ふかぼりSRE ー現場の深淵ー
layerx.connpass.com
SREの現場に焦点を当てた勉強会。 AI時代においても、インフラ・SREの実践知、特にDB運用やトラブルシューティングといった技術的な深掘りを、経験豊富なエンジニア同士で共有する。 DB運用経験のあるバックエンドエンジニア、技術的な深さを求めるテックリード、インフラの本質について語りたいエンジニアにおすすめ。
独自アクセスログ基盤の構築
speakerdeck.com
・RECRUIT TECH CONFERENCE 2026で発表された、独自アクセスログ基盤の構築事例に関する資料です。 ・大規模なトラフィックを効率的に処理し、分析に活用するための基盤設計や運用について解説しています。 ・インフラエンジニア、バックエンドエンジニア、SRE、アーキテクトなど、システム基盤の設計・構築・運用に携わるエンジニア向けです。
Gartner® の Critical Capabilities レポートの軽量トランザクション ユースケースで Google（Spanner）が第 1 位を獲得
cloud.google.com
Google Cloud Spannerが、Gartnerの「Operational Use Cases」レポートで軽量トランザクションユースケース部門で2年連続1位を獲得し、OLTPユースケースでも2位となりました。 これは、Spannerの効率性、低レイテンシ、高パフォーマンス、そして水平スケーリング能力が評価された結果です。 この記事は、データベース管理者、アーキテクト、およびGoogle Cloud Spannerの導入を検討しているITプロフェッショナルを対象としています。
グーグル・クラウド・ジャパン合同会社 <name>Jagdeep Singh</name><title>Director Product Management</title><department></department><company></company>
Google Cloud データベースで次世代のエージェントを強化する
cloud.google.com
Google Cloud は、Model Context Protocol (MCP) 標準を AlloyDB、Spanner、Cloud SQL、Bigtable、Firestore などのデータベースサービスに拡張しました。これにより、AI エージェントはこれらのデータベースや Google のドキュメントに安全かつ一貫性のある方法でアクセスできるようになり、開発者はより強力でインテリジェントなアプリケーションを構築できます。 この機能は、AI モデルが外部環境と信頼性の高い方法でやり取りできるようにするものです。 この機能は、AI アプリケーション開発者、データベース管理者、および Google Cloud のインフラストラクチャを活用したいと考えているエンジニアを対象としています。
グーグル・クラウド・ジャパン合同会社 <name>Rahul Deshmukh</name><title>Sr. Product Manager, AI for Databases</title><department></department><company></company>
同時接続数30万超のチャットサービスのメッセージ配信基盤をRedis Pub/SubからRedis Streamsにした話
techblog.lycorp.co.jp
・30万以上の同時接続数を誇るチャットサービスのメッセージ配信基盤を、Redis Pub/SubからRedis Streamsへ移行した事例を紹介。 ・移行により、パフォーマンスの向上、スケーラビリティの改善、運用負荷の軽減などを実現した。 ・本記事は、バックエンドエンジニア、インフラエンジニア、SRE、アーキテクトなど、大規模サービスのインフラ構築・運用に携わるエンジニア向けの内容です。
Amebaブログで取り組んだ、DynamoDBからMySQLへのストレージ移行の話
developers.cyberagent.co.jp
AmebaブログにおけるDynamoDBからMySQLへのストレージ移行に関する技術的な解説。 - DynamoDBからMySQLへの移行プロセスとその技術的課題について説明。 - データベース移行を検討しているバックエンドエンジニアやインフラエンジニアが対象。
株式会社サイバーエージェント Yamato Soma
[MySQL Workbench] VISUAL EXPLAIN でインデックスの挙動を確認する
techblog.lycorp.co.jp
MySQL Workbenchの「VISUAL EXPLAIN」機能を用いて、SQLクエリの実行計画やインデックスの利用状況を視覚的に確認する方法について解説しています。 データベースのパフォーマンスチューニングや、インデックスの設計・最適化を行う際に役立ちます。 データベースエンジニア、バックエンドエンジニア、インフラエンジニアなど、データベースのパフォーマンスに関心のある開発者向けです。
データマネジメント戦略Night - 4社のリアルを語る会
sansan.connpass.com
Sansan、GA technologies、kubell、レバレジーズの4社が、データマネジメント戦略におけるリアルな課題と取り組みについて語るイベント。 生成AI時代における「AI-Readyなデータ基盤」や「データの民主化」の重要性が増す中、各社がデータモデリング、ガバナンス、品質管理、組織体制といった実務的な側面にどう向き合っているか。 データマネジメントの試行錯誤や課題解決のヒントを得たい方、AI時代のデータ戦略に悩む方、知見を共有し仲間を作りたい方におすすめです。
中国アリババ、MySQLのブランチとしてInnoDBエンジン、DuckDBカラムナエンジン、ベクトルサーチなどを統合した「AliSQL 8.0」オープンソースで公開
www.publickey1.jp
中国のアリババクラウドが、MySQLのブランチとしてInnoDB、DuckDB、ベクトルサーチを統合した「AliSQL 8.0」をオープンソースで公開しました。 この新バージョンは、OLTPとOLAPの両方のワークロードに対応し、高速なデータ分析とベクトル検索機能を提供します。 データベース管理者、バックエンドエンジニア、データサイエンティスト、インフラエンジニアなどに有用な情報です。
Publickey jniino
