PostgreSQLで安全な再帰クエリ！CYCLE句の使い方徹底解説
初めに
#ビジネスソリューション事業部の山下です。今回はPostgreSQL実装されているCYCLE句を紹介しようと思います。
CYCLE句は再帰クエリを安全に実行するための機能です。
具体的には循環参照による無限ループを検出し防止できます。
再帰クエリ
#本記事では細かい説明は省きますが、再帰クエリについて軽く触れておきます。
再帰クエリとは、クエリの中でクエリ結果自身を参照できる特殊なSQLクエリです。
WITH RECURSIVE句を使用して実装され、以下のような構造を持ちます。
- 非再帰項：最初の結果セットを生成する基本クエリ
- 再帰項：前回の結果を使用して次の結果を生成するクエリ
- UNION ALL：両者の結果を結合
具体的な構文は次のとおりです。
WITH RECURSIVE recursive_table AS (
-- 非再帰項
SELECT columns FROM table WHERE condition
UNION ALL
-- 再帰項
SELECT columns FROM table
JOIN recursive_table ON condition
)
SELECT * FROM recursive_table;
一般に再帰クエリは木構造やネットワーク構造を表現するデータモデルに対して有効とされています。
ただ、循環とは切っても切り離せないのが再帰表現の宿命です。
再帰表現の深さに制限を設けるなど色々な対処法がありますが、PostgreSQLではCYCLE句という回避手段が実装されています。
CYCLE句を使用することで循環参照が起こる可能性を意識せずとも、安全なクエリを実行できます。
CYCLE句を用いた循環検出
#CYCLE句は、PostgreSQLのver14から導入された機能であり、再帰クエリと併用されます。
再帰クエリの末尾に次のような文言を追加するだけで循環検知と防止が達成できます[1]。
CYCLE dst SET is_cycle USING path
次のサンプルを実行してみましょう。
このクエリは一時テーブルで定義されたsrcとdstを繋ぎ合わせてパスを検出するクエリです。
パスを繋ぎ合わせると循環が発生するようになっています。
DROP TABLE IF EXISTS tmp_connectivity;
CREATE TEMPORARY TABLE tmp_connectivity AS
SELECT * FROM (
VALUES
('a', 'b')
, ('b', 'c')
, ('c', 'd')
, ('b', 'e')
, ('e', 'f')
, ('f', 'g')
, ('f', 'a') -- これによりパスがループする
, ('h', 'i')
) AS _(src, dst);
WITH RECURSIVE full_connetivity AS (
-- 非再帰項
SELECT
*
FROM tmp_connectivity
WHERE src = 'a'
UNION ALL
-- 再帰項
SELECT
fc.src
, c.dst
FROM full_connetivity AS fc
JOIN tmp_connectivity AS c ON (fc.dst = c.src)
) CYCLE dst SET is_cycle USING path -- dstの履歴をpathに保存して、無限ループを検出する
SELECT * FROM full_connetivity;
CYCLE句のみをピックアップします。
CYCLE dst SET is_cycle USING path
この部分のみを分解して説明すると次のようになります。
- dstカラムの値を監視する
- 同じ値が再度出現することを検知する
- is_cycleカラムにtrueがセットされる
- pathカラムには通過したパスの履歴が常時記録される
先ほどのクエリを実行すると以下のような結果が得られるはずです。
src | dst | is_cycle | path
-----+-----+----------+-----------------------
a | b | f | {(b)}
a | c | f | {(b),(c)}
a | e | f | {(b),(e)}
a | d | f | {(b),(c),(d)}
a | f | f | {(b),(e),(f)}
a | g | f | {(b),(e),(f),(g)}
a | a | f | {(b),(e),(f),(a)}
a | b | t | {(b),(e),(f),(a),(b)}
「a → b → e → f → a → b」 という経路があり、経路内でループが検出されていることが結果から読み取れます。
サンプルモデルの解説
#サンプルとして、野生生物を取り巻く生態系っぽいデータモデルを設計しました[2]。
サンプルは以下のリポジトリをご確認ください。
https://github.com/shohei-yamashit/cycle-postgres-wild
このサンプルにおいてはリポジトリ直下のcompose.ymlからDBコンテナを立ち上げることができます。
定義済みのデータが入ったPostgreSQLコンテナを立ち上げられるようになっていますので、追加のSQLを実行する必要はありません。
今回登場するテーブルは次のとおりです。
- ConservationStatus（保全状況）
テーブル内の生物種の保全状態を管理します。保全状態の説明を含みます。
- Species（種）
生物種の基本情報を管理します。種の名前や保全状況、他の種との関連（自己参照）を持ちます。
- WeatherPattern（気象パターン）
気象パターンの情報を管理します。パターンの説明を含みます。
- Ecosystem（生態系）
生態系の基本情報を管理します。生態系の名前を含みます。
- Habitat（生息地）
生物の生息地情報を管理します。生息地名と所属する生態系との関連を持ちます。
- Region（地域）
地理的な地域情報を管理します。地域名と気象パターンとの関連を持ちます。
- Animal（動物）
個々の動物の情報を管理します。種、地域、生息地との関連を持ちます。
- Event（イベント）
観察や保全に関するイベント情報を管理します。イベントの説明を含みます。
- Threat（脅威）
種に対する脅威情報を管理します。脅威の説明と影響を受ける種との関連を持ちます。
- PlantSpecies（植物種）
植物種の情報を管理します。植物種の名前と生息地との関連を持ちます。
- AnimalSighting（動物目撃）
動物の目撃情報を記録します。動物ID、タイムスタンプ、関連イベントとの関連を持ちます。
- Researcher（研究者）
研究者の基本情報を管理します。研究者名を含みます。
- ObservationReport（観察報告）
動物目撃に関する詳細な報告を管理します。目撃情報との関連を持ちます。
- ConservationAction（保全活動）
種の保全活動に関する情報を管理します。活動の説明、対象種、担当研究者との関連を持ちます。
これだけだと全体が分かりづらいのでER図も示します。
サンプルへのCYCLE句の適用
#それでは以下の要件を満たすクエリを導出します。
前述のテーブル群から、〇〇idというカラム名を辿って種(species)に関連するテーブルを導出する
まずはCYCLE句を用いずに関連を取得するため、information.columnを対象にした再帰クエリを用意します。
WITH RECURSIVE species_relative AS (
SELECT
*
FROM
has_species_id
UNION ALL
SELECT
cl_info.table_name AS name
, CONCAT(cl_info.table_name,'id') AS id_with_table
, cl_info.column_name
