Google Cloudは、エンタープライズ向けデータベースサービス「AlloyDB for PostgreSQL」に、通常30秒以内の高速フェイルオーバーを実現する新ホットスタンバイ機能を追加しました。 この機能により、データベースの可用性が大幅に向上し、ダウンタイムを最小限に抑えることが期待されます。 データベース管理者、インフラエンジニア、SRE担当者にとって、システムの信頼性向上に繋がる重要なアップデートです。
社内分析基盤をAurora MySQL/PostgreSQLからBigQueryへ移行した事例。 Google Cloud Datastreamを利用し、CDCパイプラインを構築。 方式選定の経緯と設計判断について解説。 【対象者】 - インフラエンジニア - データベースエンジニア - SRE
-kubell社が2025年9月24日に開催されたイベント「みんなの考えた最強のデータ基盤アーキテクチャ」にて発表した資料です。 -データ基盤開発の最新状況とAI活用の実践について、具体的な事例を交えて解説しています。 -データエンジニア、バックエンドエンジニア、インフラエンジニア、アーキテクト、AI・機械学習エンジニア、データサイエンティストなど、データ基盤やAI活用に関心のある技術者向けです。
・Aurora MySQL 3系へのバージョンアップに伴う Collation の変更（utf8mb4_general_ci から utf8mb4_0900_ai_ci）による、既存システムとの互換性維持の難しさについて解説しています。 ・Aurora MySQL ではサーバー側でのデフォルト Collation 変更が制限されているため、接続時の設定や SQL クエリでの明示的な指定、定期的なチェック体制の構築が不可欠であることを示しています。 ・Collation の不整合によるエラー発生時の具体的な対処法や、将来的なバージョンアップに向けた考慮事項についても触れています。
「ROW_NUMBER」に代わる「LATERAL JOIN」というPostgreSQLの機能を紹介します。 グループごとの最新データを取得する際に、従来のROW_NUMBERを使った方法よりもLATERAL JOINが効率的であることを解説。 データベースエンジニアや、より効率的なSQLクエリを求める開発者向けの記事です。
「マスターデータ構築を支える名寄せ基盤のデータパイプライン設計」というテーマで、Sansan Tech Talk @関西 vol.4での発表内容を共有する記事。 - マスターデータ構築における名寄せ基盤の重要性について解説。 - データパイプラインの設計思想と具体的な実装について紹介。 - データエンジニア、インフラエンジニア、データサイエンティスト向けの記事。
Sansan Tech Talk @関西 vol.4のイベント告知。 データ正規化の深淵をテーマに、データ化ワークフロー設計の肝要について解説。 コーポレートエンジニア、バックエンドエンジニア、データサイエンティスト、アーキテクトなど、データ活用に関わるエンジニア向け。
・Sansan Tech Talk @関西 vol.4では、データ正規化の深淵について議論されました。 ・イベントは技術本部 Data Intelligence Engineering Unitの大森拓也氏が登壇しました。 ・技術本部では、エンジニアの採用活動も行っています。
New Relicの新機能「Database 360」は、データベースのパフォーマンス問題の特定に役立ちます。 実行計画を可視化し、ボトルネックを迅速に特定・改善する手法を解説します。 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向けの記事です。
Google Cloud Next ‘26 で発表された Firestore の新機能は、AI エージェントとの連携強化、全文検索と表現力豊かなクエリ、MongoDB 互換性の向上に焦点を当てています。 AI Studio やサードパーティ エージェントとのネイティブ統合により、開発速度が向上し、LLM とデータベースがよりスムーズに連携できるようになりました。 全文検索、地理空間クエリ、JOIN 機能の追加により、データ検索と操作が強化され、AI エージェントの能力が拡張されます。 MongoDB との互換性強化、大型ドキュメントのサポート、変更ストリーム機能の追加により、既存のワークロードの移行が容易になり、スケーラビリティが向上しました。 この記事は、AI エージェントを活用したアプリケーション開発に携わるバックエンドエンジニア、プラットフォームエンジニア、データベースエンジニア、および Google Cloud を利用する開発者向けです。
- Google Cloud の Bigtable に、ミリ秒未満の読み取りレイテンシを実現する新しいインメモリ階層が追加されました。 - この機能により、時間的制約のあるデータ処理能力が向上し、コスト削減とパフォーマンス向上が期待できます。 - 主に、高トラフィックや急激なアクセス増加に対応する必要があるアプリケーションや、リアルタイムでのデータアクセスが求められるシステムを運用するエンジニアやプロダクトマネージャー向けです。
