最終更新日: 2026年8月20日

Storing Emails in Databases vs. File Systems: PST, MBOX, and Beyond

データベース vs. ファイルシステムでのメール保存: PST、MBOX、その他

メールを取り込み、アーカイブ、または提供するすべてのソフトウェアシステムは、最終的に同じアーキテクチャ上の分岐点に直面します:メッセージは構造化されたデータベース内に保存すべきか、ファイルシステム上に直接保存すべきか?

表面的には、メールは見た目以上にシンプルに見えます—ヘッダーのブロック、プレーンテキストまたはHTML本文、そしておそらくいくつかのMIMEエンコードされた添付ファイルです。しかし、単一ユーザーのデスクトップ受信トレイから何百万もの企業メッセージ、コンプライアンスアーカイブ、またはマルチテナントSaaSパイプラインへと規模を拡大すると、基盤となるストレージエンジンがクエリ遅延から災害復旧まであらゆることを左右します。

従来のファイルベースコンテナであるPSTやMBOXが、モダンなリレーショナルおよびNoSQLデータベースと比較してどのように位置付けられるか、個々のメッセージ形式であるEMLやMaildirがどこに収まるか、そしてなぜほとんどの本番システムがハイブリッドアプローチを採用するに至るのかを分解してみましょう。

1. ファイルシステムストレージ: クラシックメールボックスコンテナ

メールをファイルシステムに保存することは、SMTP自体と同じくらい古いです。データベースデーモンを起動する代わりに、メールサーバーやデスクトップクライアントは歴史的に、シングルファイルコンテナまたはメッセージごとに1ファイルのディレクトリを使用してメッセージを直接ディスクに書き込んできました。

MBOX:結合されたプレーンテキストの作業馬

初期のUnixメールシステムに起源を持つMBOXは、メールフォルダ全体を単一の連続したプレーンテキストファイルに保存します。各メッセージは特別な From デリミタ行で始まり、続いて標準のRFC 5322ヘッダー、メッセージ本文、そしてBase64エンコードされた添付ファイルが続きます。

  • 長所: MBOXはオープンで人間が読めるテキスト形式であるため、Thunderbird、Apple Mail、Google Takeoutのエクスポート、そしてUnixのコマンドラインユーティリティ(grep、awk、sed)で広くサポートされています。新しく受信したメールをファイルの末尾に追加することは、$O(1)$ のシーケンシャル書き込みです。
  • 短所: フラグの更新(例えばメールを"既読"にマークする)や、10 GBのMBOXファイルの途中でメッセージを削除すると、クライアントはファイルの大きな部分を書き直さざるを得ません。さらに、単一のディスクセクタの破損や同時書き込みロックの失敗により、デリミタ境界が壊れ、メールボックス全体が乱れる可能性があります。

PST:Microsoft の独自 B ツリーコンテナ

Microsoft の Personal Storage Table (PST) はまったく異なるアプローチを取ります。フラットテキストではなく、PST ファイルは本質的に B 木と割り当てテーブルを中心に構成された、自己完結型のバイナリデータベースファイルです。

  • 強み: 単一の .pst ファイルは、メール、フォルダー階層、カレンダーイベント、連絡先、タスク、そして Outlook 固有のメタデータをすべてカプセル化します。外部データベースサーバーを必要とせず、組み込みの圧縮、暗号化、構造化インデックスをサポートします。
  • 弱点: PST はクローズドで独自のフォーマットであり、Windows と Microsoft Outlook に密接に結びついています。ファイルサイズは、最新の Outlook 設定ではデフォルトで約 50 GB が上限となっており、ネットワーク共有上に PST ファイルを保存するとインデックス破損を引き起こすことで悪名高いです。

Maildir と EML:メッセージごとに1つのファイル

モノリシックな MBOX および PST ファイルのロックや破損という悪夢を排除するために、Maildir(Qmail と Dovecot によって普及)のようなアーキテクチャは、個々のメールを別々のファイルとして保存します—通常は標準の .eml(RFC 5322) ファイルとして構成され、tmp/、new/、cur/ ディレクトリに整理されます。

