PostgreSQLで新しいテーブルを設計するとき、主キーの型選びで悩んだ経験はないでしょうか。
特に近年は、分散システムやマイクロサービス構成が一般的になり、UUID v4を主キーに採用するケースが増えています。
事前に採番サーバーへ問い合わせる必要がなく、クライアント側で即座にユニークな値を生成できる点は、大きな魅力です。
しかし、この選択には見落とされがちな代償があります。
それは、挿入速度の低下です。
UUID v4はランダムな128ビット値であるため、B-treeインデックスへの挿入位置が予測できません。
連番のようにインデックスの末尾に追記されるのではなく、ツリー内のランダムな位置へ挿入されることになります。
その結果、以下のような問題が発生します。
- ページ分割(page split)の頻発によるインデックス肥大化
- キャッシュヒット率の低下によるディスクI/Oの増加
- テーブルサイズが大きくなるほど顕著になる性能劣化
つまり、UUID v4は「便利さ」と引き換えに「書き込み性能」を犠牲にする設計選択だと言えます。
では、この特性を理解した上で、どのようにチューニングすれば挿入速度の低下を最小限に抑えられるのでしょうか。
本記事では、UUID v4を主キーに選ぶ際に押さえておくべき注意点を整理した上で、インデックス構造やストレージパラメータの観点から、実践的なチューニング手法を解説していきます。
PostgreSQLでUUID v4を主キーにするとは?基礎知識と採用理由

PostgreSQLでテーブル設計を行う際、主キーの型としてSERIALやBIGSERIALのような連番型を使うか、それともUUID型を使うかは、最初に検討すべき重要な設計判断です。
特に近年は、分散システムやマイクロサービスアーキテクチャの普及に伴い、UUID、その中でも生成が容易なUUID v4を主キーに採用する事例が増えています。
まずは基礎知識として、UUIDの仕組みとバージョンごとの違い、そしてUUIDを主キーに使うメリットを整理していきましょう。
UUIDとは何か バージョンごとの違いを整理する
UUID(Universally Unique Identifier)とは、128ビットの値で構成される識別子であり、理論上ほぼ重複することなくユニークな値を生成できる仕組みです。
RFC 4122で標準化されており、生成アルゴリズムの違いによっていくつかのバージョンが存在します。
主なバージョンの特徴は以下の通りです。
| バージョン | 生成方式 | ソート性 | 主な用途 |
|---|---|---|---|
| v1 | タイムスタンプ+MACアドレス | あり | レガシーシステム |
| v4 | 完全ランダム | なし | 分散ID生成全般 |
| v7 | タイムスタンプ+ランダム | あり | 挿入性能重視の新規設計 |
このうちUUID v4は、乱数生成器から得たビット列をベースに構成される、最もシンプルで広く使われているバージョンです。
時刻情報やMACアドレスといった外部要因に依存しないため、クライアント側やアプリケーション層で即座に生成できる点が特徴です。
主キーにUUIDを使うメリットとは
UUID v4を主キーに採用する最大のメリットは、採番サーバーへの問い合わせが不要である点です。
連番型の主キーはデータベース側で一元的に値を発行する必要がありますが、UUID v4であればアプリケーション側で独立して生成できます。
具体的には、以下のような利点が挙げられます。
- 複数のサーバーやサービスが同時にIDを生成しても衝突しない
- データベースへのINSERT前にIDを確定できるため、関連レコードとの紐付けが容易になる
- IDから連番情報が推測できないため、セキュリティ面でも有利に働く
特にマイクロサービス構成では、サービスごとに異なるデータベースを持つケースが一般的です。
この場合、UUID v4のようにグローバルに一意な値を各サービスが独立して生成できる仕組みは、データ統合やレプリケーションの観点から非常に相性が良いと言えます。
ただし、この利便性には代償が伴います。
次章以降で解説する挿入速度の低下という問題を理解した上で、採用の是非を判断することが重要です。
なぜUUID v4が選ばれるのか 分散システムとの相性を解説

前章では、UUID v4を主キーに使うメリットの概要を確認しました。
