はじめに

分散データベースにおいて（キーを用いた）レンジスキャンを効果的に行うためには、論理的に関連性のあるキーを設計するのみではなく、あらかじめそのレンジに含まれるデータが、同じ、あるいは近い場所（ノード、リージョン、パーティション）に存在する様に、（物理）設計を行う必要があります。

例えば、MongoDBでは、シャーディングの方法として、ハッシュとレンジを要件に応じ、選択することになります（この選択が物理配置に影響します）。

HBaseでは、データはRowKeyで（物理的に）ソートされます。

Couchbaseにおける検索

Couchbaseは、N1QLというSQLをJSONのために拡張したクエリ言語で、検索を行うことができます。
その際、重要なことは、Couchbaseの中心的なアーキテクチャーはKVS(キーバリューストア)であり、そのレベルでは、バリューとしてJSONデータを格納しているのに過ぎないため、検索を行うための前提として、インデックスの定義・構築が行われている必要があります。

そもそも、スキーマレスなデータストアに対して、どうやって検索が可能なのか？全件サーチするのでなければ、という視点からは、これはむしろ納得できるものとして受け止められるかと思います。

ただし、ここで留意が必要なのは、KVSのキーを使った検索（つまりキーを特定したアクセスではなく、ある範囲のキーを指定してデータを一度に取得するという要件）であっても、事前にインデックスの作成が欠かせない、というところです。
このことをよりよく理解するために、以下の二つの背景を押させておくことが重要です。

Couchbaseにおいては、クエリおよびインデックスサービスは、（KVSである）データサービスとは、アーキテクチャー上完全に独立している（利用する要件がない場合は、クラスターとして無効にすることで、そのために潜在的にリソースが消費されることはない）。
データサービスのキーのシャーディング方法は、ハッシュが用いられており、ユーザによって、アクセスパターンに応じて、変更する余地を残していない。（Couchbaseは、メモリファーストアーキテクチャーと、クラスターマップを用いたクライアントからのノードへの直接のアクセスによって、固まった場所にあるデータをチャンクで取り出すことによって実現される効率に勝る、高いパフォーマンスを実現している）

Couchbaseにおけるレンジスキャン実現方法

インデックスの作成

CREATE INDEX range_index on MyFirstBucket(META().id) using GSI;

ここで、META().idが、KVSのキー（ドキュメントID）に対応します。

MyFirstBucketは、インデックスを作りたいバケット（いわゆるデータベースに相当）です。

BucketName(FieldName)の形になっており、JSONの属性を指定する場合は、バケット名の後のカッコ内に直接指定しますが、ドキュメントID指定のためにMETA().idという特殊なキーワードを用いています。

利用例

下記の様な、キーにレンジを指定した検索が可能になります。

SELECT * from MyFirstBucket where Meta().id BETWEEN 'ABC:001' AND 'ABC:999';

また、下記の様な、キーの一部を指定した曖昧検索も可能になります。

SELECT * from MyFirstBucket where Meta().id LIKE 'ABC:%';

最後に

タイトルに包含されるテーマの広さに比して、言葉足らずの感は否めませんが、後半の具体的な方法についての紹介のみでも、それなりの意義を持つと期待して、本記事は以上とします。

参考情報