMにSQLを作成させて効率的にデータ分析を行うテクニック と、その背景にある応用可能な考え方を説明します。 関連記事メルカリでは、LLMをデータ分析の現場に活かすさまざまな取り組みが生まれています。 例えば、対話形式で誰でも手軽にデータ分析ができる社内ツール「Socrates」があります。これはデータアナリストに限らず、より多くのメンバーがデータを活用できるようになる強力なツールです。 一方で、私たちデータアナリストが日々向き合う、より複雑で専門的な分析を効率化する取り組みも行っています。 先日、私と同じデータアナリストの
Cursorと喋るだけで、テスト付きのクエリをゲットできるようにした話 - Pepabo Tech Portal
こんにちは！技術部データ基盤チームのmisatonです。 本記事では、先日開催した開発合宿にて検証した、BigQuery のデータマートと Cursor Agent を使った信頼性の高い dbt model の生成を紹介します。 開発の背景 データ活用現場の課題 目指すゴールと開発合宿で行ったこと 開発合宿での成果 Cursor の Agent を用いて dbt model を自動生成する仕組みの作成 自動生成が可能かどうか検証するためのデータマートの作成 開発合宿での成果詳細（機能デモのキャプチャあり） 分析デモ 技術的な詳細 処理の流れ 技術スタック 今後の展開 まとめ 開発の背景 データ活用現場の課題 ペパボには多数の部門・サービスのデータが蓄積されています。各部門やチームでそれぞれデータが活用される一方で、データの集計・分析をより効率的に行うための課題もあります。 たとえば「この商
GeminiでSQLクエリを書くのを爆速にした話
こんにちは！ラブグラフ開発インターンを経て、ビジネス職で新卒入社した arawi です。 ラブグラフでは非エンジニアのメンバーもデータ分析や業務効率化の目的で日々 SQL クエリを書いています。 自分自身ビジネス職として新卒入社し、多くのクエリを書いています。 SQL の知識はあるものの、複雑なクエリを自分で書くのは大変で、時間がかかることも多いです。 AI を使っての SQL クエリ生成は以前から試していましたが、AI がドメイン知識を持っていないため、正しいクエリを生成できないのが課題でした。 今日はそんな課題を解決した方法を紹介します！ TL;DR Gemini に DB スキーマ（Ridgepole の Schemafile.rb）をそのまま食わせるだけで、めちゃくちゃ優秀な SQL ライターになる 1往復で動くクエリが返ってくることも多い データ自体は渡さないので個人情報などを
Snowflake Copilot Inline で SQL 分析体験が進化
はじめに 先日サンフランシスコで開催された Snowflake Summit 2025 から帰国しました！Summit では Crunchy Data の買収、自由度の高いデータ取り込みを実現する Snowflake Openflow、AI プラットフォームの発展的な進化など多くの注目すべきアップデートが発表され、また多くのお客様やパートナー様とも有意義な議論をすることができました。 その中でも特に開発者体験の向上に関連するアップデートとして、Snowflake の Workspaces がリリースされ、更に Workspaces 内の機能として「Snowflake Copilot Inline」が発表されました！この機能により、SQL を用いた分析体験がより直感的で効率的になっています。 従来の Snowflake Copilot は専用の画面でチャット形式でやり取りを行う必要がありまし
AI時代におけるSQL自動化とデータ整備の変化｜データ分析とインテリジェンス
AIの発達により「SQLを書くこと」はどうなるのか「自然言語からSQLを生成できる」技術の話題を聞く機会が増えてきた。SQLが書けない人でもデータを扱えるようになる、という期待もあるようだ。 では、今後データ整備の仕事はAIによりどこまで変わるのか？を考えていたのだが、どうも話が散ってしまうので、身近なSQLから話を起こしてみようと思う。 まずは現在のSQL自動化の到達点を整理してみよう。 「出すべきデータが決まっている」前提でのSQL自動化は進んでいるAIはすでに、自然言語からSQLを生成することができる。この話自体は何年も前からあったが、自然言語処理の能力が上がったことで単純なSELECT文だけではなく、複数テーブルのJOINや集計、ネストされたサブクエリも構築できるようになってきた、という表現の方が正しいだろう。 カラム名やデータ型の補完、構文ミスの自動修正、インデントやエイリアスの
AI を使って優れた SQL を作成する: Text-to-SQL 手法の説明 | Google Cloud 公式ブログ
Try Gemini 2.5Our most intelligent model is now available on Vertex AI Try now ※この投稿は米国時間 2025 年 5 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。 組織が意思決定を行うには、迅速かつ正確でデータドリブンな分析情報が必要です。そのデータにアクセスする方法の中心にあるのが SQL です。Google は、Gemini を使用することで自然言語から直接 SQL を生成できます（これを Text-to-SQL と呼びます）。この機能により、開発者やアナリストの生産性が向上し、技術系以外のユーザーが必要なデータを直接操作できるようになります。 現在、次のように多くの Google Cloud プロダクトで Text-to-SQL 機能が利用できます。 BigQuery
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - DavidLiedle/DriftDB: DriftDB - An experimental append-only database with built-in time travel. Query any point in history, guaranteed data integrity, and immutable audit trails. Written in Rust.
SQLは「もはや専門職だけのものではない」 paizaがSQLスキルの可視化機能を提供開始
GitHub - stripe/pg-schema-diff: Go library for diffing Postgres schemas and generating SQL migrations
SQLアンチパターン第2版 データベースプログラミングで陥りがちな失敗とその対策 / Intro to SQL Antipatterns 2nd
GitHub - NickTikhonov/snap-ql: AI-powered Postgres Client
