DanLevy.net

JA

2025年のデータベース革新の波

AIのおかげです。

また別のVector DBの記事ではない

もっと早く使っておけばよかったと願う判断基準はこれだ：

データがファイルから再構築可能で、ユーザーが主に読み取るだけなら、オブジェクトストレージデータベースをまず試せ。ユーザーが一日中書き込みを行うなら、本物のデータベースを使え。S3にデータベースの真似事をさせるのはやめろ。

それが有用な線引きだ。「サーバーレスが未来だ」でも「ベクトルデータベースがすべてを変えた」でもない。それらの文言はすでにカンファレンスのネームタグに十分印刷されている。

AIは確かに多くの検索問題の形を変えた。突然、小規模チームがセマンティック検索、ハイブリッドランキング、ドキュメントチャット、マルチモーダル検索、そしてオブジェクトストレージ上のファイルに対する分析を欲するようになった。従来の答えは「pgvector付きのPostgresを運用する」か「OpenSearch/Elasticsearchを運用する」か「管理型検索サービスを買う」だった。それらの答えはワークロードがそれに値する場合には今も良い答えだ。

しかし、多くのワークロードはそうではない。読み込みが支配的で、再構築可能で、コンテンツの変更から検索の反映までの短い遅延に耐えられるもの。ドキュメント。カタログのスナップショット。静的エクスポート。内部ナレッジベース。ローカル分析。プロトタイプRAGシステム。それらにとって、新しいクラスのツールが地味なアーキテクチャを異常に強力なものにした：インデックスをビルドし、ファイルとして保存し、HTTP経由で配信する。

スナップショット注記：エコシステムは急速に動いている。以下のスター数、機能ラベル、パフォーマンス数値は2025年9月のスナップショットであり、永遠のスコアボードではない。これらを方向付けとして扱い、本番移行をどのセルに賭けるか決める前に現在のドキュメントを確認してほしい。

名前を変えただけのデータベース

これらのサーバーレスおよびCDN対応データストアは、従来のデータベースインフラが価値以上の儀式になりかねない中規模ケース（約1,000〜1,000,000レコード、または数GB）で有用だ：

共通する動きはシンプルだ：永続的なデータをファイルやオブジェクトストレージに保持し、ブラウザ、エッジ関数、ワーカー、または軽量サービスからクエリする。それは複雑さを排除するわけではない。複雑さをビルドパイプライン、インデックスの鮮度、キャッシュの無効化、クライアントの機能へと移動させるだけだ。読み込みが支配的な場合には、それで完璧に良いトレードになる。

チェックボックスの戦い

FeaturePagefindOramaChromaLanceDBDuckDB-WASM
Full-Text Search✅ Advanced stemming✅ BM25, 30 languages✅ SQLite FTS✅ Tantivy✅ Full SQL
Vector Search❌✅ Cosine similarity✅ HNSW✅ IVF_PQ, HNSW, GPU⚠️ Extensions
AI/RAG IntegrationsNone✅ Built-in pipeline✅ LangChain, LlamaIndex✅ Advanced reranking⚠️ Manual setup
StorageStatic JSON/WASMMemory + S3 pluginsServer-based*S3-compatible LanceWASM + S3/HTTP
Write SupportBuild-time onlyFull CRUDFull CRUDFull CRUDFull SQL CRUD
PerformanceSub-100ms0.0001ms - 100msSub-100ms3-5ms vector, 50ms FTS10ms-1s (complex SQL)

*2025年9月スナップショット：Chromaはサーバーランタイムを必要とし、オブジェクトファイルツールのような方法で直接S3オブジェクトストレージをサポートしていない（issue #1736）。

実装例

構文の違いが本当の分裂を明らかにしている：ビルドタイム検索、インメモリ検索、ベクトルネイティブストレージ、マルチモーダルテーブル、ブラウザSQLは、AIデモにすべて登場するからといって同じ製品カテゴリーではない。

Pagefindによる静的サイト検索

<link href="/pagefind/pagefind-ui.css" rel="stylesheet">
<script src="/pagefind/pagefind-ui.js"></script>
<div id="search"></div>
<script>new PagefindUI({ element: "#search" });</script>

LanceDBによるエンタープライズグレードのマルチモーダル

自動OpenAI埋め込み付きのLanceDBテーブルを作成するコード：

import * as lancedb from "@lancedb/lancedb";
import "@lancedb/lancedb/embedding/openai";
import { LanceSchema, getRegistry } from "@lancedb/lancedb/embedding";
import { Utf8 } from "apache-arrow";


const db = await lancedb.connect("data/multimodal-db");
const func = getRegistry()
  .get("openai")
  ?.create({ model: "text-embedding-ada-002" });


