Google Cloud、ローカルマシンにインストールできる大規模分散型マルチモデルDB「Spanner Omni」正式版リリースを発表

Google Cloudは、大規模分散データベースとしてリレーショナルモデルだけでなくグラフ型やキーバリュー型、ベクトル検索、テキスト検索などのマルチモデルに対応したデータベースソフトウェア「Spanner Omni」の正式版リリースを発表しました。

Spanner Omniは、Google Cloudがマネージドデータベースとして提供しているGoogle Cloud Spannerのソフトウェア版です。

Linux（RHEL 9、Ubuntu 22）、macOS（M1、M2、M3）に対応し、ローカルマシンにインストール可能。またGoogle CloudとAmazon Web Servicesの仮想マシンもしくはKubernetes Podにも対応します。

Spanner Omni is now generally available!

The deploy-anywhere version of Spanner is here—ready to power your most demanding production workloads in your private data centers, in a multi-cloud deployment, or even for testing locally on a laptop → https://t.co/IUo0vM86pB pic.twitter.com/3L8AOBlNuf

— Google Cloud (@googlecloud) September 30, 2026

Google Cloudのインフラに匹敵するコンポーネントを実装

Spanner OmniのオリジナルであるGoogle Cloud Spannerは、トランザクション処理による一貫性を維持したままリレーショナルデータベースを大規模にスケールさせることは困難であるというそれまでの常識を打ち破り、グローバルな規模でスケールする分散リレーショナルデータベースとして事実上初めて登場したマネージドデーターベースです。

Google Cloud Spannerの登場後、同様のアーキテクチャを基にCockroachDB、TiDB、YugabyteDBなど、一貫性を保ちつつスケールする分散リレーショナルデータベースが相次いで登場しました。

今回リリースされたSpanner Omniは、Paxosコンセンサス、自動シャーディング、同期レプリケーションといったGoogle Cloud Spannerのコア技術を継承しつつ、Google CloudのスケーラブルなストレージであるColossusや世界中のサーバー間で時刻を正確に同期するTrueTimeなどのGoogle Cloud独自のコンポーネントを、それらに匹敵する性能を発揮できるようなソフトウェアコンポーネントの実装により置き換えています。

そしてSpanner Omniは単一のサーバから数千台規模のクラスタにまで柔軟に拡張可能で、同社のベンチマークでは、単一リージョンのデプロイでペタバイト規模のデータに対して秒間数百万件のクエリ（QPS）処理が実証されたと説明されています。

Spanner OmniをAIワークロードのバックエンドに

Google CloudはこのSpanner OmniをAIワークロードのバックエンドデータベースに適したデータベースだとしています。

具体的には、リレーショナルモデルと並んでベクトル型をサポートしているため、ベクトル埋め込みをそのまま保存しインデックス化可能。ベクトル検索や類似度計算としてのkNNやANNのサポートにより、意味的類似性の検索とSQLによるデータのフィルタリングの組み合わせなども可能になります。

またGoogleが公開している「MCP Toolbox for Databases」によってAIからSpanner Omniへ接続することができるため、大規模分散環境におけるAIの記憶レイヤとして利用できます。

無料のDeveloper Editionと有料のCommercial Edition

Spanner Omniは非商用非本番環境で90日間利用可能な無料の「Developer Edition」と、有料の「Commercial Edition」が提供されます。

Developer Editionでは4台以下のvCPUを搭載した単一のサーバで使用する場合には90日を越えてフル機能が利用可能。Commercial Editionは商用と本番環境での利用を想定し、vCPUベースの年間サブスクリプションとなっています。

Publickey広告

• 新野淳一が解説「ソフトウェアの安全性を高めるメモリ安全」
  AIがプログラミングコードを書く時代にますます高まる重要性
  脆弱性を引き起こさない「メモリ安全なプログラミング言語」とは？