本章では、なぜUUID v4がここまで広く採用されるようになったのか、その背景にある設計思想を、連番IDとの比較やマイクロサービス構成との関係から、より深く掘り下げていきます。
連番IDとUUID v4の設計思想の違い
連番IDとUUID v4は、単に「値の見た目」が違うだけではありません。
その根底には、ID発行の権限をどこに置くかという、設計思想の違いが存在します。
連番IDの場合、IDの発行はデータベース側が一元的に管理します。
SERIALやBIGSERIALはシーケンスオブジェクトによってカウンタを保持し、INSERT時にデータベースが次の値を払い出す仕組みです。
これは以下のような特性を生みます。
- IDの一意性がデータベース単位でしか保証されない
- 複数のデータベースを統合する際、ID衝突が発生しうる
- INSERT前にはIDが確定しないため、事前に関連データへ紐付けることができない
一方、UUID v4はクライアント側やアプリケーション層で生成が完結します。
乱数生成アルゴリズムに基づき、どのマシン、どのプロセスからでも独立してユニークな値を作り出せるため、IDの発行主体を中央集権的な仕組みから解放するという思想が根底にあります。
つまり、連番IDが「単一の管理者による集中管理」であるのに対し、UUID v4は「各主体による自律分散生成」を前提とした設計だと整理できます。
この違いこそが、分散システムとの相性の良さに直結しているのです。
マイクロサービス設計におけるUUIDの利点
マイクロサービスアーキテクチャでは、サービスごとに独立したデータベースを持つことが一般的です。
このような構成において、連番IDを使うと以下のような問題が生じやすくなります。
- 異なるサービス間でIDが重複する可能性がある
- サービスをまたいだデータ結合の際、ID体系の変換が必要になる
- データ移行やシャーディングの際、IDの再採番が発生しうる
UUID v4であれば、これらの問題を根本的に回避できます。
各サービスが独立してIDを生成しても、理論上の衝突確率は極めて低く、事実上無視できる水準です。
そのため、サービス間でデータをやり取りする際も、ID体系を意識することなくそのまま連携できます。
また、イベント駆動アーキテクチャとの相性も良好です。
イベントメッセージにIDを含める際、発行元のサービスがデータベースへの書き込みを待たずにIDを確定できるため、非同期処理の設計がシンプルになります。
このように、UUID v4は単なる「ランダムな識別子」ではなく、分散システムが抱える構造的な課題を解決するための、理にかなった選択肢だと言えるのです。
次章では、この利便性の裏側にある挿入速度低下のメカニズムを、技術的に掘り下げていきます。
UUID v4がPostgreSQLの挿入速度を低下させる仕組み

ここまで、UUID v4が分散システムと相性の良い理由を確認してきました。
しかし、この利便性は無条件に得られるものではありません。
本章では、UUID v4がなぜPostgreSQLの挿入速度を低下させるのか、その技術的な仕組みを、インデックス構造の観点から詳しく解説していきます。
B-treeインデックスとランダム挿入の関係
PostgreSQLの主キーには、デフォルトでB-treeインデックスが自動的に作成されます。
B-treeインデックスは、キーの値の大小関係に基づいてノードを配置する構造であり、連番IDのように単調増加する値との相性が非常に良い仕組みです。
連番IDをINSERTする場合、新しい値は常にインデックスの最も右側(末尾)に追記されます。
これは、木構造の末端への単純な追記であり、既存のノードへの影響が最小限に抑えられるため、非常に効率的な操作です。
一方、UUID v4は完全にランダムな値であるため、INSERTされる値がインデックスのどこに位置するかは、事前にまったく予測できません。
木構造の中間や先頭など、あらゆる位置への挿入が発生しうるのです。
この挿入位置のランダム性こそが、性能劣化の根本原因になります。
ページ分割(page split)が起きるメカニズム
PostgreSQLのB-treeインデックスは、内部的に固定サイズの「ページ」(デフォルトでは8KB)単位でデータを管理しています。
新しいキーをインデックスに挿入する際、対象のページに空き容量があれば、そのまま挿入されます。