// Schema with automatic embedding generation
const documentsSchema = LanceSchema({
  text: func.sourceField(new Utf8()),
  vector: func.vectorField(),
  category: new Utf8()
});


const table = await db.createEmptyTable("documents", documentsSchema);
await table.add([
  { text: "machine learning concepts", category: "research" },
  { text: "deep learning fundamentals", category: "research" }
]);

LanceDBテーブルをクエリする例：

import * as lancedb from "@lancedb/lancedb";
import "@lancedb/lancedb/embedding/openai";
// "Connect" to a URL path
const db = await lancedb.connect("data/multimodal-db");
const table = db.getTable("documents");


// SQL + vector search combination
const results = await table.search("machine learning concepts")
  .where("category = 'research'")
  .limit(10)
  .toArray();


console.log(results);

Oramaによるユニバーサル検索

import { create, insert, search } from '@orama/orama'


const db = create({
  schema: {
    title: 'string',
    content: 'string',
    embedding: 'vector[1536]'
  }
})


await insert(db, {
  title: 'Getting Started',
  content: 'Learn the basics',
  embedding: await generateEmbedding('Learn the basics')
})


const results = await search(db, {
  term: 'basics',
  mode: 'hybrid' // Combines text + vector search
})

DuckDB-WASM：

import * as duckdb from "https://cdn.jsdelivr.net/npm/@duckdb/duckdb-wasm@latest/dist/duckdb-browser.mjs";
const bundle = await duckdb.selectBundle(duckdb.getJsDelivrBundles());
const worker = new Worker(bundle.mainWorker);
const db = new duckdb.AsyncDuckDB(new duckdb.ConsoleLogger(), worker);
await db.instantiate(bundle.mainModule, bundle.pthreadWorker);


const conn = await db.connect();
await conn.query(`create table t as select * from (values (1,'hybrid search'),(2,'edge sql')) as v(id,txt);`);
// Optional full-text:
await conn.query(`install fts; load fts; select * from t where match_bm25(txt, 'hybrid');`);

ChromaによるAIネイティブ検索

import { ChromaClient } from "chromadb";


const client = new ChromaClient();
const collection = await client.createCollection({ name: "knowledge-base" });


await collection.add({
  documents: ["AI will transform software development"],
  metadatas: [{ source: "tech-blog", category: "AI" }],
  ids: ["doc1"]
});


const results = await collection.query({
  queryTexts: ["future of programming"],
  where: { category: "AI" },
  nResults: 5
});

ユースケースガイド

Pagefindを選ぶ場合：

Oramaを選ぶ場合：

Chromaを選ぶ場合：

LanceDBを選ぶ場合：

DuckDB-WASMを選ぶ場合：

判断基準

実践的な問いは「どのデータベースが一番良いか？」ではない。

実践的な問いは：システムが吸収しなければならない変化はどのような種類か？

ハッピーパスは安い。エッジケースがアーキテクチャを決める。

大きな絵

これらのツールは有用な検索に必要な最小限のインフラを削減する。それは重要だ。2020年、「セマンティック検索」には多くのサービス、大量の接着剤コード、そして部屋の半分がランチを欲している会議でベクトルインデックスを説明する誰かが必要だった。2025年、小規模チームがファイル、埋め込み、そして週末で同じ製品アイデアをプロトタイプできる。

それはすべての検索ボックスがRAGシステムになるべきだという意味ではない。それは最初のバージョンが本番の証拠を持つ前に本番のインフラを継承する必要がなくなったという意味だ。

AWSでさえS3周辺のベクトル検索作業でこの方向に動いている。これは有用なシグナルだ：オブジェクトストレージは古いファイルが行く屋根裏ではもはやない。それはクエリサーフェスになりつつある。

実験を始めよう

  1. 更新パターンを最初に選べ：ビルドタイム、1時間ごとのバッチ、ライブ書き込み、またはユーザーごとの結果。
  2. 最も正直な最小限のツールでプロトタイプせよ：静的HTMLにはPagefind、分析ファイルにはDuckDB、軽量アプリ検索にはOrama、ベクトル-heavyな作業にはLanceDBまたはChroma。
  3. 醜い部分を測定せよ：インデックス時間、鮮度、バンドルサイズ、権限、コールドスタート後の最初のクエリ。
  4. 痛みが本物になったときだけ昇格させよ：ファイルベースのバージョンがどこで曲がるかを正確に示した後でなければ、管理型データベースの正当化は難しい。

実践的なPagefindガイドで実装の詳細を見るか、大規模なデータを変革しつつあるエッジネイティブデータベースのエコシステムを探検してほしい。

免責事項： 私は長年Pagefindを使用しており、2025年にコントリビューターになった。より小さなプロジェクトでOramaとChromaを実験し、より大規模なAIアプリケーションでLanceDBを探っている。これらのプロジェクトへの金銭的関係はない — 進化するデータベースの風景への強い興味だけだ。

Loading comments...