小编点评

DuckDB是一个开源的面向列的关系数据库管理系统（RDBMS），专为数据科学家、分析师和数据工程师设计。它具有高性能的数据分析和处理能力，支持SQL查询语言，并提供一系列高级功能，如窗口函数、时间序列分析、地理空间数据处理等。DuckDB采用列式存储格式，支持多种数据类型，具有向量化执行引擎，能够高效地处理大量数据。此外，DuckDB还支持并行计算和分布式计算，可扩展性强，且提供丰富的API和插件系统。它是一个免费的开源项目，可在多种操作系统和CPU架构上部署。

正文

大家好，今天给大家分享的是一个开源的面向列的关系数据库管理系统(RDBMS)。

DuckDB是一个嵌入式的分析型数据库，它提供了高性能的数据分析和数据处理能力。DuckDB的设计目标是为数据科学家、分析师和数据工程师提供一个快速、灵活且易于使用的数据分析工具。它支持SQL查询语言，并提供了一系列高级功能，如窗口函数、时间序列分析、地理空间数据处理等。

功能简介

DuckDB是一个高性能的嵌入式分析型数据库，主要用于数据分析和数据处理任务。以下是DuckDB的一些主要功能：

1.SQL查询：DuckDB支持标准的SQL查询语言，允许用户通过SELECT语句查询数据、使用JOIN操作连接表、使用WHERE子句过滤数据等。
2.数据类型支持：DuckDB支持多种数据类型，包括整数、浮点数、字符串、日期、时间、时间戳等。这使得用户可以处理各种类型的数据。
3.列式存储：DuckDB采用列式存储格式，能够高效地存储和检索大量数据。列式存储使得DuckDB在处理数据分析任务时具有更高的性能。
4.向量化执行引擎：DuckDB使用向量化执行引擎，可以高效地处理向量数据。这有助于提高查询性能，尤其是在处理大量数据时。
5.窗口函数：DuckDB支持窗口函数，允许用户在查询结果中对数据进行聚合，同时保留原始数据的行结构。窗口函数在数据分析中非常有用，例如计算累计和、移动平均等。
6.时间序列分析：DuckDB提供了时间序列分析功能，支持对时间序列数据进行操作，如按时间范围筛选数据、计算时间序列的统计指标等。
7.地理空间数据处理：DuckDB支持地理空间数据处理，允许用户查询和处理包含地理坐标的数据。这可以用于分析地理位置相关的数据，如距离计算、面积计算等。
8.并行计算和分布式计算：DuckDB支持并行计算和分布式计算，可以充分利用多核处理器和分布式系统的计算能力，提高查询性能。
9.多种编程语言支持：DuckDB提供了多种编程语言的API，如Python、R、Java等。这使得开发人员可以轻松地将DuckDB集成到他们的应用程序中，实现数据的快速分析和处理。
10.插件系统：DuckDB支持插件系统，允许用户扩展DuckDB的功能，以满足特定需求。

技术架构

DuckDB 数据库可分为多个组件：Parser、Logical Planner、Optimizer、Physical Planner、Execution Engine、Transaction and Storage Managers。

1).Parser DuckDB 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 Engine DuckDB 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).Transactions DuckDB 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 Storage DuckDB 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。

项目优势

•简单的

SQLite 是世界上部署最广泛的 DBMS。安装简单、嵌入式进程内操作是其成功的关键。DuckDB 采用了这些简单和嵌入式操作的理念。

DuckDB 没有任何外部依赖，无论是编译时还是运行时。对于发布，DuckDB 的整个源代码树被编译成两个文件，一个头文件和一个实现文件，即所谓的“合并”。这大大简化了部署和集成到其他构建过程中的过程。对于构建，构建 DuckDB 所需的只是一个可用的 C++11 编译器。