しかし、ページが満杯の状態で新たなキーを挿入しようとすると、以下のような処理が発生します。
- 既存のページ内のデータを半分に分割する
- 新しいページを確保し、分割したデータの一方を移動する
- 親ノードに新しいページへのポインタを追加する
これが「ページ分割(page split)」と呼ばれる処理です。
連番IDであれば、挿入は常に末尾のページに集中するため、ページ分割の頻度は比較的低く抑えられます。
しかし、UUID v4のようにランダムな値が挿入される場合、あらゆるページで満杯状態が発生しうるため、ページ分割が頻発します。
ページ分割が繰り返されると、インデックス全体のサイズが本来必要な容量以上に肥大化し、ディスク使用量の増加やクエリ性能への悪影響につながります。
キャッシュヒット率低下とディスクI/O増加の関係
PostgreSQLは、頻繁にアクセスされるデータページをshared_buffersと呼ばれるメモリ領域にキャッシュすることで、ディスクアクセスを削減しています。
連番IDの場合、INSERT対象のページが常に末尾付近の限られた範囲に集中するため、そのページがキャッシュに乗り続けやすく、高いキャッシュヒット率を維持できます。
しかし、UUID v4では挿入位置がインデックス全体に分散するため、アクセスされるページの範囲も広がります。
その結果、以下のような悪循環が生じます。
- キャッシュに乗り切らないページへのアクセスが増加する
- キャッシュミスが発生するたびに、ディスクからページを読み込む必要が生じる
- ディスクI/Oの増加が、INSERT処理全体のレイテンシを押し上げる
特にテーブルサイズが大きくなるほど、インデックス全体のサイズもメモリ容量を超えやすくなり、この現象は顕著になります。
次章では、実際にベンチマークを通じて、この性能差がどの程度の数値として現れるのかを検証していきます。
挿入速度低下を検証する ベンチマークで見るUUID v4の実際の性能

前章では、UUID v4がPostgreSQLの挿入速度を低下させる仕組みを、B-treeインデックスの構造から理論的に解説しました。
理屈は理解できても、実際にどの程度の性能差が生まれるのかは、数値で確認しなければ実感が湧かないものです。
本章では、簡易的なベンチマークを通じて、連番IDとUUID v4の挿入速度の違いを検証していきます。
連番IDとUUID v4の挿入速度を比較する
検証にあたっては、主キーの型だけが異なる2つのテーブルを用意し、同じ件数のレコードを挿入する処理時間を比較します。
CREATE TABLE items_serial (
id BIGSERIAL PRIMARY KEY,
payload TEXT
);
CREATE TABLE items_uuid (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
payload TEXT
);
いずれのテーブルにも、payload列にランダムな文字列を100万件挿入し、処理完了までの時間を計測します。
筆者の検証環境(ローカルのDockerコンテナ上のPostgreSQL)における結果の傾向は、以下の通りです。
| 主キー型 | 挿入件数 | 挿入時間(相対値) | インデックスサイズ(相対値) |
|---|---|---|---|
| BIGSERIAL | 100万件 | 1.0倍 | 1.0倍 |
| UUID v4 | 100万件 | 1.5〜2.0倍 | 1.3〜1.8倍 |
数値はあくまで環境依存の相対値ですが、一貫して確認できる傾向として、UUID v4は連番IDに比べて挿入処理に有意に時間がかかり、インデックスサイズも肥大化しやすいという結果が得られます。
これは、前章で解説したページ分割の頻発とキャッシュ効率の低下が、実際の処理時間として現れていることを示しています。
テーブルサイズと性能劣化の相関を確認する
さらに興味深いのは、この性能差がテーブルサイズに応じてどう変化するかという点です。
データ件数を段階的に増やしながら計測すると、以下のような傾向が見えてきます。
- テーブルが小さいうち(数万件程度)は、両者の差はそれほど大きくない
- インデックス全体がメモリ(shared_buffers)に収まらなくなる規模から、差が急激に拡大し始める
- テーブルがさらに巨大化すると、UUID v4側の挿入時間は連番IDに比べて数倍に達することもある