, cl_info.data_type
FROM species_relative AS ir, information_schema.columns AS cl_info
WHERE
cl_info.column_name = ir.id_with_table
AND
table_schema = 'public'
)
, has_species_id AS (
SELECT
table_name
, CONCAT(table_name,'id') AS id_with_table
, column_name
, data_type
FROM information_schema.columns AS cl_info
WHERE
table_schema = 'public'
AND
column_name = 'speciesid'
)
SELECT * FROM species_relative
他のDBMSと同様、DBのシステム情報を管理するテーブルがPostgreSQLには備わっています。
具体的には情報スキーマと呼ばれるスキーマにメタデータが収容されています。
詳細：https://www.postgresql.jp/document/16/html/information-schema.html
今回はカラム名を参考にテーブルの関連を調べたいので、information.columnテーブルに着目しています。
無限ループが発生するため、実行が延々に終わらない等の事象が発生するはずです。
このままでは埒が開かないので、CYCLE句を追加してみましょう。
実行すべきクエリは次のようになります。
WITH RECURSIVE species_relative AS (
SELECT
*
FROM
has_species_id
UNION ALL
SELECT
cl_info.table_name AS name
, CONCAT(cl_info.table_name,'id') AS id_with_table
, cl_info.column_name
, cl_info.data_type
FROM species_relative AS ir, information_schema.columns AS cl_info
WHERE
cl_info.column_name = ir.id_with_table
AND
table_schema = 'public'
) CYCLE table_name SET is_cycle USING path_cycle -- 追加
, has_species_id AS (
SELECT
table_name
, CONCAT(table_name,'id') AS id_with_table
, column_name
, data_type
FROM information_schema.columns AS cl_info
WHERE
table_schema = 'public'
AND
column_name = 'speciesid'
)
SELECT table_name, column_name, is_cycle, path_cycle FROM species_relative;
このクエリを実行すると、次のような結果が出力されるはずです。
table_name | column_name | is_cycle | path_cycle
--------------------+------------------+----------+-----------------------------------------------------------
species | speciesid | f | {(species)}
animal | speciesid | f | {(animal)}
threat | speciesid | f | {(threat)}
conservationaction | speciesid | f | {(conservationaction)}
species | speciesid | t | {(species),(species)}
animal | speciesid | f | {(species),(animal)}
threat | speciesid | f | {(species),(threat)}
animalsighting | animalid | f | {(animal),(animalsighting)}
conservationaction | speciesid | f | {(species),(conservationaction)}
animalsighting | animalid | f | {(species),(animal),(animalsighting)}
observationreport | animalsightingid | f | {(animal),(animalsighting),(observationreport)}
observationreport | animalsightingid | f | {(species),(animal),(animalsighting),(observationreport)}
speciesが自分自身を参照しており、CYCLE句がなければ安全に再帰クエリが実行できませんでした。
（おまけ）Mermaidによる可視化
#記事の本題はすでに終わっているのですが、最後に今回の目的である関連するテーブルの洗い出しは済ませようと思います。
先ほどの結果におけるtable_nameとcolumn_nameに着目します。
重複がある上、"id"という表現が付加されているので結果を整えてみます。
SELECT DISTINCT
table_name,
REPLACE(column_name,'id','') AS relative_table_name
FROM species_relative ORDER BY table_name;
あとはMermaid形式で出力してあげれば、テーブルの関連を明記できそうです。
細かいコードの説明は省きますが、サンプルのツールを実行すると、次のような図が出力できます。
graph LR
species[種]
conservationaction[保護活動]
threat[脅威]
animal[個体]
animalsighting[観察]
observationreport[観察レポート]
species --> conservationaction
species --> threat
species --> animal
species --> species
animal --> animalsighting
animalsighting --> observationreport
observationreport --> conservationaction
graph LR
species[種]
conservationaction[保護活動]
threat[脅威]
animal[個体]
animalsighting[観察]
observationreport[観察レポート]
species --> conservationaction
species --> threat
species --> animal
species --> species
animal --> animalsighting
animalsighting --> observationreport
observationreport --> conservationactionこのようにして、無限ループを避けつつ、再帰クエリを使って関連を導出できました。
まとめ
#本記事では、PostgreSQLにおけるCYCLE句を用いた再帰クエリの安全な実行方法について解説しました。
バージョンなどの制約はありますが、無限ループが発生しうる再帰クエリを実行する際には、ぜひ検討してみてください。
