DuckDB 分析型数据库（Analytics Database）：把数据仓库装进笔记本

先看一条今天的新闻：2026 年 8 月 26 日，AWS 官宣 DuckDB 背后的公司 DuckLabs 加入 AWS，9 月初生效。这个每天被下载超过 100 万次的开源数据库，靠 5 年 bootstrap 做到 30 多人规模，没拿一轮风投。它到底是什么？一句话：DuckDB 是一个进程内（in-process）的分析型数据库——如果说 SQLite 是「嵌入应用程序的 PostgreSQL」，那 DuckDB 就是「嵌入应用程序的数据仓库」。

OLTP 与 OLAP 是两回事

数据库世界有一条分界线。一侧是联机事务处理（OLTP）：下单、扣库存、转账，特点是每次读写一两行，要求低延迟和高并发，PostgreSQL、MySQL 都在这侧。另一侧是联机分析处理（OLAP）：算全年的销售报表、给一亿行日志做聚合，特点是每次扫大量行、只碰少数几列。行存数据库做分析查询会把整张表从磁盘搬进内存，哪怕你只要 3 列——数据量一大就崩。DuckDB 从第一行代码起就站在 OLAP 这侧。

图1：分析查询「SELECT 3 列做聚合」在两种存储布局下的 IO 差异

三件套：列存、向量化、进程内

列存解决「读多少」，向量化执行（vectorized execution）解决「怎么算」。DuckDB 不逐行解释执行，而是把一列数据切成几千行一批的向量，一个算子一次处理一批——函数调用、分支判断的开销被摊薄，循环紧凑到 CPU 分支预测和缓存都舒服。第三件是进程内嵌入式：没有独立的服务进程，数据库就是一个库文件，`pip install duckdb` 之后直接在 Python 里 `duckdb.sql("...")`，没有网络往返、没有连接池、没有配置文件，数据库文件就是一个 `.duckdb` 单文件，拷走就能用。

图2：从文件到结果的完整链路，跑在分析与应用同一个进程里

对数据分析师来说，最直接的体感是：不用先把 CSV 导进数据库。DuckDB 可以对磁盘上的 CSV、Parquet、JSON 文件直接发 SQL，装上 httpfs 扩展还能查询 S3 桶里的远端文件；在 Python 里，一个 pandas DataFrame 也能当表查。SQL 该有的都有——窗口函数、CTE、各种 JOIN、完整的事务（ACID）。团队后来又推出了 DuckLake：一种 lakehouse 表格式，用 SQL 管理躺在 Parquet 数据湖里的表。今天的新闻里，DuckDB、DuckLake、Quack 都继续以 MIT 许可开源，由 DuckDB Foundation 托管——云巨头买走了团队，但没买走社区。

本节你将能

• 说清 OLTP 与 OLAP 的分界，以及行存/列存各自的适用面；
• 解释列存为何让分析查询少读一个数量级的数据；
• 用 DuckDB 直接对 CSV/Parquet 发 SQL，并理解向量化执行为什么快；
• 判断自己的场景该选嵌入式 DuckDB 还是 client/server 数据仓库。

---