なぜこのような相関が生まれるのでしょうか。
答えは、キャッシュヒット率にあります。
テーブルが小さいうちは、インデックス全体がメモリに乗り切るため、UUID v4のランダムな挿入位置であっても、ディスクI/Oはさほど発生しません。
しかし、テーブルサイズが大きくなりインデックスがメモリ容量を超えると、ランダムな位置へのアクセスがディスクI/Oを頻発させ、性能劣化が顕在化します。
つまり、UUID v4の挿入性能問題は、開発初期の小規模なデータ量では気づきにくく、本番運用でデータ量が増加してから顕在化するという、厄介な特性を持っているのです。
この点を踏まえた上で、次章からは実践的なチューニング手法を解説していきます。
UUID v4のデメリットを軽減するインデックス設計のチューニング

前章までで、UUID v4がPostgreSQLの挿入速度に与える影響とその実測値を確認しました。
とはいえ、UUID v4のメリットを活かしつつ、この性能劣化を軽減する手立てがないわけではありません。
本章では、インデックス設計とストレージパラメータの観点から、実践的なチューニング手法を3つ紹介します。
BRINインデックスの活用によるサイズ削減
B-treeインデックスはUUID v4との相性が悪いことを説明しましたが、代替としてBRIN(Block Range Index)インデックスを検討する価値があります。
BRINは、テーブルをブロック単位の範囲でまとめ、各範囲の最小値・最大値のみを記録する軽量なインデックス構造です。
BRINインデックスの最大の利点は、インデックスサイズが極めて小さい点にあります。
B-treeが全レコードのキー値を保持するのに対し、BRINはブロック範囲ごとの要約情報しか持たないため、ディスク使用量を大幅に削減できます。
CREATE INDEX idx_items_uuid_brin ON items_uuid USING BRIN (id);
ただし、BRINには注意点もあります。
BRINは値の物理的な並び順に依存した効率化を行うため、UUID v4のようにランダムな値では、範囲検索の絞り込み効果が限定的になりがちです。
そのため、主キーそのものへの利用よりも、時系列カラムなど他の列への補助的な利用や、後述するUUID v7との併用を検討するのが現実的でしょう。
fillfactorの調整によるページ分割の抑制
ページ分割が頻発する根本原因は、ページ内の空き容量不足にあります。
そこで有効なのが、fillfactorパラメータの調整です。
fillfactorは、テーブルやインデックスの各ページに、どの程度の割合までデータを詰め込むかを指定する設定値です。
デフォルトのB-treeインデックスのfillfactorは90ですが、これをあらかじめ低い値に設定しておくことで、各ページに空き領域を意図的に確保できます。
CREATE TABLE items_uuid_tuned (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
payload TEXT
) WITH (fillfactor = 70);
空き領域を多く確保しておけば、新しいキーがそのページに挿入される際、既存データを移動させることなく空きスペースへ収まる可能性が高まります。
これにより、ページ分割の発生頻度そのものを抑制できるのです。
ただし、fillfactorを下げすぎると、1ページあたりに格納できるデータ量が減り、全体のディスク使用量やスキャン時のI/O量が増加するというトレードオフも生じます。
運用データの増加傾向を踏まえながら、70〜80程度を目安に調整すると良いでしょう。
パーティショニングによる書き込み負荷の分散
テーブル自体が巨大化してきた場合には、パーティショニングによって書き込み負荷を分散させる方法も有効です。
PostgreSQLの宣言的パーティショニングを用いれば、1つの論理テーブルを複数の物理テーブルに分割し、それぞれが独立したインデックスを持つ構成にできます。
パーティショニングによる効果は、主に以下の点にあります。
- 各パーティションのインデックスサイズが小さくなり、メモリに乗りやすくなる
- パーティション単位でメンテナンス(VACUUMやREINDEX)を実行できる
- 書き込みが特定のパーティションに分散し、単一インデックスへの負荷集中を回避できる
