解決できる課題 事業紹介トップ 経営データ分析基盤 AI導入・業務改善 AI 業務アプリ 基幹システムのWeb化・段階移行 複雑な SaaS を専用 UI に Shopify Plus 移行・拡張 生成AI 活用(Multi AI) SEO / AIO / 広告運用 顧問・アドバイザリ インフラ構築 PHP脆弱性対策・更新 WordPressからEmDashへの移行 自社メディア投資・開発
AI導入 AI導入・業務改善 ChatGPTの社内導入 OpenAI Codex導入 AI運用・定着 Claude / MCP 総合 Claude Cowork Claude Code 導入支援 Claude Code 使いこなし支援 Claude Design MCP 開発・サーバー構築
EC構築・移行 Shopify Plus トップ EC-CUBEからShopifyへの移行 大手カートからの移行 Shopify 通常プラン EC サイト構築
実績
業界ニュース 業界ニュース トップ AI ニュース └ Claude └ ChatGPT・Codex └ Gemini └ その他 Shopify ニュース SaaS ニュース お知らせ(自社発信)
会社情報 相談する
2026.10.22

SmartHR、従業員データのテーブルとコードを安全に長期リファクタリングする取り組み

記事のサマリー(TL;DR)

  • SmartHRの人給基幹プロダクトの技術基盤部門が、従業員データを保存する特定の2テーブル(バイテンポラル履歴を持つ親子関係のテーブル)とそれを扱うコードの複雑さを解消するため、2つのテーブルを1つに統合する「consolidation」というリファクタリングに取り組んでいます。
  • 作業は半年以上かかる見込みの長期的なものであり、安全に進めるため、ダブルライトとバックフィルによる新旧データの併存、「Branch by Abstraction」による新旧コードの併存、データ移行用コードの再利用性向上、日次チェックと全件チェックによるデータ整合性の継続的な確認という仕組みを導入しています。
  • 記事執筆時点では新実装への移行作業は途中段階で、約半年ほど作業を進めてきており、今後も安全な切り替えと最終的な旧実装の削除に向けてユニット全体で取り組むとしています。

詳細

筆者とテーマ

本記事は、SmartHRの人給基幹プロダクトの技術基盤部門に所属するプロダクトエンジニアの山本氏(@kymmt90)によるものです。山本氏の所属ユニットでは、SmartHRの従業員データに関する機能を開発しやすくするための改善を進めており、具体的には従業員データの一部を保存するデータベースのテーブルと、そのテーブルを扱うコードの複雑さを減らすリファクタリングに取り組んでいます。この改善には長期の作業が必要になるという特徴があるとしています。

記事で紹介されるポイントは次の3点です。

  • 新旧のデータと実装を維持したまま、インクリメンタルかつ安全に作業を進める
  • データ移行用コードの再利用性を高めることで、移行方法について一貫性を保つ
  • データ整合性チェックのループを短く保ち、未知の問題を早めに把握することで不確実性を下げる

SmartHRの従業員データとは

本記事では、SmartHRの「従業員データ」を、サービスを利用するテナント所属の従業員・職員についてのデータと定義しています。この従業員データはSmartHR内のさまざまな機能が利用しており、サービスの価値を提供するための基盤であるとしています。ユーザーがテナントの従業員データを管理する機能はSmartHRの基本的な機能を提供するRailsアプリケーションに実装されており、従業員データ自体はPostgreSQL相当のデータベースに保存されています。

開発における従業員データの課題

従業員データは、2015年のサービス開始当初から存在するSmartHRの要となるデータです。これまでの技術的な意思決定に伴い、内部のデータ構造は何度か変更されてきた経緯があります。サービス提供開始から10年以上が経った現在、過去の判断に起因して一部の従業員データと関連コードの両方が複雑化しているという課題があるとしています。

一部の従業員データの構造が複雑である

従業員データを構成するテーブル群のうち、特定の2テーブルが複雑な構造になっているという課題があります。この2テーブルは関連付いており、それぞれが「バイテンポラル履歴」になっています。バイテンポラル履歴とは、履歴を有効性・システムへの記録という2次元の時間軸で考えるモデリング方法です。つまり、2次元の時間軸からなる履歴データを持つ2つのテーブルが親子関係で結びついています。こうしたデータを適切に扱うには、過去のある時点での履歴データを参照する際に、2テーブルそれぞれについて適切にバイテンポラルな時点を指定したクエリを書く必要があるなど、複雑な手順が求められるとしています。

