<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Essbase on OLAP 工作室 — 独立 DuckDB 中文技术社区与实验博客</title><link>https://duckdblab.org/zh/categories/essbase/</link><description>Recent content in Essbase on OLAP 工作室 — 独立 DuckDB 中文技术社区与实验博客</description><generator>Hugo -- gohugo.io</generator><language>zh-CN</language><lastBuildDate>Mon, 16 Nov 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://duckdblab.org/zh/categories/essbase/index.xml" rel="self" type="application/rss+xml"/><item><title>把 Essbase 数据导出到 DuckDB 做离线分析：528 万行实测，对数差异为 0</title><link>https://duckdblab.org/zh/post/essbase-duckdb-offline-analytics/</link><pubDate>Mon, 16 Nov 2026 00:00:00 +0000</pubDate><guid>https://duckdblab.org/zh/post/essbase-duckdb-offline-analytics/</guid><description>&lt;img src="https://duckdblab.org/images/posts/essbase-duckdb-offline-analytics/cover.png" alt="Featured image of post 把 Essbase 数据导出到 DuckDB 做离线分析：528 万行实测，对数差异为 0" /&gt;&lt;h2 id="一个老牌-molap和一个新派列式引擎"&gt;一个老牌 MOLAP，和一个新派列式引擎
&lt;/h2&gt;&lt;p&gt;Essbase 是 MOLAP 的代表：数据按立方体组织，上卷、钻取、公式成员都是它的本行，短板是报表灵活性和大批量离线分析——想换个角度切数据，往往要等报表开发或者在 Smart View 里慢慢拉。DuckDB 是这几年起来的一派：列式存储、向量化执行、一个文件就是一个库，强项恰好是大批量扫描聚合。&lt;/p&gt;
&lt;p&gt;把 Essbase 的数据导出到 DuckDB 做离线分析，听起来是顺理成章的组合。但动手前先检索了一圈：公开渠道找不到一篇现成案例——没有实测博客、没有开源项目、没有厂商连接器，只有软件对比站自动生成的产品介绍页。桥的两半各自存在（Essbase 有官方导出和 Python API，DuckDB 什么文件都能读），中间没人搭过。本文就把这两条路线完整实跑一遍，并且按财务对账的标准验：DuckDB 侧的上卷结果，必须和 Essbase 侧逐项对上。&lt;/p&gt;

 &lt;blockquote&gt;
 &lt;p&gt;环境：DuckDB v2.0.0（Python）。数据是按 Essbase 自带示例库 Sample Basic 的大纲形状生成的仿真数据：5 个 0 级科目（Sales、COGS、Marketing、Payroll、Misc）、13 个产品、20 个州、12 个月、Actual 与 Budget 两个场景，约 45% 的单元格为空（稀疏是 Essbase 立方体的常态，导出时空单元格不出现）。仿真数据的每个汇总值都有独立生成的真值可对，不影响结论：要验的是管线和口径，不是某个企业的经营数字。&lt;/p&gt;

 &lt;/blockquote&gt;
&lt;h2 id="先说清楚它解决了什么问题"&gt;先说清楚：它解决了什么问题
&lt;/h2&gt;&lt;p&gt;这条管线不是为了替代 Essbase，而是解 Essbase 日常使用里四个具体的痛点：&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;一、对数靠人肉，账对不平还找不到原因。&lt;/strong&gt; 预算数与实际数、相邻两个系统之间的数对不上，是预算岗的常态。现在的做法是两边各拉一张表，Excel 里逐项比。问题是拉出来的往往已经是汇总数，差异定位不到成员级。这条管线把 0 级全量搬出来复算：每一项上卷都能追到 0 级成员，差异为 0 就是为 0，对不平也能立刻下钻定位是哪几个成员、哪个场景的差。本文的对数环节对的就是这个场景。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;二、改规则之前没法低成本试算。&lt;/strong&gt; 分摊规则、计算逻辑改一个口径，影响面有多大，往常只能在测试环境全量重跑，或者干脆上了生产再看。生产库跑一轮全量计算以十分钟计，月结高峰期还锁块，试错成本极高。离线副本不碰生产：528 万行数据全量上卷 0.01 秒，新旧两种口径各算一遍 diff 出来，影响范围先在副本上看清，再决定要不要动生产规则。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;三、临时取数慢，还怕拖垮填报。&lt;/strong&gt; Smart View 拉大范围数据有行数和超时限制，分批拉、慢慢等是常态；在生产库上跑一个全量扫描，又怕影响正在填报的人。副本在自己机器上，百万级聚合百分之几秒，随便切维度、换角度，不用排队，不用看生产库的脸色。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;四、跨系统拼接做不了。&lt;/strong&gt; Essbase 的数要和外部数据（其他系统导出、Excel 台账、文本文件）对着看时，在 Essbase 里没有办法，只能先导出来再拼——导出来之后用什么拼，就是这条管线的活：DuckDB 对 CSV、Parquet、Excel、JSON 都是直读，多源 join 一条 SQL 解决。&lt;/p&gt;
&lt;p&gt;四个痛点有一个共同点：都不是 Essbase 算错了，而是它的计算资源太贵、太集中，不适合反复试、随便查。离线副本的价值就是把「查」和「算」分开：生产库管填报和正式计算，副本管分析和试错。&lt;/p&gt;
&lt;h2 id="路线一导出-0-级数据duckdb-直读"&gt;路线一：导出 0 级数据，DuckDB 直读
&lt;/h2&gt;&lt;p&gt;Essbase 侧的动作是标准操作：用 &lt;a class="link" href="https://docs.oracle.com/en/database/other-databases/essbase/21/esscq/dataexport.html" target="_blank" rel="noopener"
 &gt;DATAEXPORT&lt;/a&gt; 计算脚本或 MaxL 把 0 级数据导成文本（非列格式，每行一个完整成员交叉点加一个数值）：&lt;/p&gt;
&lt;pre tabindex="0"&gt;&lt;code&gt;FIX (&amp;#34;Actual&amp;#34;, &amp;#34;Budget&amp;#34;)
 DATAEXPORT &amp;#34;File&amp;#34; &amp;#34; &amp;#34; &amp;#34;basic_level0.txt&amp;#34;;
ENDFIX
&lt;/code&gt;&lt;/pre&gt;&lt;p&gt;导出文件长这样（成员带引号、空格分隔、数值在行尾）：&lt;/p&gt;
&lt;pre tabindex="0"&gt;&lt;code&gt;&amp;#34;Jan&amp;#34; &amp;#34;Sales&amp;#34; &amp;#34;100-10&amp;#34; &amp;#34;New York&amp;#34; &amp;#34;Actual&amp;#34; 4013.82
&amp;#34;Jan&amp;#34; &amp;#34;Sales&amp;#34; &amp;#34;100-10&amp;#34; &amp;#34;California&amp;#34; &amp;#34;Actual&amp;#34; 2981.55
&lt;/code&gt;&lt;/pre&gt;&lt;p&gt;DuckDB 侧不需要任何导入程序，&lt;a class="link" href="https://duckdb.org/docs/stable/data/csv/overview" target="_blank" rel="noopener"
