【テクニカル・上級編】 データ型のマッピングと互換性 – Cloud Spanner

Spannerのダイアレクト分岐：データ型が隠蔽する「ストレージと実行エンジンの深淵」

Cloud SpannerがPostgreSQLインタフェースをサポートしたことは、単なる「互換性の拡張」ではない。これは、Spannerの分散トランザクションエンジンという「神殿」の中に、Postgresという「言語」を流し込むという、極めて高度な抽象化の試みである。

多くのエンジニアは、GoogleSQLとPostgreSQLダイアレクトのデータ型マッピングを「SQLの構文上の差異」として捉える。しかし、アーキテクトの視点で見れば、これはストレージ・フォーマットのエンコーディング戦略と、クエリ実行エンジンにおける型変換オーバーヘッドの戦いに他ならない。

本稿では、この二つのダイアレクトが内部でどのように解釈され、物理層のデータレイアウトにどう影響を及ぼしているのか、その深淵を紐解く。

—

1. 物理ストレージ層の共通性と、論理的解釈の乖離

Spannerの真髄は、Colossus上に構築された分散ファイルシステムと、その上のタブレット管理にある。どちらのダイアレクトを選択しても、物理層でのデータ配置メカニズムは変わらない。しかし、型（Type）の定義は、ランタイムでのデシリアライズコストに直結する。

GoogleSQL vs PostgreSQL：データ型のマッピングの本質

| 論理型 (GoogleSQL) | 論理型 (PostgreSQL) | 特記事項 |
| :— | :— | :— |
| `INT64` | `BIGINT` | 内部的にはどちらも8バイト整数 |
| `STRING` | `TEXT` | どちらも可変長文字列だが、照合順序（Collation）の扱いに差異 |
| `BYTES` | `BYTEA` | バイナリデータとしての格納ロジックは同等 |
| `TIMESTAMP` | `TIMESTAMPTZ` | 注意が必要なポイント |

ここで特筆すべきは `TIMESTAMP` の扱いだ。GoogleSQLの `TIMESTAMP` はナノ秒精度を持つ絶対時刻（UTC）を指すが、Postgresの `TIMESTAMPTZ` は、クライアントの接続設定やセッションのタイムゾーンを跨ぐ論理的な変換レイヤーを介在させる必要がある。

伝説的アーキテクトの洞察:
Postgresダイアレクトを利用する場合、SpannerはPostgresのカタログ互換性を維持するために、型チェックのパイプラインに「Postgres形式の型変換コード」を注入している。単純なマッピングに見えても、実行計画（Query Plan）生成時、Postgresダイアレクトは厳密な暗黙の型昇格（Type Promotion）ルールに従うため、GoogleSQLと比較して、実行プランのキャッシュ効率がわずかに異なるケースがあることを知っておくべきだ。

—

2. メモリ最適化と型サイズ：パフォーマンスへの影響

大規模分散システムにおいて、データ型は「メモリ占有率」と「ネットワーク帯域」の最適化指標である。

なぜ `NUMERIC` の扱いに注意が必要か

GoogleSQLの `NUMERIC` とPostgresの `NUMERIC` は、いずれも任意の精度を持つが、内部構造はSpannerのストレージエンジンにおいて、固定長の型よりもはるかに複雑なデコード処理を要求する。

— GoogleSQL: 精度とスケールはカラム定義で明示可能
ALTER TABLE Orders ADD COLUMN amount NUMERIC(18, 2);

— Postgres: 同じく可能だが、内部の演算器はPostgresの計算論理をエミュレートする
— この「エミュレーション層」のコストが、高頻度トランザクションでは無視できない

極限の知見:
超高スループットを要求するワークロードでは、可能な限り `INT64`（あるいは `BIGINT`）を用いたスケーリングを優先せよ。`NUMERIC` 型は、加算・乗算の際に内部で可変長バイト列のスキャンと正規化が発生するため、CPU命令レベルでのサイクル数が跳ね上がる。Spannerの真の性能を引き出したければ、型定義を「計算コスト」から逆算すべきだ。

—

3. 照合順序（Collation）の罠

データ型の互換性で最も見落とされがちなのが「文字列比較の挙動」である。

• GoogleSQL: デフォルトはバイナリ比較。`COLLATE` 句で制御。
• Postgres: データベース作成時に指定したロケール設定がデフォルトとなる。

Postgresダイアレクトでは、`TEXT` 型カラムに対するインデックス（B-Tree）は、Postgresの比較セマンティクスに従う必要がある。もし、既存のGoogleSQL環境からPostgresダイアレクトへ移行しようと計画しているなら、インデックスのカーディナリティと、ソート順序の不一致による「インデックススキャン不全」が引き起こすクエリの遅延を警戒せよ。

—

結論：どちらを選ぶべきか

私の結論はこうだ。

• GoogleSQLを選択すべきケース: Spannerの持つ「真の分散能力」を余すところなく活用したい場合。Googleの分散データプラットフォーム全体との親和性が最大化され、型システムもSpannerの内部エンジンと最短距離で結合されている。
• PostgreSQLダイアレクトを選択すべきケース: アプリケーション層のポータビリティと、開発者の既存エコシステム（ORMや周辺ツール）を最優先する場合。ただし、その「互換性」のために支払う小さな実行オーバーヘッドを受け入れる覚悟が必要だ。

データ型とは、単なる入れ物ではない。それはストレージからクライアントまで貫通する、計算コストの設計図である。

君たちが設計するテーブルの全ての列に、なぜその型が必要なのかを問え。Spannerのアーキテクチャはその問いに対する答えとして、最高のパフォーマンスを返すはずだ。