MongoDBは「もう古い」のでしょうか。
結論から言えば、そんなことはありません。
ただし、2010年代前半の“とりあえずMongoDB”という選定が通用しなくなったのは確かです。
当時はスキーマレスな柔軟性と水平スケールのしやすさが際立ち、RDBMS一択だった現場に風穴を開けました。
しかし現在は、PostgreSQLのJSONB、MySQLのJSON型、Amazon DynamoDB、Google Cloud Firestore、さらにNewSQLや分散SQLの台頭により、ドキュメント指向の利点を別の形で享受できる選択肢が増えています。
結果として、MongoDBを選ぶ理由は「便利だから」ではなく「ユースケースに適合するから」へと変化しました。
ここで重要なのは、技術の流行ではなく、アクセスパターン、整合性モデル、運用コスト、そしてデータの寿命を基準に判断することです。
では、どのような場合に移行を検討すべきでしょうか。
判断を誤ると、不要なリファクタリングや運用負荷の増大を招きます。
逆に、適切なタイミングで見直せば、スケーラビリティとコスト効率を大きく改善できます。
以下のような兆候があれば、一度立ち止まってアーキテクチャを見直す価値があります。
- トランザクションやJOINが頻繁に必要になり、アプリケーション側で整合性を補うコードが増えている
- レプリカセットの運用が煩雑になり、フェイルオーバーや整合性の理解にコストがかかっている
- データ量とクエリの複雑さが増し、インデックス設計やシャーディングが限界に近づいている
- マネージドサービスの選択肢が広がり、同じ要件をより低コストで満たせるようになった
- チームがドキュメントモデルよりもリレーショナルモデルや分散SQLに習熟している
一方で、MongoDBが今も強みを発揮する領域は明確です。
たとえば、可変な属性を持つ半構造化データを高速に取り込み、ネストしたドキュメントをそのまま読み書きする用途では、依然として合理的な選択です。
また、地理空間インデックスや全文検索、集約パイプラインなど、組み込み機能が要件に合致するなら、無理に移行する必要はありません。
重要なのは「古いから移行する」のではなく、「要件に対して最適か」を定期的に評価することです。
次のセクションでは、具体的な移行判断のフレームワークと、代表的な移行先の特性を比較していきます。
MongoDBはもう古いのか?ドキュメント指向データベースの現在地を整理する

MongoDBに対して「もう古いのではないか」という疑問を抱く人は少なくありません。
しかし、この問いには前提のズレがあります。
技術が古いかどうかは、登場から何年経ったかではなく、現在の要件に対して合理的な選択肢であり続けているかで判断すべきです。
その観点で見ると、MongoDBは決して過去の遺物ではありません。
ただし、2010年代前半のような無条件の採用が最適ではなくなったのは事実です。
ここでは、ドキュメント指向データベースの現在地を論理的に整理していきます。
MongoDBが登場した背景と普及した理由
MongoDBが注目されたのは、リレーショナルデータベースが前提としてきた固定スキーマと厳密な整合性が、すべてのアプリケーションに適合するわけではないという現実がありました。
特にWebアプリケーションでは、仕様変更が頻繁に起こり、属性が状況によって変わるデータを扱う場面が増えていました。
そこに、スキーマレスでドキュメントをそのまま保存できるモデルが刺さったわけです。
加えて、レプリカセットによる自動フェイルオーバーや、シャーディングによる水平スケールが比較的容易であり、当時のRDBMSが苦手としていた領域を補完しました。
結果として、「とりあえずMongoDB」という選定が一時的に広がりました。
これは技術的な必然というより、当時の代替手段の少なさに起因する部分が大きいと言えます。
2020年代のデータベース市場の変化
現在の市場は当時とは大きく異なります。
まず、PostgreSQLやMySQLがJSON型を標準で扱えるようになり、ドキュメント指向の利点の一部をリレーショナルデータベース上で再現できるようになりました。
次に、Amazon DynamoDBやGoogle Cloud FirestoreのようなマネージドNoSQLが台頭し、運用負荷を大幅に下げる選択肢が増えました。
さらに、分散SQLやNewSQLと呼ばれる系統が実用段階に入り、スケールと整合性のトレードオフをより柔軟に設計できるようになっています。
つまり、ドキュメント指向の価値自体は残りつつも、それを実現する手段が多様化したのです。
ここで重要なのは、MongoDBが劣化したのではなく、相対的な優位性が要件依存になったという点です。