 &gt;&lt;code&gt;read_csv&lt;/code&gt;&lt;/a&gt; 直接把文本读成表——引号和分隔符都是参数：&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-sql" data-lang="sql"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;CREATE&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;TABLE&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;fact&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;AS&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;SELECT&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;*&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;FROM&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;read_csv&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;basic_level0.txt&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;header&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;false&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;sep&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39; &amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;quote&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;&amp;#34;&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;columns&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="err"&gt;{&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Month&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;VARCHAR&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Measures&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;VARCHAR&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Product&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;VARCHAR&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Market&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;VARCHAR&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Scenario&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;VARCHAR&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Value&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;DOUBLE&amp;#39;&lt;/span&gt;&lt;span class="err"&gt;}&lt;/span&gt;&lt;span class="p"&gt;);&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="c1"&gt;-- 17,068 行，实测 0.04 秒
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;p&gt;光有事实表还不够。Essbase 的上卷靠大纲层级，DuckDB 侧要把层级变成表：从大纲导出成员与父项，做成 &lt;code&gt;product_hier(member, parent, rollup)&lt;/code&gt; 和 &lt;code&gt;market_hier(member, parent)&lt;/code&gt; 两张小表。之后任意上卷就是一次连接加分组：&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-sql" data-lang="sql"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;SELECT&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;parent&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;AS&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;category&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Value&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;AS&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;sales&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;FROM&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;fact&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;JOIN&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;product_hier&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;ON&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;member&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Product&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;AND&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="k"&gt;rollup&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;primary&amp;#39;&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;WHERE&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Measures&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Sales&amp;#39;&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;AND&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Scenario&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Actual&amp;#39;&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;GROUP&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;BY&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;ORDER&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;BY&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;category&lt;/th&gt;
