FastAPIで生成型AIサービスを作る

第7章. データベースをAIサービスに統合する

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

章の目標

この章では、以下について学ぶ：

• データベースが必要な場合と、プロジェクトに適したデータベースの種類を特定する方法

• リレーショナルデータベースの基本メカニズムと非リレーショナルデータベースの使用例

• リレーショナルデータベースの開発ワークフロー、ツール、ベストプラクティス

• データベースを使用する際のクエリのパフォーマンスと効率を向上させるテクニックを習得する。

• 進化し続けるデータベーススキーマの変更をどのように管理するか

• チームで作業する際のコードベース、データベーススキーマ、データドリフトを管理するための戦略

この章では、現在のAPIサービスにデータベースを統合して、ユーザ対話を保存・取得する。

この章では、データベースと構造化クエリ言語 (SQL) の基本的な操作経験を想定しているため、SQL プログラミングとデータベースワークフローのすべての側面をカバーしません。 その代わりに、LLM などの GenAI モデルと相互作用する FastAPI アプリケーションにデータベースを統合する際の、より高度なデータベース概念、開発ワークフロー、ベストプラクティスを学びます。

その一環として、アプリケーション開発におけるリレーショナル（SQL）データベースと非リレーショナル（noSQL）データベースの役割について学び、ユースケースに適したデータベースを自信を持って選択できるようになる。 次に、リレーショナルデータベースの機能と、オブジェクトリレーショナルマッパー（ORM）やデータベース移行ツールなどの関連ツールについてより深く理解する。 最後に、手作業対演習として、SQLAlchemyとAlembicを使って既存のアプリケーションにデータベースを統合し、LLMでユーザの会話を保存・検索する。

この章が終わる頃には、GenAI アプリケーションにおけるデータベース関連の問題の選択、設定、解決に自信が持てるようになるだろう。

データベースの役割

バックエンド・サービスを構築するとき、アプリケーションの状態を保持し、ユーザデータをストアするためにデータベースが必要になることがよくある。 他のケースでは、アプリケーションにデータベースは必要なく、データベースの統合はサービスの複雑さを著しく増大させる可能性があるため、データベースを追加しようとすべきではない。

ここでは 、データベースの使用を見送ることができるいくつかのケースを紹介する：

1. アプリケーションは、新しいユーザ・セッションごとに、起動時に新しい状態から開始することができる。

2. アプリケーションデータの再計算は簡単で、リソース効率も良い。

3. アプリケーション・データはメモリに格納できるほど小さい。

4. あなたのアプリケーションは、サーバエラー、再起動、その他の予期せぬ出来事など、様々な理由によるデータ損失に対して寛容である。

5. 異なるユーザ・セッションやアプリケーション・インスタンスがデータを共有する必要はない。

6. 必要なデータは、独自のデータベースではなく、外部システム、GenAIモデル、その他のアプリケーションAPIから直接取得することができる。

7. ユーザは、新しいセッションやアクションのたびにデータが再計算されるのを待つことができる。

8. あなたのサービス要件では、データをデータベースの代わりにディスク上のファイル、ブラウザのストレージ、または外部のクラウドストレージに永続化することができる。 ...