学校や教育系サービスで、入学書類や署名済みの同意書をアプリにアップロードさせる仕組みを持っているなら、保持期限と削除の設計は避けて通れません。この記事は、ファイルアップロードの保存先として object storage(ファイルをバイト列のまま保存する専用ストレージ)を選ぶ際に、自前運用とマネージドサービスのどちらを選ぶべきかを整理するものです。判断材料の参考になれば幸いです。
対象になるのは、署名済みPDFや画像など大きめのファイルを、法令や学内規定で定められた期間だけ保持し、期限が来たら確実に削除する必要があるシステムです。たとえば入学手続きの署名書類を1万件、1件あたり25MBで扱うケースを考えてみます。単純計算で25万MB、つまり250GB程度のバイト量が、削除期限までずっと保持され続けることになります。これはレプリカ(複製)や、アップロード途中の一時データ、ダウンロードのトラフィックを含まない数字です。この規模感を持っておくと、ストレージ選定の議論が「どのAPIが書きやすいか」ではなく「このバイト量をどう安全に保持し、どう確実に消すか」という問題だと見えてきます。
判断軸を整理する
ストレージ選定でよく語られるのは料金表の比較ですが、設計判断としてはそれだけでは不十分です。ここでは4つの軸で整理します。
保持期限の強制力。削除期限をどこが管理するかという軸です。object storageの多くは「ライフサイクルルール」と呼ばれる仕組みを持っていて、一定日数が経過したオブジェクトを自動的に削除できます。これをアプリ側のバッチ処理に頼るか、ストレージ側の機能に任せるかで、運用の信頼性が変わります。バッチ処理が止まっていても気づかない、という障害は実際に起こり得ます。
大容量転送時のスループット。これは単なるネットワーク帯域の話ではありません。クライアント側の同時接続数、マルチパートアップロード(大きなファイルを分割して並行転送する方式)の閾値、ディスク構成、TLS終端の処理負荷、チェックサム計算に使えるCPUなど、複数の要素が絡み合います。2GBの署名済みアーカイブを例にすると、1本の巨大リクエストで送るのは実装が単純な反面、途中で失敗すると最初からやり直しになります。マルチパートにすれば再送可能な単位に分割できますが、今度は送信途中で放棄された断片(オーファンパート)の掃除という新しい運用課題が生まれます。
運用責任の所在。自前運用(セルフホスト)の object storage は、ディスク配置やアップグレード、ネットワーク経路までチームが完全にコントロールできます。一方で、容量計画・障害復旧・監視・ハードウェア交換もすべて自分たちの責任になります。マネージドサービス(たとえばAmazon S3互換のAPIを提供するDigitalOcean Spacesのようなサービス)は、この運用負荷を事業者側に移せる代わりに、配置やSLA(サービス品質保証)の制御権を手放すことになります。
データと責務の境界設計。これは選定軸というより、どちらを選んでも必須になる設計原則です。アプリケーション側が持つべきなのは、利用者の識別情報、認可状態、書類の状態、チェックサム、保持期限、そして改ざんされないイベント履歴です。object storage側が持つべきは、バイト列そのものとその転送だけです。この境界を曖昧にすると、500MBのアップロードがリレーショナルデータベースに紛れ込んだり、逆に削除期限のようなポリシー判断がストレージ側のタグ情報に埋もれて追跡しにくくなったりします。
選択肢の比較
自前運用とマネージドサービスを、4つの観点で並べると次のようになります。
| 観点 | 自前運用(セルフホスト) | マネージドサービス |
|---|---|---|
| 保持期限の実装 | 自前のライフサイクル機能次第。なければ自作バッチが必要 | 標準機能として提供されることが多い |
| スループットの調整余地 | ディスク・ネットワークまで自由に調整可能 | 事業者の設計に依存。チューニング範囲は限定的 |
| 運用負荷 | 容量計画・監視・障害対応を自チームで担う | 事業者がインフラ層を担い、チームはポリシー設計に集中できる |
| 初期立ち上げの速さ | 構築・検証に時間がかかる | S3互換APIなどで既存コードを流用しやすい |
表だけ見ると「マネージドが楽」という結論に流れがちですが、実際の判断は次の条件次第で変わります。
ケース別の推奨