MongoDBが今も選ばれるべきユースケース
では、どのような場面でMongoDBは合理的なのでしょうか。
第一に、可変な属性を持つ半構造化データを高速に取り込み、ネストしたドキュメントをそのまま読み書きする用途です。
第二に、地理空間インデックスや全文検索、集約パイプラインなど、組み込み機能が要件に直接合致する場合です。
第三に、スキーマの進化が速く、マイグレーションのコストを抑えたい場合です。
これらの条件が揃うなら、無理に移行する必要はありません。
逆に、トランザクションやJOINが中心で、整合性をアプリケーション側で補うコードが増えているなら、設計の見直しを検討すべきです。
| 判断軸 | MongoDBが向く場合 | 他が向く場合 |
|---|---|---|
| データ構造 | 可変でネストが深い | 固定で正規化が中心 |
| 整合性 | 結果整合性を許容 | 強い整合性が必要 |
| クエリ | ドキュメント単位の取得 | 複数テーブルの結合 |
| 運用 | シャーディングを活用 | マネージドで完結 |
結論として、MongoDBは「古い」のではなく、選定基準が変わったのです。
流行ではなく、アクセスパターン、整合性モデル、運用コスト、データの寿命という四つの軸で評価することが、結果として最適な判断につながります。
MongoDBが登場した背景と普及した理由

MongoDBが登場したのは2000年代後半です。
当時、Webアプリケーションの開発現場では、リレーショナルデータベースの固定スキーマと厳密な整合性が、必ずしもすべての要件に適合するわけではないという課題が表面化していました。
特に、仕様変更が頻繁に起こるサービスでは、テーブル定義の変更とマイグレーションのコストが開発速度を大きく制約しました。
そこに、ドキュメントをそのまま保存できるモデルと、水平スケールを前提とした設計思想を持ち込んだのがMongoDBです。
ここでは、普及を支えた二つの技術的な柱を整理します。
スキーマレス設計がもたらした柔軟性と課題
スキーマレス設計の最大の利点は、アプリケーションの進化とデータ構造の変化を同期させやすい点にあります。
リレーショナルデータベースでは、カラムの追加や型変更のたびにDDLとマイグレーションが必要になります。
一方、MongoDBではドキュメントごとに異なるフィールドを持てるため、新しい属性を追加しても既存データに影響を与えません。
たとえば、ユーザープロフィールに任意の属性を追加する場合、以下のようにドキュメント単位で表現できます。
db.users.insertOne({
name: "Taro",
tags: ["backend", "database"],
profile: { age: 34, location: "Tokyo" }
});
ただし、柔軟性には代償があります。
第一に、スキーマが暗黙的になるため、アプリケーション側でデータの整合性を保証する責務が増えます。
第二に、集計や分析のクエリが複雑になりやすく、インデックス設計を誤ると性能が急激に劣化します。
第三に、ドキュメントの重複や不整合が蓄積しやすく、長期的なデータ品質の維持が難しくなります。
つまり、スキーマレスは「スキーマが不要」なのではなく、スキーマの管理責任がデータベースからアプリケーションへ移るという意味です。
この点を理解せずに採用すると、後工程で大きな負債になります。
水平スケールとレプリカセットの仕組み
MongoDBのもう一つの柱が、水平スケールと高可用性です。
レプリカセットは、プライマリと複数のセカンダリで構成され、プライマリに障害が発生すると自動的に新しいプライマリを選出します。
これにより、単一障害点を減らしつつ、読み取りをセカンダリへ分散できます。
さらにシャーディングを組み合わせると、シャードキーに基づいてデータを複数のノードへ分割し、書き込みと読み取りを並列化できます。
| 構成要素 | 役割 | 主な利点 |
|---|---|---|
| プライマリ | 書き込みを受け付ける | 一貫した書き込み経路 |
| セカンダリ | データを複製する | 冗長性と読み取り分散 |
| シャード | データを分割する | 水平スケール |
| コンフィグサーバー | メタデータを管理する | クラスタ全体の整合性 |
ただし、レプリカセットでは結果整合性が前提となる場面があり、読み取り設定によっては古いデータを返す可能性があります。
また、シャードキーの設計を誤ると、特定のシャードに負荷が偏り、スケールの効果が得られません。
水平スケールは万能ではなく、データモデルとアクセスパターンに強く依存することを理解しておく必要があります。