サイバーエージェントが主催する、データサイエンス技術者向けの勉強会「CA DATA NIGHT#10」の告知です。 AI時代のデータ基盤として注目されるDatabricksに焦点を当て、現場のエンジニアがDatabricksの導入、活用、インフラ設計などのリアルな事例を紹介します。 データサイエンティスト、機械学習エンジニア、データエンジニア、インフラエンジニア、およびDatabricksに関心のある技術者向けです。
・オープンソースのOLAP用データベースDuckDBをクライアント／サーバー化する新プロトコル「Quack」が登場しました。 ・このプロトコルにより、複数のDuckDBインスタンス間での接続が可能になります。 ・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、リサーチャーなど、データ管理や分散システムに関わる技術者向けのニュースです。
- Amazon S3 Vectors を使用して、ベクトルデータベースを別途構築せずに建設現場の画像検索プロトタイプを開発した事例を紹介。 - 自然言語での画像検索（例：「足場の写真」）の要望に応えるため、PoC のハードルを下げる試み。 - エンジニアが Amazon S3 Vectors の構成と、実際に開発して得られた知見について共有する記事。
- クラウドネイティブDBの進化の歴史を、物理制約との戦いとして解説。 - Amazon AuroraやGoogle Spannerなどの事例を挙げ、スケーラビリティと整合性のトレードオフを解説。 - 分散システム設計の指針となる、スケールする理由と犠牲にするものを深掘りする。
Terraform Provider for Bytebaseのimport機能で予期せぬ挙動が発生したため、その調査過程とコード追跡について解説します。 - BytebaseのIAMポリシーをTerraformでimportする際に、プロジェクト単位ではなくワークスペース全体が対象となってしまう問題について - Terraform Providerの実装を深く掘り下げ、import処理の挙動を解明 - SREやインフラエンジニア、Terraformを利用する開発者向けの記事
- 既存の紐付けを一括変更する処理で、「玉突き」で値を入れ替える操作のみDuplicate entryエラーで失敗するバグについて解説します。 - この問題は、中間テーブルへのUPDATE処理が適切に行われなかった場合に発生します。 - バックエンドエンジニア、データベースエンジニア、アーキテクト、プロジェクトマネージャー、QAエンジニア向けの記事です。
AWS DevOps AgentからAurora MySQLの調査を安全に行えるように、AgentCore GatewayとLambdaを組み合わせた構成について解説しています。 - AWS DevOps Agentを用いたAurora MySQLの安全な調査方法 - AgentCore GatewayとLambdaを連携させた構成の紹介 - バックエンドエンジニア、インフラエンジニア、セキュリティ担当者向け
「Evidence」は、SQLとMarkdownのみでダッシュボードを作成できるBI as Codeツールです。 ブラウザ上でDuckDBを実行し、SQLクエリを処理します。 フロントエンドエンジニアやデータサイエンティスト、データベースに関心のあるエンジニアに適しています。
SnowflakeのNative Appとしてdltのコネクタアプリがリリースされた。 この記事では、その価格感や、既存のデータ分析基盤におけるデータ抽出の課題について触れている。 データエンジニアや、データ分析基盤の構築・運用に携わるエンジニア向けの内容となっている。
Google Cloud Knowledge Catalogは、従来のデータカタログの限界を超え、AIエージェントがビジネスコンテキストを深く理解し、高精度なタスクを実行できるよう支援するユニバーサルコンテキストエンジンです。 集約、拡充、検索の3つの柱により、散在する情報を統合し、継続的に意味を生成し、セキュアで高精度な検索を実現します。 AIエージェント、データサイエンティスト、プラットフォームエンジニア、アーキテクト、データエンジニアなど、データ活用とAIの精度向上を目指すすべての人々向けのソリューションです。
Google Cloudは、AIネイティブな「Agentic Data Cloud」を発表し、データベース機能を大幅に強化しました。これにより、AIエージェントがリアルタイムでデータを活用し、運用や分析を統合した新しいシステムを構築できるようになります。 - データベースとAIエージェントの連携を強化し、開発者体験を向上させる新機能が多数追加されました。 - レイクハウスとの統合やオープンソースへの取り組みにより、柔軟性と拡張性が向上しました。 - この記事は、Google Cloudの最新データベース技術に関心のあるエンジニア、アーキテクト、データサイエンティスト、プロダクトマネージャー向けです。