次のような条件なら、マネージドサービスを選ぶのが妥当です。
- インフラ専任のエンジニアがチームにいない、もしくは兼任で手が回らない
- S3互換APIを使った実装経験があり、既存のSDKやライブラリを流用したい
- ピーク時のアップロード量を正確に予測できておらず、スケールの柔軟性を優先したい
一方で、次のような条件なら自前運用を検討する価値があります。
- 学内規定や法令で、データの物理的な保管場所(国内リージョンなど)が厳格に指定されている
- 既にオンプレミスのストレージ基盤があり、ネットワーク経路を最短に保つ必要がある
- アップロード頻度とサイズの予測が立っており、容量計画を自チームで精緻に行える
判断に迷う場合は、まず負荷試験から始めるのが実務的です。ラップトップ上のベンチマークは、実際の学校のネットワーク環境を何も表していません。本番に近いネットワーク経路とクライアント台数を模した負荷試験を行い、マルチパートの並列数や閾値を決めるところから着手してください。
あえて見送るべき条件
次のような状況では、どちらの選択も一旦保留すべきです。
- 保持期限と削除の仕様が、法務・学内規定の担当者とまだ合意できていない
- アップロード状態の管理方法(pending・verified・availableのような状態遷移)を設計していない
- 削除後に監査要求が来た場合の対応方針(何を記録として残すか)が未決定
特に最後の点は見落とされがちです。削除期限を守るということは、期限後に調査が入っても元のバイトはもう存在しない、という前提を受け入れることです。この割り切りを運用スクリプトの中に隠すのではなく、設計文書として明示しておく必要があります。
アップロードの状態管理は、具体的には次のような流れで設計します。まずpendingレコードを作成し、一時キーにアップロードします。サイズとチェックサムを検証したうえで最終キーに昇格またはコピーし、そこで初めてレコードをavailableとしてマークします。転送に失敗した場合はpendingのまま残り、別途の期限切れ処理で消去します。クライアントが最終的なオブジェクトキーを自由に決め、パスの存在だけで完了を推測するような実装は避けるべきです。
from dataclasses import dataclass
from datetime import datetime, timezone
from hashlib import sha256
from uuid import uuid4
@dataclass
class UploadPlan:
document_id: str
object_key: str
expires_at: datetime
def plan_upload(document_id: str, expires_at: datetime) -> UploadPlan:
if expires_at <= datetime.now(timezone.utc):
raise ValueError("retention deadline must be in the future")
return UploadPlan(
document_id=document_id,
object_key=f"pending/{document_id}/{uuid4().hex}",
expires_at=expires_at,
)このコード自体は何もアップロードしません。重要なのは、object_keyに学習者名や署名状態などの個人情報を含めない設計と、保持期限をアプリ側のレコードとして管理する境界です。ここさえ安定していれば、将来ストレージ基盤を自前からマネージドに切り替えても、保持期限の記録ロジックは変更不要です。
まとめ
object storageの選定は、料金やAPIの書きやすさではなく、保持期限の強制力・スループット設計・運用責任の所在という3つの軸で判断するのが現実的です。
次に取るべき一歩として、まずは保持対象ファイルの件数と平均サイズから総保持バイト量を試算し、ライフサイクルルールの有無を候補サービスのドキュメントで確認してください。
そのうえで、本番相当のネットワーク経路を使った負荷試験でマルチパートの並列数を決め、pending・verified・availableの状態遷移を先にデータベース設計として固めておくと、ストレージ側の選択を後から変更しても影響範囲を小さく保てます。