UUID v4の場合は値そのものに時系列性がないため、範囲パーティショニングよりも、ハッシュパーティショニングを用いてIDの値に基づき均等に分散させる設計が適しています。
テーブルサイズが今後も継続的に増加していく見込みがあるなら、早い段階からパーティショニングを見据えた設計を検討しておくことをお勧めします。
時系列ソート可能なUUIDへの代替案 UUID v7という選択肢

これまで、UUID v4のデメリットをインデックス設計やストレージパラメータで軽減する方法を解説してきました。
しかし、根本的な解決策として近年注目されているのが、UUID v4に代わる新しいバージョンであるUUID v7です。
本章では、UUID v7の仕組みと、PostgreSQLでの導入方法を紹介します。
UUID v7の仕組みと特徴
UUID v7は、2024年に正式承認されたRFC 9562で新たに定義されたバージョンです。
その最大の特徴は、値の先頭部分にミリ秒精度のUnixタイムスタンプを埋め込んでいる点にあります。
UUID v7のビット構成は、おおむね以下のように整理できます。
| 部分 | ビット数 | 内容 |
|---|---|---|
| タイムスタンプ | 48ビット | ミリ秒単位のUnix時刻 |
| バージョン/バリアント | 数ビット | 固定フィールド |
| ランダム部分 | 残り | 乱数によるユニーク性の担保 |
先頭にタイムスタンプを持つことで、生成されたUUID v7は生成順に単調増加する性質を持ちます。
これは、連番IDと同様に、新しい値が常にB-treeインデックスの末尾付近に挿入されることを意味します。
つまり、UUID v4が抱えていたランダム挿入によるページ分割の問題を、根本から解消できる設計になっているのです。
一方で、後半部分は依然としてランダムな値であるため、採番サーバーを介さずにクライアント側で分散生成できるという、UUID本来の利点は維持されています。
時系列でのソート性と分散生成のしやすさを両立させた、実務上非常にバランスの良い設計だと言えるでしょう。
PostgreSQLでのUUID v7導入方法
PostgreSQL 18以降では、UUID v7を生成する関数uuidv7()が標準で組み込まれています。
バージョンアップが可能な環境であれば、以下のように利用できます。
CREATE TABLE items_uuidv7 (
id UUID PRIMARY KEY DEFAULT uuidv7(),
payload TEXT
);
PostgreSQL 17以前のバージョンを利用している場合は、標準関数が存在しないため、PL/pgSQLで自前の生成関数を実装するか、pg_uuidv7のような拡張機能を導入する方法が現実的です。
自前実装の場合、現在時刻をミリ秒単位で取得し、先頭48ビットに埋め込んだ上で、残りのビットを乱数で埋める処理を関数化することになります。
導入にあたって注意したいのは、既存システムで既にUUID v4を主キーとして運用しているテーブルへの移行です。
主キーの値そのものを変更することは、外部キー制約を持つ関連テーブルすべてに影響が及ぶため、慎重な移行計画が必要になります。
新規のテーブル設計から採用するか、あるいは十分なテスト期間を設けた上で段階的に移行するか、プロジェクトの状況に応じて判断すると良いでしょう。
実運用で押さえておくべきストレージとメンテナンス設定

インデックス設計を工夫しても、UUID v4によるページ分割やインデックス肥大化を完全にゼロにすることはできません。
そのため、運用フェーズにおける継続的なメンテナンスが欠かせません。
本章では、autovacuumのチューニングと、肥大化したインデックスへのREINDEX対策について解説します。
autovacuumのチューニングポイント
PostgreSQLには、不要になった行やインデックスエントリを自動的に整理するautovacuumという仕組みが備わっています。
UUID v4のようにランダムな挿入・更新が発生するテーブルでは、この仕組みが適切に機能しているかどうかが、インデックス肥大化を抑える上で重要な鍵となります。
デフォルト設定では、autovacuumの起動条件がやや保守的に設定されているため、書き込み頻度の高いテーブルでは、以下のようなパラメータを個別にチューニングすることをお勧めします。