2020年代のデータベース市場の変化

2020年代に入り、データベース市場の構図は明確に変わりました。
かつては「リレーショナルかドキュメント指向か」という二項対立で語られることが多かったのですが、現在はその境界が曖昧になっています。
リレーショナルデータベースがドキュメント指向の利点を取り込み、マネージドNoSQLが運用負荷を劇的に下げ、分散SQLが新たな選択肢として定着しました。
結果として、MongoDBの相対的な位置づけは「唯一のドキュメント指向DB」から「複数ある選択肢の一つ」へと変化しています。
ここでは、この変化を象徴する二つの動きを整理します。
PostgreSQLやMySQLのJSON対応による影響
最も大きな影響の一つが、リレーショナルデータベースにおけるJSON型の標準対応です。
PostgreSQLはJSONB型を備え、インデックスや演算子を用いた柔軟なクエリが可能です。
MySQLもJSON型をサポートし、生成列と組み合わせることで検索性能を確保できます。
これにより、半構造化データを扱いたいだけならリレーショナルデータベースで十分という場面が増えました。
たとえば、PostgreSQLでは以下のようにJSONBへインデックスを付与できます。
CREATE INDEX idx_users_profile ON users USING gin (profile jsonb_path_ops);
このアプローチの利点は、トランザクションとJOINをそのまま活用しながら、可変属性も扱える点です。
従来であれば、ドキュメント指向データベースを選ばざるを得なかった要件が、単一のリレーショナルデータベースで完結するようになりました。
もちろん、ネストが深くドキュメント単位の読み書きが中心となる用途では、MongoDBの方が自然なモデリングが可能です。
しかし、「とりあえずMongoDB」を選ぶ理由は、この時点でかなり薄くなったと言えます。
技術選定の基準が、機能の有無から要件との適合度へ移行したのです。
DynamoDBやFirestoreなどマネージドNoSQLの台頭
もう一つの大きな変化が、マネージドNoSQLの普及です。
Amazon DynamoDBやGoogle Cloud Firestoreは、サーバー管理やパッチ適用、スケーリングをクラウド事業者に委ねられます。
運用チームが抱える負荷は、セルフホスト型のMongoDBと比較して大幅に小さくなります。
特に、読み書きのレイテンシを安定させたい用途や、トラフィックの変動が大きいサービスでは、この特性が大きな強みとなります。
| サービス | データモデル | 整合性 | 主な強み |
|---|---|---|---|
| DynamoDB | キー・バリューとドキュメント | 結果整合性と強い整合性を選択可 | 高いスケールと低レイテンシ |
| Firestore | ドキュメント | 強い整合性 | リアルタイム同期とモバイル連携 |
| MongoDB Atlas | ドキュメント | 結果整合性が基本 | 柔軟なクエリと集約 |
一方で、マネージドNoSQLには制約もあります。
クエリの表現力が限られる場合があり、複雑な集約やアドホックな分析には向きません。
また、ベンダーロックインの度合いが高く、移行コストが後から効いてくる可能性があります。
重要なのは、運用負荷の削減とクエリの柔軟性のどちらを優先するかです。
このトレードオフを理解せずに選定すると、後工程で大きな手戻りが発生します。
MongoDBが今も選ばれるべきユースケース

MongoDBがすべての現場で最適とは言えませんが、特定の要件では今も合理的な選択肢です。
重要なのは、流行ではなくアクセスパターンとデータモデルに基づいて判断することです。
ここでは、MongoDBが強みを発揮する代表的なユースケースを二つ取り上げます。
どちらも、リレーショナルデータベースで無理に表現しようとすると、かえって複雑さが増す領域です。
半構造化データや可変スキーマの扱い
第一のユースケースは、属性が状況によって変わる半構造化データの扱いです。
たとえば、IoTデバイスから送られるセンサーデータ、ECサイトの商品属性、ユーザーごとに異なる設定情報などが該当します。
これらのデータは、すべてのレコードが同じフィールドを持つとは限りません。
リレーショナルデータベースでこれを表現すると、EAVモデルやJSON列、あるいは多数のNULL許容カラムが必要になり、設計とクエリの両面で複雑さが増します。
MongoDBでは、ドキュメント単位で構造を変えられるため、モデリングが自然になります。
db.products.insertMany([
