「この箱に何種類入ってる？」PostgreSQLがクエリを速くするための頭脳戦
こんにちは！データベースの世界へようこそ。
普段、何気なく「SELECT FROM …」なんてクエリを書いていますが、データベースの中では毎回、ものすごい速さで「どうやってデータを探しに行こうかな？」という作戦会議が行われているのを知っていますか？
今日はその作戦会議でとっても重要な役割を果たす、「n_distinct（エヌ・ディスティンクト）」という考え方について、お話ししようと思います。
専門用語っぽくて難しそう？ 大丈夫です。一緒に身近な例で考えてみましょう！
—
想像してみてください：お菓子箱の仕分け作業
あなたは今、大量のお菓子が入った巨大な箱から、特定のお菓子を仕分けする係になったとします。
ここで、箱の中身について「どれくらい種類があるか」を知っているかどうかで、作業の効率が劇的に変わりますよね。
- パターンA：種類がめちゃくちゃ多い（ほぼ全部バラバラ）
「全部違うお菓子だから、一つずつ丁寧に見ていこう！」という戦略が正解ですよね。
- パターンB：種類は少ないけど、同じのが大量に入ってる
「あ、これはチョコだ！これもチョコ！こっちもチョコ！」とまとめて片付けちゃったほうが、断然速いと思いませんか？
データベースの世界でもこれと全く同じことが起きています。PostgreSQLが「この列には何種類くらいのデータが入っているかな？」と推測する数、それがn_distinctです。
—
なぜこの「推測」が大事なの？
もしPostgreSQLが「この列には100万種類のデータがあるはずだ！」と信じているのに、実際には「たった2種類」しかなかったらどうなるでしょう？
データベースは、「100万種類あるなら、一つずつ検索したほうが速いな！」と判断して、わざわざ遠回りな方法を選んでしまいます。結果、本来なら一瞬で終わるはずの処理が、無駄に時間がかかってしまうことに……。
これを専門用語で「実行計画の誤算」と呼んだりしますが、要は「勘違いのせいで、とんでもなく効率の悪いルートを通らされている状態」なんです。
—
n_distinct と仲良くなるために
「じゃあ、その数を正確に覚えさせればいいの？」と思うかもしれませんが、実はそこが難しいところ。データは日々増えたり減ったりしますよね。
そこでPostgreSQLは、定期的に「統計情報（アナライズ）」という健康診断を行っています。
- `ANALYZE`コマンド: これを実行すると、PostgreSQLが「ちょっと箱の中身をサンプリングして、だいたい何種類くらいあるか見てみるか！」と調査をしてくれます。
もし、「最近クエリがなんだか遅いな？」と感じたら、この統計情報が古くなっていて、PostgreSQLが「今のデータ量や種類」を誤解している可能性があります。そんなときは、ぜひ一度 `ANALYZE` を試してみてください。
—
最後に：データベースは「賢いけど、おっちょこちょい」
データベースは超高性能なコンピューターですが、人間と同じで「与えられた情報」をもとに判断しています。
「n_distinct」という言葉、最初は難しく聞こえたかもしれませんが、要は「データベースに、データの個性（多様性）をちゃんと教えてあげよう」という仕組みのことなんです。
- データが偏っていないか？
- 種類は多そうか、少なそうか？
こうやってデータの「中身」に少し興味を持ってあげるだけで、あなたの書くクエリは驚くほど速く、軽やかに動くようになりますよ。
皆さんも、たまにはデータベースが「どんな作戦会議をしているのかな？」と想像して、`EXPLAIN`コマンドなんかで覗いてみてくださいね。きっと、もっと仲良くなれるはずです！
それでは、また次回のブログでお会いしましょう。ハッピー・クエリライフ！
コメント