 &lt;th&gt;sales&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;100&lt;/td&gt;
 &lt;td&gt;1745240.44&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;200&lt;/td&gt;
 &lt;td&gt;2558852.13&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;300&lt;/td&gt;
 &lt;td&gt;1883168.76&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;400&lt;/td&gt;
 &lt;td&gt;1869248.40&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;p&gt;对数结果：这四个品类值、市场五大区域的上卷值、Sales 全量总计 8,056,509.73，与真值逐项比对，&lt;strong&gt;差异全部为 0&lt;/strong&gt;。这一步是整条路线的可信度根基：口径对上了，后面的分析才有意义。&lt;/p&gt;
&lt;p&gt;&lt;img alt="路线一实跑：入库、品类上卷与五项对数结果，差异全部为 0.00" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://duckdblab.org/images/posts/essbase-duckdb-offline-analytics/reconciliation.png"&gt;&lt;/p&gt;
&lt;p&gt;&lt;em&gt;图 1：路线一实跑输出——0 级导出入库 0.04 秒，品类上卷与对数五项差异均为 0.00。&lt;/em&gt;&lt;/p&gt;
&lt;h2 id="essbase-特色一替代汇总共享成员"&gt;Essbase 特色一：替代汇总（共享成员）
&lt;/h2&gt;&lt;p&gt;Sample Basic 里 Diet 是替代汇总：100-20、200-20、300-30 三个产品既属于各自品类，又被 Diet 再汇总一次（Essbase 里靠共享成员实现）。关系型模型处理这个并不难——层级表加一列 &lt;code&gt;rollup&lt;/code&gt; 区分主汇总与替代汇总，成员在表里出现两次即可：&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-sql" data-lang="sql"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;SELECT&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Value&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;FROM&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;fact&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;JOIN&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;product_hier&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;ON&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;member&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Product&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;AND&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;h&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;parent&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Diet&amp;#39;&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;WHERE&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Measures&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Sales&amp;#39;&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;AND&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;f&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;Scenario&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Actual&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="c1"&gt;-- 1782909.84，与真值差异 0
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;p&gt;要点是别把替代汇总混进主汇总的层级链，否则总计会重复计算——这和在 Essbase 里分清存储成员与共享成员是同一件事。&lt;/p&gt;
&lt;h2 id="essbase-特色二公式成员在-sql-侧复算"&gt;Essbase 特色二：公式成员在 SQL 侧复算
&lt;/h2&gt;&lt;p&gt;Profit 在 Sample Basic 里是公式成员（Sales 减 COGS、Marketing、Payroll、Misc），不落 0 级数据。导出文件里没有它，DuckDB 侧用条件聚合一行复算：&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-sql" data-lang="sql"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;SELECT&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;Value&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;*&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;CASE&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;Measures&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;WHEN&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Sales&amp;#39;&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;THEN&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;ELSE&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;-&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;END&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;AS&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;profit&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;FROM&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;fact&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;WHERE&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;Scenario&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Actual&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="c1"&gt;-- 2152890.95，与真值差异 0