  • 強み: アトミックなファイル移動によりロック競合が解消されます。ディスクセクタが故障すると、10年分のやり取りを失う代わりに1通のメールだけが失われます。標準的なOSバックアップ、rsync、および増分スナップショットが簡単になります。
  • 弱点: 何百万もの小さなファイルを保存すると、ファイルシステムの inode が枯渇し、ディレクトリ一覧のパフォーマンスが低下します。日付やハッシュでディレクトリを分割しない限り(例: /2026/11/14/a3/msg-id.eml)。別個のインデックスファイルがない場合、生の .eml ファイルに対する全文検索は非常に遅くなります。

2. データベースストレージ:リレーショナルおよび NoSQL エンジン

アプリケーションがインスタント検索、マルチユーザー同時実行、ロールベースのアクセス制御、または複雑な分析(CRMプラットフォーム、ヘルプデスク、eDiscoveryツールなど)を必要とする場合、エンジニアはしばしば PostgreSQL、MySQL、Elasticsearch、または MongoDB のようなデータベースを利用します。

データベースがメールをモデル化する方法

リレーショナルデータベースでは、メールは不透明な BLOB として保存されるのではなく、クエリ可能なエンティティに正規化されます:

CREATE TABLE emails (
    id UUID PRIMARY KEY,
    thread_id UUID NOT NULL,
    message_id VARCHAR(255) UNIQUE NOT NULL,
    sender VARCHAR(320) NOT NULL,
    subject TEXT,
    received_at TIMESTAMPTZ NOT NULL,
    is_read BOOLEAN DEFAULT FALSE,
    headers JSONB,
    body_text TEXT,
    body_html TEXT
);

CREATE INDEX idx_emails_thread_received ON emails (thread_id, received_at DESC);
CREATE INDEX idx_emails_fts ON emails USING GIN (to_tsvector('english', coalesce(subject, '') || ' ' || coalesce(body_text, '')));

データベースストレージの強み

  1. サブミリ秒フィルタリングとスレッド処理: 「過去30日間の特定ドメインからの未読メールすべて」を取得する際、ギガバイト単位のディスクテキストを走査する代わりに、BツリーとGINインデックスを使用します。
  2. ACIDトランザクションと同時実行性: 複数のバックグラウンドワーカー、IMAP同期プロセス、Webクライアントは、ファイルロックの衝突なしに、既読状態、ラベル、フォルダー割り当てを同時に安全に更新できます。
  3. 構造化メタデータと重複排除: 添付ファイルのSHA-256ハッシュを保存することで、500人の内部受信者に送信された同一PDFを重複排除できます—これは単一のPSTやMBOXファイルが500回重複するのとは対照的です。

データベースストレージの弱点

  1. ストレージ肥大化とコスト: 複数メガバイトのBase64添付ファイルや生のHTML本文を主要なデータベーステーブルに保存すると、データベースサイズが膨張し、レプリケーションが遅くなり、書き込み先行ログ(WAL)が肥大化し、SSD/クラウドのIOPSコストが上昇します。
  2. バックアップとリストアのボトルネック: スナップショットから2TBのリレーショナルデータベースを復元するには、オブジェクトストレージから個々のファイルを復元するよりもはるかに時間がかかります。
  3. 生ワイヤーフィデリティの喪失: 受信メールをデータベース列にパースして元のMIMEストリームを破棄すると、DKIM暗号署名が破損したり、フォレンジック監査に必要な obscure なカスタムヘッダーを失う可能性があります。

3. 並列比較:ファイルシステム vs. データベース

アーキテクチャ要因MBOX (フラットファイル)PST (バイナリコンテナ)Maildir / EML(ファイル単位)SQL / NoSQL データベース
ストレージ構造単一の連結テキストファイル独自のバイナリ B ツリーファイルメールごとに1つの RFC 5322 ファイル正規化テーブル / JSON ドキュメント
クエリと検索速度遅い(線形スキャンまたは外部インデックスが必要)Outlook 内では高速、外部では遅いサイドカーインデックスなしでは遅い非常に高速(Bツリー、GIN、全文検索)
同時実行性低い(ファイルレベルのロックが必要)シングルユーザー デスクトップロックのみ高い(アトミックなファイル操作)高 (行レベル ACID ロック)
破損範囲高 (フォルダー/メールボックス全体がリスク)高 (単一ファイルがメールボックス全体を保持)低 (単一メッセージに限定)中 (WAL とレプリカにより緩和)
移植性高 (Unix/Mac/Linux 全体でのオープン標準)低 (Microsoft エコシステムにロックされている)最高 (汎用 .eml 標準)低 (アプリケーションスキーマに結合)
添付ファイルの重複排除なし限定的な内部圧縮なし (ハードリンクの場合を除く)コンテンツアドレス可能ハッシュを使用したネイティブ