{ sku: "A-1", name: "Chair", specs: { color: "black", width: 45 } },
{ sku: "A-2", name: "Table", specs: { material: "oak", seats: 4 } }
]);
また、スキーマの進化が速い場面でも有利です。
新しい属性を追加するたびにマイグレーションを走らせる必要がなく、アプリケーション側でデフォルト値を補うだけで済みます。
ただし、柔軟性は管理責任の移譲でもあります。
バリデーションをスキーマバリデーション機能やアプリケーション層で明示的に設計しないと、データ品質が劣化します。
この点を理解した上で採用すれば、開発速度と保守性のバランスを取れます。
地理空間インデックスや集約パイプラインの強み
第二のユースケースは、組み込み機能が要件に直接合致する場合です。
MongoDBは地理空間インデックスを標準で備えており、位置情報に基づく検索を宣言的に記述できます。
たとえば、特定の地点から近い順に店舗を取得する処理は、以下のように簡潔に表現できます。
db.stores.find({
location: {
$near: {
$geometry: { type: "Point", coordinates: [139.767, 35.681] },
$maxDistance: 3000
}
}
});
さらに、集約パイプラインを使えば、フィルタ、グループ化、結合、整形を一つのクエリで段階的に記述できます。
アプリケーション側でデータを何度も往復させる必要がなく、ネットワーク越しのオーバーヘッドを抑えられます。
これは、分析寄りの集計やレポート生成において実用的な強みです。
| 機能 | 用途 | リレーショナルでの代替 |
|---|---|---|
| 地理空間インデックス | 近傍検索や範囲検索 | PostGISなどの拡張が必要 |
| 集約パイプライン | 段階的な集計と整形 | 複数のSQLとアプリ側処理 |
| スキーマバリデーション | 入力値の検証 | テーブル制約とトリガー |
一方で、これらの機能はMongoDBに閉じた表現であるため、移行時には書き換えコストが発生します。
機能の便利さと移植性はトレードオフの関係にあります。
採用時には、その機能にどれだけ依存するかをあらかじめ見積もっておくことが重要です。
MongoDBから移行を検討すべきタイミング

MongoDBを採用した当初は合理的だった判断も、サービスの成長とともに最適ではなくなることがあります。
重要なのは、感情や流行ではなく、観測可能な兆候に基づいて移行を検討することです。
ここでは、移行を真剣に検討すべき代表的なタイミングを二つ取り上げます。
どちらも、設計の前提が実態と乖離し始めたことを示すシグナルです。
トランザクションやJOINが増えすぎたとき
第一の兆候は、アプリケーション側で整合性を補うコードが増え続けている場合です。
MongoDBは単一ドキュメントの更新では原子性を保証しますが、複数ドキュメントにまたがる整合性は、トランザクションを使うかアプリケーション側で補う必要があります。
トランザクションはサポートされていますが、リレーショナルデータベースと比較すると制約があり、設計上の考慮事項も増えます。
結果として、以下のようなコードが至る所に現れるようになります。
- 複数のコレクションを更新した後に手動でロールバックする処理
- 参照整合性を保つための定期的な整合性チェックバッチ
- 集約パイプラインで疑似的なJOINを繰り返すクエリ
- 整合性のずれを吸収するためのリトライと補正ロジック
これらは単発であれば問題ありませんが、恒常化すると本質的な複雑さを増大させます。
ドキュメントモデルの利点よりも、整合性維持のコストが上回った時点が移行のサインです。
特に、金融、在庫、予約のように強い整合性が求められる領域では、リレーショナルデータベースの方が自然な設計が可能です。
判断の際は、不整合が発生した場合の業務影響を定量的に見積もると、意思決定がぶれにくくなります。
運用負荷やコストが限界に達したとき
第二の兆候は、運用負荷やコストが想定を超えて増大している場合です。
セルフホストのMongoDBでは、レプリカセットの監視、フェイルオーバーの検証、バックアップとリストアの訓練、バージョンアップの検証などを自前で行う必要があります。
ノード数とデータ量が増えるほど、これらの作業は比例以上に重くなります。
以下のような状態が続くなら、構成そのものを見直す時期です。
- フェイルオーバー訓練に毎回多くの工数がかかり、属人化している
- シャードキーの偏りにより、特定ノードだけが高負荷になっている
