データベース最適化実験プロジェクト

概要

このプロジェクトは、データベースのインデックス最適化によるパフォーマンス改善を実際に体験するための実験環境です。ECサイトを想定したテーブル構成で、インデックス追加前後のクエリ実行時間を比較し、データベースチューニングの効果を検証します。

プロジェクト構成

db-optimization/
├── docker-compose.yml          # MySQL環境構築用
├── init/                       # データベース初期化スクリプト
│   ├── 01-create-tables.sql    # テーブル作成
│   └── 02-performance-setup.sql # パフォーマンス設定
├── 03-add-indexes.sql          # インデックス追加スクリプト
├── generate_sample_data.py     # サンプルデータ生成
├── performance_test.py         # パフォーマンステスト（インデックス前）
├── performance_test_after.py   # パフォーマンステスト（インデックス後）
├── explain_analysis.py         # EXPLAIN分析ツール
├── verify_data.py              # データ検証ツール
├── requirements.txt            # Python依存関係
└── zenn_article.md             # 詳細な実験レポート

実験環境

• データベース: MySQL 8.0
• コンテナ: Docker Compose
• データ量: 約10万件のサンプルデータ
• テーブル構成: categories, products, orders（ECサイト想定）

セットアップ手順

1. 環境構築

# リポジトリをクローン
git clone <repository-url>
cd db-optimization

# Docker環境を起動
docker-compose up -d

# データベースの初期化を待つ（約30秒）

2. サンプルデータの生成

# Python依存関係をインストール
pip install -r requirements.txt

# サンプルデータを生成（約10万件）
python generate_sample_data.py

3. パフォーマンステストの実行

# インデックス追加前のパフォーマンステスト
python performance_test.py

# インデックスを追加
mysql -h localhost -u app_user -papp_password ecommerce < 03-add-indexes.sql

# インデックス追加後のパフォーマンステスト
python performance_test_after.py

実験内容

テスト対象クエリ

1. 商品一覧表示クエリ

   • カテゴリ別商品検索
   • 価格範囲での絞り込み
   • 在庫状況での絞り込み

2. 注文履歴クエリ

   • ユーザー別注文履歴
   • 期間指定での注文検索

3. 集計クエリ

   • カテゴリ別売上集計
   • 月次売上レポート

測定指標

• クエリ実行時間
• EXPLAIN分析結果
• インデックス使用状況

期待される結果

インデックス追加により、以下の改善が期待されます：

• 商品検索クエリ: 数秒 → 数ミリ秒
• 集計クエリ: 大幅な実行時間短縮
• インデックス使用率: 100%近く

技術的な学習ポイント

• インデックスの種類と使い分け
• 複合インデックスの設計
• EXPLAIN分析の読み方
• パフォーマンス測定手法

注意事項

• この実験は学習目的のため、本番環境での使用は推奨しません
• 大量のサンプルデータを生成するため、十分なディスク容量を確保してください
• Dockerコンテナのリソース制限にご注意ください

ライセンス

このプロジェクトは学習目的で作成されています。