- 当前位置：首页 >域名 >“小而美” 的分析库-DuckDB 初探
“小而美” 的分析库-DuckDB 初探
发布时间：2025-11-05 05:21:27 来源：创站工坊 作者：域名
DuckDB 是小而美近期非常火的一款 AP 数据库，其独特的析库定位很有趣。甚至有数据库产品考虑将其纳入进来，初探作为分析能力的小而美扩展。本文就针对这一数据库做个小评测。析库
1. DuckDB 数据库概述
1).DuckDB 产生背景DuckDB 是初探一个 In-Process 的 OLAP 数据库，可以理解为 AP 版本的小而美 SQLite，但其底层是析库列式存储。2019 年 SIGMOD 有一篇 Demo 论文介绍 DuckDB：an embedded analytical database。初探随着单机内存的小而美变大，大部分 OLTP 数据库都能在内存中放得下，析库而很多 OLAP 也有在单机就能搞定的初探趋势。单台服务器的小而美内存很容易达到 TB，加上 SSD，析库搞个几十甚至上百 TB 很容易。初探DuckDB 就是为了填补这个空白而生的。
2).DuckDB 开源情况DuckDB 采用 MIT 协议开源，是荷兰 CWI 数据库组的一个项目，学术气息比较浓厚，b2b信息网项目的组织很有教科书的感觉，架构很清晰，所以非常适合阅读学习。我从 OSS Insight 拉个一个 Star 数对比，可以看到 DuckDB 发展非常迅速。
图片
DuckDB是一个免费的、开源的、嵌入式数据库管理系统，专为数据分析和在线分析处理而设计。这意味着以下几点：
它是免费的开源软件，因此任何人都可以使用和修改代码。它是嵌入式的，这意味着DBMS（数据库管理系统）与使用它的应用程序在同一进程中运行。这使得它快速且易于使用。它针对数据分析和OLAP（在线分析处理）进行了优化，而不仅仅是像典型数据库那样只针对事务数据。这意味着数据按列而不是行组织以优化聚合和分析。它支持标准SQL，因此可以在数据上运行查询、聚合、连接和其他SQL函数。企商汇它在进程中运行，即在应用程序本身内运行，而不是作为单独的进程运行。这消除了进程间通信的开销。与SQLite一样，它是一个简单的、基于文件的数据库，因此不需要单独安装服务器。只需将库包含在应用程序中即可。4).DuckDB 优点DuckDB 易于安装、部署和使用。没有需要配置的服务器，可在应用程序内部嵌入运行，这使得它易于集成到不同编程语言环境中。DuckDB 尽管它很简单，但DuckDB具有丰富的功能集。它支持完整的SQL标准、事务、二级索引，并且与流行的数据分析编程语言如 Python 和 R 集成良好。DuckDB 是免费的，b2b供应网任何人都可以使用和修改它，这降低了开发人员和数据分析师采用它的门槛。DuckDB 兼容性很好，几乎无依赖性，甚至可在浏览器中运行。DuckDB 具有灵活的扩展机制，这对于直接从 CSV、JSON、Parquet、MySQL 或直接从 S3 读取数据特别重要，能够大大提高开发人员的体验。DuckDB 可提供数据超出内存限制但小于磁盘容量规模下的工作负载，这样分析工作可通过 "便宜"的硬件来完成。2. DuckDB 数据库架构
图片
DuckDB 数据库可分为多个组件：Parser、Logical Planner、Optimizer、Physical Planner、Execution Engine、Transaction and Storage Managers。
1).ParserDuckDB SQL Parser 源自 Postgres SQL Parser。
2).Logical Planner包含了两个过程 binder、plan generator。前者是解析所有引用的 schema 中的对象（如 table 或 view）的表达式，将其与列名和类型匹配。后者将 binder 生成的 AST 转换为由基本 logical query 查询运算符组成的树，就得到了一颗 type-resolved logical query plan。
3).Optimizer优化器部分，会采用多种优化手段对 logical query plan 进行优化，最终生成 physical plan。例如，其内置一组 rewrite rules 来简化 expression tree，例如执行公共子表达式消除和常量折叠。针对表关联，会使用动态规划进行 join order 的优化，针对复杂的 join graph 会 fallback 到贪心算法会消除所有的 subquery。
4).Execution EngineDuckDB 最开始采用了基于 Pull-based 的 Vector Volcano 的执行引擎，后来切换到了 Push-based 的 pipelines 执行方法。DuckDB 采用了向量化计算来来加速计算，具有内部实现的多种类型的 vector 以及向量化的 operator。另外出于可移植性原因，没有采用 JIT，因为 JIT引擎依赖于大型编译器库（例如LLVM），具有额外的传递依赖。
5).TransactionsDuckDB 通过 MVCC 提供了 ACID 的特性，实现了HyPer专门针对混合OLAP / OLTP系统定制的可串行化MVCC 变种 。该变种立即 in-place 更新数据，并将先前状态存储在单独的 undo buffer 中，以供并发事务和 abort 使用。
6).Persistent StorageDuckDB 使用面向读取优化的 DataBlocks 存储布局（单个文件）。逻辑表被水平分区为 chunks of columns，并使用轻量级压缩方法压缩成 physical block 。每个块都带有每列的min/max 索引，以便快速确定它们是否与查询相关。此外，每个块还带有每列的轻量级索引，可以进一步限制扫描的值数量。
3. DuckDB 初体验
1).部署安装DuckDB 提供了非常简单的安装方法，从官网 duckdb.org 直接下载安装解压即可使用。此外，DuckDB 还可以内置在多种开发语言中使用，下文会以 Python 举例说明。
图片
DuckDB 启动非常简单，直接将安装包解压后执行即可。
复制[root@hfserver1 soft]# ./duckdb v0.10.1 4a89d97db8 Enter ".help" for usage hints. Connected to a transient in-memory database. Use ".open FILENAME" to reopen on a persistent database.1.2.3.4.5.上文提示连接到内存库。默认情况下，DuckDB 是运行在内存数据库中，这意味着创建的任何表都存储在内存中，而不是持久化到磁盘上。可以通过启动命令行参数的方式，将 DuckDB 连接到磁盘上的持久化数据库文件。任何写入该数据库连接的数据都将保存到磁盘文件中，并在重新连接到同一文件时重新加载。
复制[root@hfserver1 soft]# ls -al *db -rwxr-xr-x 1 root root 44784232 Mar 18 20:47 duckdb -rw-r--r-- 1 root root 18886656 Apr 9 16:06 testdb [root@hfserver1 soft]# ./duckdb testdb v0.10.1 4a89d97db8 Enter ".help" for usage hints. D PRAGMA database_list; ┌───────┬─────────┬─────────┐ │ seq │ name │ file │ │ int64 │ varchar │ varchar │ ├───────┼─────────┼─────────┤ │ 1080 │ testdb │ testdb │ └───────┴─────────┴─────────┘1.2.3.4.5.6.7.8.9.10.11.12.13.上面示例启动到一个文件中，并通过 PRAGMA 命令查看下当前运行库。