4. 二元的選択を超えて:モダンハイブリッドアーキテクチャ

最新のクラウドエンジニアリングにおいて、データベース または ファイルシステムのどちらかを厳密に選択することは誤った二分法です。大規模なメールプラットフォーム、コンプライアンスアーカイブ、SaaS ツールはほぼすべて ハイブリッドオブジェクトメタデータアーキテクチャ を採用しています:

  1. オブジェクトストレージ (S3 / GCS / MinIO) における生メッセージと添付ファイル: メールが届くと、正確で変更されていない .eml MIME ペイロードと抽出されたバイナリ添付ファイルは、コンテンツアドレスまたは日付パーティションキー(例: s3://mail-archive/2026/11/14/<sha256>.eml)を使用してオブジェクトストレージに不変に書き込まれます。これにより元の DKIM 署名が保持され、ストレージコストはギガバイトあたり数セントに抑えられ、バイナリの大量データがトランザクションデータベースから分離されます。
  2. リレーショナルデータベースにおけるヘッダー、状態、リレーションシップ: PostgreSQL または MySQL は、送信者、受信者、件名、タイムスタンプ、スレッド ID、フォルダー ポインタ、既読/未読フラグ、および S3 オブジェクトキーといった軽量メタデータを保存します。
  3. 専用検索エンジンによる全文検索: 数十億件のメッセージに対する即時キーワード検索のため、抽出されたプレーンテキストは非同期で Elasticsearch、OpenSearch、または Typesense にストリーミングされます。
  4. PST と MBOX 用のエクスポートパイプライン: PST や MBOX をライブの本番ストレージとして使用するのではなく、最新のシステムはユーザーが Google Takeout スタイルのエクスポートや法的 eDiscovery バンドルを要求した際に、.pst、.mbox、または .zip アーカイブとして .eml ファイルを オンデマンド で生成します。

どのアプローチを選ぶべきですか?

  • MBOX または EML をファイルシステム上で使用 すると、ローカルデスクトップクライアント、軽量 CLI ツール、ポータブルバックアップ、またはゼロ依存性のポータビリティが最も重要なフォレンジックデータ転送パイプラインを構築する際に適しています。
  • PST を使用 は、Microsoft Outlook デスクトップ環境との相互運用性やレガシーな Exchange エクスポートが厳格な要件である場合にのみ行います。
  • データベース + オブジェクトストレージ ハイブリッドを使用 すると、迅速な検索、同時アクセス、水平スケーラビリティが必要なマルチユーザー Web アプリケーション、カスタマーサポートプラットフォーム、またはエンタープライズアーカイブに最適です。

よくある質問 (FAQs)

1. メールをデータベースに保存する方が良いですか、それともディスク上のファイルとして保存する方が良いですか? 高い同時実行性が求められ、迅速な検索とフィルタリングが必要なアプリケーションでは、ハイブリッドアプローチ—検索可能なメタデータをデータベースに、raw .eml ファイルや添付ファイルをオブジェクトストレージに保存する—が最適です。

2. PST と MBOX ファイル形式の主な違いは何ですか? PST は Microsoft Outlook の独自バイナリコンテナで、メール、カレンダー、連絡先を一緒に保存します。一方、MBOX はオープンなプレーンテキスト形式で、メールメッセージを単一ファイルに連結します。

3. 大きな MBOX と PST ファイルが破損しやすくなる理由は何ですか? 両方の形式は何千ものメッセージを単一のモノリシックファイルに詰め込むため、書き込みの中断、ディスクセクタエラー、またはネットワーク共有の不具合が内部ポインタやメッセージ区切りをアーカイブ全体で壊す可能性があります。

4. なぜメール添付ファイルを SQL データベースに直接保存することが推奨されないのでしょうか? 大きなバイナリまたは Base64 の添付ファイルはデータベーステーブルを肥大化させ、バックアップやレプリケーションを遅くし、オブジェクトストレージやファイルシステムに比べて高速ストレージコストを劇的に増加させます。

5. 開発者はいつ MBOX の代わりに EML または Maildir を使用すべきですか? 開発者は、原子的なファイル操作、安全な同時アクセス、ロックや全体のメールボックスファイルの書き換えなしでの個別メッセージ復旧が必要な場合に EML または Maildir を選択すべきです。

関連項目