複雑なデータを扱うためのコードが複雑である

従業員データの中でこうした特殊な構造を持つのは、この2テーブルのみです。この構造が原因で、アプリケーションで従業員データをまとめて扱う際、該当の2テーブルに対してだけ特別対応が必要になり、コードが複雑化しています。一例として、特定時点で履歴エントリを作成・更新するには、該当時点の履歴を表すレコードを2テーブルそれぞれに挿入する必要があり、さらに2テーブル間の親子関係にあたるレコード同士で履歴の期間の整合性を保つ調整も必要になります。

こうした特別対応によるコードの複雑化は品質にも影響しています。従業員データを表すActive Recordのモデル群はアプリケーション内の各所から依存されており、依存元が多いモジュールの内部品質(可読性や保守性)が低下すると、変更の影響を調べるのが難しくなります。その結果、コードの理解や変更に時間がかかるようになっています。また、特別対応のコードは複雑であるため不具合も紛れ込みやすく、従業員データを利用する機能についての不具合がしばしば報告されるという外部品質の課題も生じているとしています。

課題の解決に向けた手段としてのテーブル統合

従業員データの一部における複雑さの課題は重要度自体は高かったものの、事前に別の改修が必要であるなどの事情で長らく着手されていませんでした。しかし2025年末〜2026年初頭ごろに課題に着手できる環境が整い、該当ユニットがこの課題に取り組み始めたとしています。

2つのテーブルを統合する

問題としている2つのテーブルが複雑な構造をとっているのは過去時点の技術的な判断に基づく歴史的経緯であり、現在の要件では1つのテーブルにまとめても問題ないという認識がメンバー間で共有されていました。PoCを作成して確認したところ、テーブルを1つにまとめることで、外部的な機能の変化なく特別対応のためのコードを最終的には削除できそうであることが確認できました。

これらから、該当の2テーブルを1つにまとめるとデータベースもコードも簡単に扱えるようになることが見込まれたため、2テーブルのうち親にあたるテーブルにデータをまとめることにし、これを「統合(consolidation)」と呼んでいます。統合前後の両方で、プログラム的にはparent.childのようなインタフェースで子のデータを取得できるようにするとしています。こうした統合には、アプリケーションの外部的なふるまいを変えずにデータとコードを改善する必要があり、データベースとコードのリファクタリングの両方が必要であるとしています。

テーブル統合に伴う課題

「2つのテーブルを統合する」方針で進める場合でも、次の2つの課題が挙げられています。

1つ目は、統合先の親にあたるテーブルの規模が大きいことです。運用が10年以上にわたり、レコードをイミュータブルに扱う形でバイテンポラル履歴を実装していることから、執筆時点で1,000万オーダーの件数のレコードが存在しています。

2つ目は、情報を失うことなく統合できているかという観点での検証が必要であることです。これまで生成されてきたデータには、そのままでは統合に差し障るようなパターンのデータが存在しており、情報を失わずに正しく統合するにはそうしたパターンを考慮したデータ移行が必要ですが、事前にすべて把握するのは現実的ではなかったとしています。

テーブルを統合するには複雑化したデータやコードを解きほぐしながらの変更が必要であり、SmartHRの各所から依存されている箇所でもあるため慎重な変更が求められます。試行錯誤の時間を取りつつ安全に作業を進めるとなると、半年以上の作業が見込まれたとしています。

テーブル統合に向けた長期にわたるリファクタリング

テーブル統合に向けた課題を解消するため、作業が長期的になることを前提として、安全にデータベースとコードのリファクタリングを進めるための仕組みが作られました。これは一般に「Long-Term Refactoring」と呼ばれる考えかたに近いものだとしています。この考えかたを取り入れることで、データの段階的な移行やリファクタリング前後両方のコードでのテストが実施できるとしています。記事執筆時点では、まだ新実装への移行に向けての作業途中であるとしています。

安全な切り替えのために変更前後のデータを維持する

リファクタリング後のデータで動くアプリケーションをリリースし終えるまでは、リファクタリング前後両方のデータを保っておくことで、正しく移行できるかの事前チェックや切り戻しが可能になります。これを実現するため、現行のデータ書き込みに合わせて統合後のテーブルにも書き込む「ダブルライト」と、統合後のテーブルへのバックフィル(過去のデータの移行)の両方を実行しています。統合後の新しいデータは現行の実装から参照していないため、仮に新しいデータの書き込みに失敗しても現在のアプリケーションの挙動には影響しません。また、新実装に切り替えたあとも従来のテーブルにデータを書き込むようにしているため、旧実装への切り戻しも可能だとしています。