Open Table Formatにおけるストレージ抽象化の比較
speakerdeck.com
- Open Table Format (OTF) は、様々な分散ファイルシステムやオブジェクトストレージに対応します。 - Apache Iceberg、Apache Hudi、Delta Lake、Apache Paimonといった主要なOTF実装が、ストレージ層をどのように抽象化しているかを比較解説します。 - データエンジニアやプラットフォームエンジニアが、多様なストレージ環境でのデータ管理を最適化するための洞察を提供します。
インデックスを張るだけでは足りない。数億件の名刺データを扱うSansanのSQLパフォーマンス改善
levtech.jp
- Sansan社が数億件の名刺データを扱う上で、SQLパフォーマンスの改善にどのように取り組んだかについての記事です。 - 単純なインデックス作成だけでは不十分であり、より高度なチューニング手法が用いられています。 - データベースエンジニア、インフラエンジニア、アーキテクト、または大規模データ基盤のパフォーマンスに課題を感じている開発者向けです。
レバレジーズ株式会社 レバテックLAB
ベクターデータベースとAgent SkillsでRAGシステムを作ろう！ - 全開発者向けワークショップ開催レポート
techblog.lycorp.co.jp
ベクターデータベースとAgent Skillsを活用したRAGシステム構築に関するワークショップレポートです。 開発者は、最新のAI技術を実践的に学び、自身の開発プロセスに組み込む方法を習得できます。 特に、AIやバックエンド開発に関心のある開発者におすすめの記事です。
Scaling to infinity：LINEヤフーにおける可観測性プラットフォームの進化
techblog.lycorp.co.jp
LINEヤフーにおける可観測性プラットフォームの進化について解説します。 社内向け時系列データベース（TSDB）の開発・運用を担当するGi Jun Oh氏が、その道のりを共有します。 プラットフォームエンジニア、インフラエンジニア、データベースエンジニア、SRE、アーキテクトなど、大規模システム開発に関わるエンジニア向けの内容です。
TiDB Cloudのモニタリングはこんなふう！ TiDB Cloud Clinicを触ってみた感想
zenn.dev
TiDB Cloudへの移行経験を持つ筆者が、スロークエリ発生時のモニタリング方法に苦労した経験を共有。 AWS AuroraのDatabase Insightと比較し、TiDB Cloudのモニタリング機能（TiDB Cloud Clinic）の感触をレポート。 AWS AuroraからTiDB Cloudへの移行を検討しているデータベース担当者やインフラエンジニア向け。
レバレジーズ株式会社 もりた
BigQuery の会話型分析のご紹介
cloud.google.com
* Google Cloud は、自然言語で BigQuery のデータを分析できる「会話型分析（プレビュー版）」を発表しました。 * AI エージェントが、ビジネスコンテキストを理解し、SQL生成、実行、可視化までを自動で行い、データ分析のボトルネックを解消します。 * データサイエンティスト、データアナリスト、ビジネスユーザーなど、データ分析に携わるすべての人々を対象としています。
グーグル・クラウド・ジャパン合同会社 <name>Jiaxun Wu</name><title>Senior Engineering Manager</title><department></department><company></company>
2025 年の Spanner: インテリジェントなマルチモデル AI アプリケーションを強化するイノベーション
cloud.google.com
Google CloudのデータベースSpannerが2025年にAI、マルチモデル機能、運用・分析統合、移行簡素化、コスト効率、セキュリティを大幅に強化したことを報告する。 人工知能（AI）機能の拡充、ベクトル・グラフ・リレーショナルデータの統合、Vertex AIとの連携強化により、インテリジェントなアプリケーション構築を支援。 ITインフラ、データベース管理者、AI開発者、データサイエンティスト向けの技術的アップデートと将来展望について解説。
グーグル・クラウド・ジャパン合同会社 <name>Piyush Mathur</name><title>Group Product Manager</title><department></department><company></company>
BigQuery AI: Gemini 3.0 対応、エンベディング生成の簡素化、新しい類似度関数
cloud.google.com
Google BigQueryがGemini 3.0に対応し、AI機能が大幅に強化されました。これにより、非構造化データの活用が容易になり、AI.GENERATE、AI.EMBED、AI.SIMILARITYといった新しい関数が導入され、SQLから直接生成AIやエンベディングモデルを操作できるようになりました。これにより、データ分析、要約、翻訳、類似度計算などが簡素化され、より高度なデータ活用が可能になります。 この記事は、データサイエンティスト、機械学習エンジニア、Google Cloudを利用する開発者、およびデータ分析に関わるすべての人々にとって役立つ情報です。 BigQueryの新しいAI機能により、SQLクエリだけで複雑なAIタスクを実行できるようになり、データ活用の効率と可能性が大きく広がります。
グーグル・クラウド・ジャパン合同会社 <name>Derrick Li</name><title>Software Engineer</title><department></department><company></company>
テーブル設計のデータ型に関する振り返りリスト
qiita.com
Railsアプリのテーブル設計を見直す過程で、データ型選択に関する疑問が生じた経験から、DB設計時に考慮すべき点を整理しました。 これからDB設計を行うエンジニアにとって、データ型の選定や設計方針の判断材料となるような、具体的な観点を提供します。 特に、実務で遭遇する可能性のある課題とその解決策に焦点を当てています。
株式会社リンクアンドモチベーション tomohiko9090