こんにちは！Cloud Spannerの世界へようこそ。
チーフアーキテクトの私です。
「世界中の膨大なデータを、止まることなく、一瞬で処理するデータベース」と聞くと、なんだか難しそうだな……と感じるかもしれませんね。でも大丈夫。今日は、Cloud Spannerの心臓部の一つである「分散結合（JOIN）戦略」について、難しい数式や専門用語をできるだけ使わず、日常の出来事に例えて優しく紐解いていきます。
ここをクリアすれば、Cloud Spannerのデータが裏側でどうやって組み合わされているのか、その基本はバッチリマスターできますよ。一緒に楽しく学んでいきましょう！
—
1. スプリットの正体：ダンボール箱の山
まず、Cloud Spannerがどうやってデータを保存しているかを知る必要があります。
Cloud Spannerは、数千台、数万台というコンピューターの力を束ねて動く「超巨大なデータベース」です。もし、すべてのデータを1カ所に集めていたら、世界中からのアクセスでパンクしてしまいますよね。だから、Spannerはデータを細かく切り分けて、たくさんのコンピューター（ノード）に分散させています。
この、切り分けられたデータのひと塊を、私たちは「スプリット」と呼んでいます。
日常の例えで考えてみましょう。
あなたは「超巨大な本屋さん」の店長さんです。お客さんが多すぎて、すべての本を1つの棚に置くことはできません。そこで、五十音順やジャンルごとに、たくさんのダンボール箱に本を分けて、大きなお店のあちこちに配置しました。この「ダンボール箱」が、Spannerでいう「スプリット」です。
—
2. 「結合（JOIN）」ってなに？
データベースでよく使う「JOIN（結合）」とは、別々の場所にある関連するデータをドッキングさせる作業のことです。
例えば、
- 「お客様のリスト」が入ったダンボール箱
- 「注文履歴」が入ったダンボール箱
この2つを組み合わせて、「田中さんが何を買ったのか」を知りたいときに行うのがJOINです。
もし、お客様リストがお店の「東の端」にあり、注文履歴が「西の端」にあったらどうでしょう？ あなたは何度も往復して、メモを見比べなければなりませんよね。コンピューターの世界でも同じで、遠く離れたスプリットの間でデータを合わせるには、ネットワークを行ったり来たりする時間（コスト）がかかるのです。
この「遠く離れたダンボール箱のデータ同士を、どうやったら一番効率よく組み合わせられるか？」を考えて実行するのが、Spannerの分散結合戦略です。
—
3. スパイスが効いた2つの代表的な作戦
Cloud Spannerの頭脳（オプティマイザー）は、データを組み合わせるときに、状況に応じていくつかの「作戦」を使い分けます。代表的な2つの作戦を覗いてみましょう。
作戦その1：ハッシュ・ジョイン（Hash Join） —— 「色別に仕分ける作戦」
【日常の例え】
文化祭で、全校生徒（1,000人）の名簿と、クラスごとの出し物リストを照らし合わせるとします。全校生徒がランダムにバラバラの場所に座っています。
一番手っ取り早いのは、一度みんなを「血液型ごと（あるいは出席番号の末尾ごと）」のグループにパパッと集めて、同じグループ同士で突き合わせることですよね。
【Spannerの動き】
Hash Joinは、結合したい目印（例えば「お客様ID」など）をもとに、データをいったんハッシュ関数という「仕分けルール」でパッとグループ分けします。そして、同じグループに入ったデータ同士を同じ場所（コンピューター）に集めてドッキングさせます。
- 得意なこと： データの並び順がバラバラでも、大量のデータを一気に処理する力技が得意。
作戦その2：マージ・ジョイン（Merge Join） —— 「あらかじめ並べておく作戦」
【日常の例え】
すでに「出席番号順」に綺麗に並べられた名簿が2冊あります。
この2冊を重ねて、上から順番に「あ、1番は一緒だね」「2番も一緒だね」と、ペラペラとめくりながら照合していく方法です。これなら無駄な動きが一切ありません。
【Spannerの動き】
Merge Joinは、結合する目印の順にあらかじめ綺麗にデータを並べ替えておき（あるいは最初から並んでいる状態を利用し）、まるでチャックを合わせるかのように、スルスルと効率よく結合していく作戦です。
- 得意なこと： データがすでに綺麗に並んでいるとき、ネットワークの通信量を最小限にして超高速に処理できる。
—
4. 実際のSQLと心構え
Cloud Spannerでは、私たちが普段書く標準的なSQL（データベース言語）を受け取ると、Spannerの頭脳が「今回はどのダンボール箱とどのダンボール箱が遠くにあるから、ハッシュ・ジョインを使おうかな、それともマージ・ジョインにしようかな」と、一瞬で最善の作戦を考えて実行してくれます。
例えば、次のようなSQLを書いたとします。
— お客様情報（Customers）と注文履歴（Orders）を結合する例
SELECT
c.customer_name,
o.order_date,
o.total_amount
FROM
Customers c
JOIN
Orders o ON c.customer_id = o.customer_id
WHERE
o.order_date >= ‘2023-10-01’;
(※このSQLを実行すると、Spannerは裏側でスプリットの配置を計算し、最も効率の良い分散結合戦略を自動的に選択してデータをかき集めてくれます)
私たちエンジニアが意識すべきなのは、「データベースが効率よくデータを並べ替えられるようなヒント（インデックス）をあらかじめ用意してあげること」です。それさえしておけば、複雑な分散の仕組みはSpannerがすべて完璧に裏でやってくれます。
—
おわりに
いかがでしたでしょうか？
「分散結合戦略」と聞くと身構えてしまいますが、要するに「あちこちに散らばったダンボール箱（スプリット）の中身を、いかにムダなく効率よく突き合わせるか」という、お店の効率化の工夫そのものです。
この基本イメージさえ持っていれば、Cloud Spannerが裏側でどれほど高度なことをやっているとしても、怖がる必要はもうありません。
さあ、基本はバッチリマスターできましたね！
次のステップでも、この調子で楽しくCloud Spannerの深淵を覗いていきましょう。あなたのエンジニアライフを、チーフアーキテクトとしていつも応援しています！
コメント