•跨平台

由于没有依赖项，DuckDB 具有极高的可移植性。它可以针对所有主流操作系统（Linux、macOS、Windows）和 CPU 架构（x86、ARM）进行编译。它可以部署在从小型、资源受限的边缘设备到具有 100 多个 CPU 核心的大型多 TB 内存服务器中。使用DuckDB-Wasm，DuckDB 还可以在 Web 浏览器甚至手机上运行。

•功能丰富

DuckDB 提供严谨的数据管理功能。它拥有庞大的函数库、窗口函数等，广泛支持SQL 中的复杂查询。DuckDB通过我们定制的批量优化多版本并发控制 (MVCC)提供事务保证(ACID 属性) 。数据可以存储在持久的单文件数据库中。DuckDB 支持二级索引，以加快查找单个表条目的查询速度。

DuckDB与Python和R深度集成，可实现高效的交互式数据分析。

•高性能

DuckDB 包含一个列式矢量化查询执行引擎，其中查询仍被解释，但大量值（“矢量”）在一次操作中处理。这大大减少了传统系统（如 PostgreSQL、MySQL 或 SQLite）中存在的开销，这些系统按顺序处理每一行。矢量化查询执行可使 OLAP 查询的性能大大提高。

•可扩展

DuckDB 提供了灵活的扩展机制，允许定义新的数据类型、函数、文件格式和新的 SQL 语法。事实上，DuckDB 的许多关键功能（例如对Parquet 文件格式、JSON、时区的支持以及对HTTP(S) 和 S3 协议的支持）都是作为扩展实现的。扩展也可以在 DuckDB Wasm 中使用。

•开源免费

DuckDB是一个开源项目，用户可以自由地使用和修改其源代码。此外，DuckDB还提供了免费的社区版和商业版供用户选择。

•全面测试

DuckDB 的测试套件目前包含数百万个查询，包括改编自 SQLite、PostgreSQL 和 MonetDB 测试套件的查询。测试在各种平台和编译器上重复进行。每个拉取请求都会根据完整的测试设置进行检查，只有通过才会合并。

除了此测试套件之外，我们还运行各种测试，在高负载下对 DuckDB 进行压力测试。我们运行 TPC-H 和 TPC-DS 基准测试，并运行各种测试，其中许多客户端并行使用 DuckDB。

工程部署

查看官方部署指南[1]

项目体验

•JAVA

安装

<dependency>
    <groupId>org.duckdb</groupId>
    <artifactId>duckdb_jdbc</artifactId>
    <version>1.0.0</version>
</dependency>

示例

Class.forName("org.duckdb.DuckDBDriver");
Connection conn = DriverManager.getConnection("jdbc:duckdb:");
Statement stmt = conn.createStatement();
ResultSet rs = stmt.executeQuery("SELECT 42");

•C++

安装

https://github.com/duckdb/duckdb/releases/download/v1.0.0/libduckdb-osx-universal.zip

示例

DuckDB db(nullptr);
Connection con(db);
auto result = con.Query("SELECT 42");
result->Print();

•Go

安装

go get github.com/marcboeker/go-duckdb

示例

package main

import (
    "database/sql"
    "fmt"
    _ "github.com/marcboeker/go-duckdb"
)

func main() {
    db, _ := sql.Open("duckdb", "")

    db.Exec(`CREATE TABLE person (id INTEGER, name VARCHAR)`)
    db.Exec(`INSERT INTO person VALUES (42, 'John')`)

    var (
        id   int
        name string
    )
    row := db.QueryRow(`SELECT id, name FROM person`)
    _ = row.Scan(&id, &name)
    fmt.Println("id:", id, "name:", name)
}

•Nodejs

安装

npm install duckdb

示例

var duckdb = require('duckdb');
var db = new duckdb.Database(':memory:'); // or a file name for a persistent DB
db.all('SELECT 42 AS fortytwo', function(err, res) {
  if (err) {
    console.warn(err);
    return;
  }
  console.log(res[0].fortytwo)
});

项目地址

https://github.com/duckdb/duckdb

References

[1] 官方部署指南: https://duckdb.org/docs/installation/?version=stable&environment=cli&platform=macos&download_method=package_manager