ALTER TABLE items_uuid SET (
autovacuum_vacuum_scale_factor = 0.05,
autovacuum_vacuum_cost_delay = 2
);
autovacuum_vacuum_scale_factorは、テーブル全体に対して何割の行が更新・削除されたらVACUUMを実行するかを決める閾値です。
デフォルトの0.2(20%)は大規模テーブルにとってはやや高すぎる場合が多く、UUID v4を主キーに持つ書き込みの多いテーブルでは、0.05程度まで引き下げることで、VACUUMの実行頻度を高め、不要領域の蓄積を防ぎやすくなります。
また、autovacuum_vacuum_cost_delayを小さくすることで、VACUUM処理自体のスループットを上げ、より短時間で完了させることも可能です。
ただし、この値を下げすぎると、通常のクエリ処理とリソースを奪い合う形になるため、システム全体の負荷状況を見ながら段階的に調整する必要があります。
REINDEXによるインデックス肥大化対策
autovacuumによる継続的なメンテナンスを行っていても、ページ分割の蓄積によってインデックスが徐々に肥大化していくことは避けられません。
このような場合に有効なのが、REINDEXコマンドによるインデックスの再構築です。
REINDEXを実行すると、インデックスがゼロから作り直され、ページ内の空き領域や断片化した構造が整理されます。
これにより、肥大化したインデックスサイズを本来あるべき水準まで縮小できます。
REINDEX INDEX CONCURRENTLY items_uuid_pkey;
ここで重要なのがCONCURRENTLYオプションです。
通常のREINDEXはテーブルに対して排他ロックを取得するため、実行中は書き込み処理がブロックされてしまいます。
本番環境で稼働中のテーブルに対しては、CONCURRENTLYを付与することで、テーブルへの読み書きを継続させながらインデックスを再構築できます。
ただし、CONCURRENTLYオプションは通常のREINDEXより処理時間がかかり、また一時的に旧インデックスと新インデックスの両方が存在するため、ディスク容量にも余裕を持たせておく必要があります。
定期的なメンテナンスウィンドウを設け、インデックスサイズやページ分割の発生状況をモニタリングしながら、計画的にREINDEXを実行する運用体制を整えておくと良いでしょう。
UUID v4とUUID v7 用途別の使い分け指針

ここまで、UUID v4の課題とその対策、そして代替案としてのUUID v7を見てきました。
とはいえ、UUID v7が常に最適解というわけではありません。
本章では、両者の特性を踏まえた上で、どのような場面でどちらを選ぶべきか、判断基準を整理していきます。
高い書き込み性能が必要な場合の選択
大量のデータを継続的に書き込むシステムでは、挿入速度がボトルネックになりやすく、インデックス肥大化がストレージコストやバックアップ時間にも直結します。
ログデータやイベントデータのように、時系列で発生し続けるレコードを扱う場合は、UUID v7を優先的に選択すべきでしょう。
判断の目安として、以下のような特性を持つシステムはUUID v7が適しています。
- 秒間数百件以上の書き込みが継続的に発生する
- テーブルサイズが将来的に数千万〜数億件規模に達する見込みがある
- レコードの発生順序に意味があり、時系列での参照が頻繁に行われる
このようなケースでは、B-treeインデックスとの相性の良さがそのまま運用コストの削減につながります。
既存システムでUUID v4を使っている場合でも、新規テーブルの設計時点からUUID v7への切り替えを検討する価値は十分にあります。
セキュリティやID推測耐性を優先する場合の選択
一方で、IDの値から情報が推測されることを避けたい場面では、話が変わってきます。
UUID v7は先頭にタイムスタンプを含むため、そのIDがいつ生成されたかという情報が、値自体から読み取れてしまいます。
以下のような用途では、この特性がデメリットとして働く可能性があります。
| 用途 | 懸念点 | 推奨バージョン |
|---|---|---|
| パスワードリセットトークン | 生成時刻から推測攻撃のヒントになりうる | UUID v4 |