- ストレージとインスタンス費用が、機能に対して割高になっている
- マネージドサービスへ移すだけで同じ要件を満たせると分かっている
| 観点 | 見直しのサイン | 検討先の例 |
|---|---|---|
| 整合性 | 補正コードの増加 | リレーショナルデータベース |
| 運用 | 監視と訓練の属人化 | マネージドNoSQL |
| コスト | 機能対比で割高 | 分散SQLやNewSQL |
| クエリ | 集約の複雑化 | 分析用データウェアハウス |
ただし、移行はそれ自体がコストです。
移行先の選定、データ変換、二重書き込みによる検証、切り戻し計画など、考慮すべき項目は多岐にわたります。
したがって、兆候を確認したら、すぐに移行するのではなく、移行コストと現状維持コストを同じ土俵で比較することが重要です。
この比較を経て初めて、移行は合理的な意思決定になります。
移行先の候補を比較する

MongoDBからの移行を検討する際、最初に問うべきは「どこへ移るか」ではなく「何を優先するか」です。
整合性、スケーラビリティ、クエリの表現力、運用負荷、コストという五つの軸は、互いにトレードオフの関係にあります。
すべてを同時に最大化できる移行先は存在しません。
したがって、要件の優先順位を明示した上で候補を絞り込むことが、結果として最短経路になります。
ここでは、代表的な二系統の移行先を比較します。
リレーショナルデータベース回帰の選択肢
第一の候補は、PostgreSQLやMySQLといったリレーショナルデータベースへ回帰する選択です。
これは後退ではなく、要件に対して適切な道具を選び直すという意味を持ちます。
特に、トランザクションとJOINが中心のワークロードでは、リレーショナルモデルの方が宣言的に記述でき、整合性の保証もデータベース側に集約できます。
また、JSONBやJSON型を使えば、可変属性の一部も取り込めるため、完全にドキュメント指向を捨てる必要はありません。
- 強い整合性が業務要件として必須である
- 複数テーブルにまたがる集計やレポートが多い
- チームがSQLと正規化設計に習熟している
- マネージドサービスや運用ノウハウが豊富に存在する
一方で、シャーディングによる水平スケールはMongoDBほど手軽ではありません。
単一ノードの性能限界を超える規模では、パーティショニングや読み取りレプリカの設計が別途必要になります。
つまり、整合性とクエリ表現力を取り、水平スケールの容易さを手放す選択だと言えます。
分散SQLやNewSQLという選択肢
第二の候補は、分散SQLやNewSQLと呼ばれる系統です。
これらは、リレーショナルモデルとSQLの表現力を保ちながら、水平スケールと高可用性を両立することを目的に設計されています。
代表的な特性として、コンセンサスアルゴリズムに基づく合意形成、自動的なデータ分割、マルチリージョン配置への対応が挙げられます。
MongoDBでシャーディングを自前で設計していた負荷を、システム側へ委譲できる点が大きな魅力です。
| 系統 | 整合性 | スケール | 主な用途 |
|---|---|---|---|
| リレーショナル | 強い整合性 | 垂直中心 | 業務系と分析系 |
| 分散SQL | 強い整合性 | 水平に拡張 | 大規模トランザクション |
| NewSQL | 強い整合性 | 水平に拡張 | 高可用な業務基盤 |
| MongoDB | 結果整合性が基本 | 水平に拡張 | 半構造化と柔軟なスキーマ |
ただし、分散SQLはレイテンシとスループットの特性が単一ノードのリレーショナルデータベースとは異なります。
分散合意に伴う書き込み遅延や、クロスノードのJOINコストを理解しておく必要があります。
また、エコシステムや運用ツールの成熟度は製品ごとに差があり、学習コストも無視できません。
重要なのは、分散SQLは万能ではなく、規模と整合性の両方が同時に要求される場面で効くという点です。
この特性を踏まえ、候補選定ではベンチマークを自環境で取得することを強く推奨します。
移行判断のフレームワークとチェックリスト

移行は一度決めると後戻りが難しいため、感覚ではなく構造化された手順で判断するべきです。
ここでは、技術選定を四つの評価軸に分解し、それぞれを定量的に比較するフレームワークを提示します。
重要なのは、単一の指標で優劣を決めないことです。
複数の軸を並べ、重み付けをした上で総合的に判断します。
以下の二つの観点は、その中でも特に見落とされやすい項目です。
アクセスパターンと整合性モデルで評価する
第一の軸は、実際のアクセスパターンと必要な整合性モデルです。
設計段階の想定ではなく、本番環境で観測されたクエリの分布に基づいて評価します。