3).简单 CRUD 复制[root@hfserver1 soft]# ./duckdb v0.10.1 4a89d97db8 Enter ".help" for usage hints. Connected to a transient in-memory database. Use ".open FILENAME" to reopen on a persistent database. -- 创建一张表 D create table t1( a int,b int); -- 查看表 D .tables t1 -- 插入数据 D insert into t1 values(1,1); -- 修改输出格式 D .mode table -- 查看数据 D select * from t1; +---+---+ | a | b | +---+---+ | 1 | 1 | +---+---+ -- 更新数据 D update t1 set b=2 where a=1; -- 查看数据 D select * from t1; +---+---+ | a | b | +---+---+ | 1 | 2 | +---+---+ -- 查看表结构 D describe t1; +-------------+-------------+------+-----+---------+-------+ | column_name | column_type | null | key | default | extra | +-------------+-------------+------+-----+---------+-------+ | a | INTEGER | YES | | | | | b | INTEGER | YES | | | | +-------------+-------------+------+-----+---------+-------+1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.39.40.41.42.43.44.45. 4).数据加载DuckDB 除了支持通常的insert插入数据外，也支持从CSV、JSON、Parquet、MySQL 等数据源中直接查询或导入数据。
复制-- 读取外部数据 D select * from read_csv(tmp.csv); +----+-------+ | id | name | +----+-------+ | 1 | user1 | | 2 | user2 | | 3 | user3 | +----+-------+ -- 加载数据到本地 D create table csv_table as select * from read_csv(tmp.csv); D select count(*) from csv_table; +--------------+ | count_star() | +--------------+ | 3 | +--------------+ -- COPY 复制数据 D COPY csv_table FROM tmp.csv; D select count(*) from csv_table; +--------------+ | count_star() | +--------------+ | 6 | +--------------+1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27. 5).应用集成DuckDB 有个很强大的功能，就是可以方便的集成进应用，其支持常见的C、Java、Python、Go等。下文通过 Python 做个示例。
复制[root@hfserver1 soft]# pip install duckdb [root@hfserver1 soft]# cat test.py import duckdb con = duckdb.connect("file.db") con.sql("CREATE TABLE test (i INTEGER)") con.sql("INSERT INTO test VALUES (42)") con.table("test").show() con.close() [root@hfserver1 soft]# python test.py ┌───────┐ │ i │ │ int32 │ ├───────┤ │ 42 │ └───────┘1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18. 6).插件扩展DuckDB 通过插件进行能力的扩展，其支持很多不同的插件，能够通过 INSTALL 和 LOAD来进行开关，可以使用 shared library 的方式进行加载。很多核心特性都是通过插件来实现的，例如：time zone, json, sqlite_scanner 等。下图是 DuckDB 内置的一些插件。
图片
下文通过插件访问 MySQL 库做个示例。
复制[root@hfserver1 soft]# ./duckdb v0.10.1 4a89d97db8 Enter ".help" for usage hints. Connected to a transient in-memory database. Use ".open FILENAME" to reopen on a persistent database. D install mysql; 100% ▕████████████████████████████████████████████████████████████▏ D -- 加载本地的 MySQL 数据库 D ATTACH host=localhost user=root port=3307 database=test AS mysqldb (TYPE MYSQL); D use mysqldb; D show tables; ┌────────────────────┐ │ name │ │ varchar │ ├────────────────────┤ │ AA │ │ COMMITTEE │ ...1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20. 7).性能对比DuckDB 定位是一款分析型数据库，下文针对 DuckDB 与 MySQL 做个简单的查询性能对比。测试环境在MySQL中构建一张大表（百万级）执行聚合查询，然后通过插件功能导入到 DuckDB 中跑下同样的示例。从跑出的数据来看，有十余倍的提升。
复制-- MySQL 环境 mysql> select count(*) from big_emp; +----------+ | count(*) | +----------+ | 1000000 | +----------+ mysql> show create table big_emp\G;- Copyright © 2025 Powered by “小而美” 的分析库-DuckDB 初探,创站工坊 滇ICP备2023006006号-44sitemap