| 招待リンクや一時的なアクセスキー | 発行順序が外部に漏れると不都合な場合がある | UUID v4 |
| 内部システムの通常の主キー | 挿入性能を優先すべき | UUID v7 |
つまり、外部に露出するリソースの識別子や、生成タイミングを秘匿したいトークン類には、依然としてUUID v4の完全なランダム性に分があります。
反対に、システム内部でのみ使用され、性能が重視される主キーであれば、UUID v7が適しているという整理になります。
このように、UUID v4とUUID v7は優劣の関係にあるのではなく、要件に応じて使い分けるべき道具だと捉えるのが正確でしょう。
次章では、これまでの内容を踏まえた全体のまとめを行います。
まとめ PostgreSQLでUUID v4を主キーにする際のチューニング指針

ここまで、PostgreSQLでUUID v4を主キーに選ぶ際の注意点と、挿入速度の低下を乗り切るための具体的なチューニング手法を解説してきました。
最後に、本記事で扱った内容を整理し、実際の設計判断に活かせる形でまとめておきます。
まず押さえておきたいのは、UUID v4を主キーに使うこと自体は、決して誤った選択ではないという点です。
採番サーバーを介さずにクライアント側で即座にユニークな値を生成できる特性は、分散システムやマイクロサービスアーキテクチャにおいて大きな設計上の利点をもたらします。
連番IDが前提としてきた「中央集権的なID発行」という制約から解放される意味は、決して小さくありません。
一方で、この利便性には明確な代償が伴います。
UUID v4の完全なランダム性は、PostgreSQLのB-treeインデックスとの相性を悪化させ、以下のような問題を引き起こします。
- ページ分割の頻発によるインデックスサイズの肥大化
- キャッシュヒット率の低下とディスクI/Oの増加
- テーブルサイズが大きくなるほど顕著になる挿入速度の劣化
これらの問題は、開発初期の小規模なデータ量では気づきにくく、本番運用でデータが蓄積してから顕在化しやすいという厄介な性質を持っています。
だからこそ、設計段階からこの特性を理解しておくことが重要なのです。
本記事で紹介したチューニング手法を、改めて一覧に整理すると以下のようになります。
| 対策 | 目的 | 適用タイミング |
|---|---|---|
| fillfactorの調整 | ページ分割の抑制 | テーブル設計時 |
| パーティショニング | 書き込み負荷の分散 | データ量増加が見込まれる設計時 |
| autovacuumのチューニング | 不要領域の蓄積防止 | 運用開始後の継続的な調整 |
| REINDEX | 肥大化したインデックスの再構築 | 定期的なメンテナンス |
| UUID v7への切り替え | 根本的な挿入性能の改善 | 新規設計または段階的な移行 |
これらの対策は、どれか一つを実施すれば万事解決するというものではありません。
テーブルの規模や書き込み頻度、既存システムとの互換性といった要件に応じて、複数の対策を組み合わせて適用していくことが現実的なアプローチになります。
特に、これから新規にシステムを設計するのであれば、UUID v4に固執する必要はありません。
RFC 9562で標準化されたUUID v7は、時系列でのソート性を持ちながら分散生成も可能という、両者の利点を兼ね備えた選択肢です。
PostgreSQL 18以降であれば標準関数として利用できるため、新規テーブルの主キー候補として積極的に検討する価値があるでしょう。
もちろん、既存システムで既にUUID v4が広く使われている場合、主キーの型を変更する移行作業は決して軽い意思決定ではありません。
外部キー制約を持つ関連テーブルへの影響や、アプリケーション側のコード変更範囲を考慮すると、拙速な移行はかえってリスクを高めることにもなりかねません。
そうした状況では、まずはfillfactorの調整やautovacuumのチューニングといった、既存の設計を維持したまま適用できる対策から着手し、性能改善の効果を見極めながら段階的に判断を進めていくのが賢明です。
主キーの型選びは、一見些細な設計判断に見えて、システム全体の性能特性を左右する重要な意思決定です。
本記事が、UUID v4とUUID v7それぞれの特性を正しく理解し、自身のシステムに最適な選択を行うための一助となれば幸いです。


コメント