具体的には、読み取りと書き込みの比率、単一ドキュメントか複数ドキュメントか、JOINの頻度、集約の複雑さを計測します。
整合性については、結果整合性を許容できる範囲を業務要件として明文化します。
- 読み取りと書き込みの比率はどの程度か
- 一回の操作で触れるドキュメント数は平均して何件か
- 複数コレクションにまたがる更新の割合はどの程度か
- 不整合が発生した場合の業務影響はどの程度か
これらの指標を可視化すると、ドキュメントモデルが適合しているかが客観的に見えてきます。
たとえば、複数コレクションにまたがる更新が全体の大半を占め、かつ不整合が許容できないなら、リレーショナルモデルの方が適しています。
逆に、単一ドキュメントの読み書きが中心で、結果整合性を許容できるなら、MongoDBを維持する合理性があります。
判断はモデルの好みではなく、観測されたデータに基づくべきです。
データの寿命と運用コストを可視化する
第二の軸は、データの寿命と運用コストです。
すべてのデータが同じ期間だけ保持されるわけではありません。
頻繁に参照されるホットデータ、たまに参照されるウォームデータ、監査目的で保持するコールドデータでは、求められる性能とコストが異なります。
これらを同一のデータベースで扱うと、不要なコストが発生します。
| データ区分 | 参照頻度 | 保持期間 | 適した保存先 |
|---|---|---|---|
| ホット | 高い | 短い | 主系データベース |
| ウォーム | 中程度 | 中程度 | 安価なストレージ |
| コールド | 低い | 長い | オブジェクトストレージ |
運用コストは、インスタンス費用だけでなく、監視、バックアップ、障害対応、バージョンアップに費やす人件費を含めて算出します。
見えにくいコストこそが、長期的には支配的になります。
したがって、チェックリストとしては、総所有コストを三年から五年の期間で試算し、移行コストと比較することを推奨します。
この試算を経て初めて、移行するか現状維持するかの判断に説明力が生まれます。
まとめ:MongoDBは古いのではなく、選定基準が変わった

ここまで、MongoDBの登場背景から現在の市場変化、そして移行を検討すべきタイミングまでを整理してきました。
結論は明確です。
MongoDBは古くなったのではなく、選定の基準そのものが変わったのです。
2010年代前半は、ドキュメント指向データベースを実用的に使える選択肢が限られていました。
そのため、「可変スキーマを扱いたいならMongoDB」という短絡的な判断が成立していました。
しかし現在は、PostgreSQLのJSONB、MySQLのJSON型、DynamoDB、Firestore、分散SQLやNewSQLなど、同じ課題を解決する手段が複数存在します。
結果として、MongoDBを選ぶ理由は「他にないから」ではなく「要件に合致するから」へと変化しました。
この変化を踏まえると、技術選定で問うべきは「新しいか古いか」ではなく「適合しているか」です。
適合性を評価する軸は、以下の四つに集約できます。
- アクセスパターンはドキュメント単位か、それとも複数テーブルにまたがるか
- 整合性モデルは結果整合性を許容できるか、強い整合性が必要か
- データの寿命と参照頻度は均一か、階層化して扱うべきか
- 運用コストと人件費を三年から五年の期間で見たとき、現状維持と移行のどちらが合理的か
これらを定量的に比較すれば、判断に再現性が生まれます。
逆に、これらを曖昧にしたまま移行すると、移行自体が目的化し、不要なリファクタリングと運用負荷を招きます。
移行は手段であり、目的ではありません。
また、MongoDBが強みを発揮する領域が今も存在することも事実です。
可変でネストが深い半構造化データ、地理空間インデックス、集約パイプライン、スキーマ進化の速いサービス。
これらが要件の中心なら、無理に移行する必要はありません。
技術の寿命ではなく、要件との整合性で判断する。
これが、学位を持つエンジニアとして最も重視すべき姿勢です。
最後に、実務的な指針を示します。
第一に、設計の前提を文書化し、定期的に見直すことです。
第二に、ベンチマークを自環境で取得し、公開情報だけで判断しないことです。
第三に、移行を検討する場合も、二重書き込みによる検証と切り戻し計画を必ず用意することです。
これらを徹底すれば、流行に左右されない安定したアーキテクチャを維持できます。
MongoDBは終わった技術ではありません。
ただし、無条件に選ぶ技術でもありません。
要件を見つめ、適切な道具を選び続けることが、結果として最も価値のある判断になります。


コメント