インクリメンタルな開発のために変更前後のコードを維持する

リファクタリング対象のモジュールには新旧両方の実装が存在しており、そのモジュールを使う箇所からはその事実を隠す必要があるとしています。知識が漏れると、モジュール利用箇所でどちらの実装を使うかの選択を委ねることになり、変更が広範囲に波及してしまうためです。

そこで、リファクタリングするモジュールを抽象化し、その中に変更前後の実装を隠蔽する「Branch by Abstraction(抽象化によるブランチ)」という方法を採用しています。記事では単純化したサンプルコードとして、ConsolidatedDataクラスを導入し、その中でフィーチャーフラグなどを用いて新旧実装を切り替える例と、親モデルから子モデルにアクセスする際にこの抽象を返すReaderMethodsモジュールの例が示されています。この方法により、旧実装で本番を動かしつつ新実装を徐々に追加でき、長期にわたる作業でも安全に進めやすくなるとしています。

データ移行用ロジックの再利用性が向上するようにコードを整理する

今回のテーブル統合では、アプリケーションの実装も踏まえつつデータの移行や整合性の確認をする必要があり、考慮すべきことが多数ある状況だったため、移行のために複雑なロジックが必要になります。また作業自体が長期にわたるため、データ移行用とはいえ書き捨てのコードを無秩序に増やすわけにはいかないとしています。

このため、データ移行用のコード群もアプリケーションと同じディレクトリ構造の中で管理し、適切にモジュールを分けて明快なインタフェースを設け、テストも書かれた状態にするという通常のアプリケーションと同様の開発方針を採用しました。これにより、データ移行用ツールやデータ整合性の監視ジョブなど、さまざまな箇所から同じロジックを一貫性を持って使うことができ、実装箇所によって意図しない判断基準のずれが発生するような事故の防止にも寄与しているとしています。

整合性をチェックし続けることで未知の問題を減らして不確実性を下げる

作業を進める中で、現行の実装が複雑であることに起因して、データ統合に差し障るようなデータが生成されている可能性があることがわかってきました。具体的には、統合したい2つのバイテンポラル履歴テーブルの間のレコードの対応付けが難しいケースがまれにあるというものです。こうした問題がどの程度潜んでいるかは、レコードの作成・更新状況を日々見ながら把握するしかない状況であり、対象テーブルには1,000万オーダーの件数のレコードが存在しているため、相対的に規模が大きいとしています。

これに対し、再利用可能なロジックを活かして、一貫した整合性の確認方法に基づく、チェックの範囲や実行方式が異なる次の2つの仕組みを作成・運用しています。

  • 日次チェック:前日以降に作成・更新されたレコードについて、ダブルライトが正しくできているか、統合が可能な状態になっているかをチェックする。調査対象を絞って毎日実行することで、新たな問題が起きていないかを日々検知し、すぐに把握とデータ・コードの修正ができるようにする。
  • 全件チェック用のCLIツール:対象テーブルの全レコードについて、並行処理によって速度を担保しつつ整合性をチェックする。古いデータも対象に入れて、問題が発生していないかを洗い出すのに使う。

こうした仕組みにより、問題の検知から修正までのループを短く保って繰り返し実行し、把握できていないパターンを減らしやすくすることで、早めに不確実性を下げられるようにしているとしています。

おわりに

本記事では、SmartHRの従業員データとコードの複雑さを解きほぐして開発しやすくするために、どのように長期にわたるリファクタリングを進めているかが紹介されました。現在は、紹介した方法に基づいて半年程度作業を進めてきた段階であり、日々のデータの状況を見ながら問題なく移行を進められるよう準備を進めているとしています。筆者は、引き続き安全な切り替えを実施し、最終的に旧実装を削除できるようユニット全体で取り組んでいきたいと述べています。

なお、バイテンポラル履歴の概念についてはMartin Fowler’s Bliki(日本語版)の「バイテンポラル履歴」を、SmartHRでのバイテンポラル履歴を用いたデータモデリングの実例については「履歴 on Rails: Bitemporal Data Modelで実現する履歴管理」を参照するよう案内されています。また、Long-Term Refactoringについては、kawasima氏による日本語資料「Long-term Refactoring」が各種情報源へのリンク集として参考になるとしています。