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;p&gt;这也划出了这条路线的口径边界：公式成员有多少，SQL 侧就要维护多少口径定义。科目少时是几行 CASE，到了真实预算系统成百上千个公式成员，就需要一份可维护的口径层——这是产品化时真正的工作量，不在这条管线本身。&lt;/p&gt;
&lt;h2 id="放大测试528-万行"&gt;放大测试：528 万行
&lt;/h2&gt;&lt;p&gt;Sample Basic 的量级只够验口径。再生成一版放大数据：加一个 100 个组织的组织维度、产品扩到 200 个 SKU、市场取区域级，共 5,281,142 行 0 级数据，导出文本 317 MB。同一台机器实测：&lt;/p&gt;
&lt;table&gt;
 &lt;thead&gt;
 &lt;tr&gt;
 &lt;th&gt;环节&lt;/th&gt;
 &lt;th&gt;结果&lt;/th&gt;
 &lt;/tr&gt;
 &lt;/thead&gt;
 &lt;tbody&gt;
 &lt;tr&gt;
 &lt;td&gt;文本入库 DuckDB&lt;/td&gt;
 &lt;td&gt;5.77 秒&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;转 &lt;a class="link" href="https://duckdb.org/docs/stable/data/parquet" target="_blank" rel="noopener"
 &gt;Parquet&lt;/a&gt;（ZSTD）&lt;/td&gt;
 &lt;td&gt;2.33 秒，317 MB → 21 MB（14.0 倍）&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;全量上卷（Sales 总计）&lt;/td&gt;
 &lt;td&gt;0.01 秒&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;按组织汇总取 Top 10&lt;/td&gt;
 &lt;td&gt;0.01 秒&lt;/td&gt;
 &lt;/tr&gt;
 &lt;tr&gt;
 &lt;td&gt;Actual vs Budget 全产品差异分析&lt;/td&gt;
 &lt;td&gt;0.02 秒&lt;/td&gt;
 &lt;/tr&gt;
 &lt;/tbody&gt;
&lt;/table&gt;
&lt;p&gt;差异分析是这类离线场景最常见的活，在 Essbase 里通常要一张专门的报表，在 DuckDB 里是一句带 &lt;code&gt;FILTER&lt;/code&gt; 的聚合：&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-sql" data-lang="sql"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;SELECT&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;Product&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;Value&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;FILTER&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;Scenario&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Actual&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;-&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;sum&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;Value&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;FILTER&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;Scenario&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Budget&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;AS&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;var&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;FROM&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;fact_scaled&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;WHERE&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="n"&gt;Measures&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Sales&amp;#39;&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;GROUP&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;BY&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;ORDER&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;BY&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;abs&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;var&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;DESC&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="k"&gt;LIMIT&lt;/span&gt;&lt;span class="w"&gt; &lt;/span&gt;&lt;span class="mi"&gt;5&lt;/span&gt;&lt;span class="p"&gt;;&lt;/span&gt;&lt;span class="w"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="c1"&gt;-- 差异最大：SKU-0057，Actual 比 Budget 少 1,553,495.11
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;p&gt;&lt;img alt="放大测试实跑：528 万行入库、Parquet 压缩与三项查询耗时" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://duckdblab.org/images/posts/essbase-duckdb-offline-analytics/scaled-benchmark.png"&gt;&lt;/p&gt;
&lt;p&gt;&lt;em&gt;图 2：放大测试实跑输出——5,281,142 行入库 5.77 秒，Parquet 压缩 14.0 倍，三项分析查询均在 0.02 秒内。&lt;/em&gt;&lt;/p&gt;
&lt;h2 id="路线二essbase-21c-的-python-api"&gt;路线二：Essbase 21c 的 Python API
&lt;/h2&gt;&lt;p&gt;21c 之后 Oracle 给了官方 Python 包 &lt;a class="link" href="https://pypi.org/project/oracle-data-studio/" target="_blank" rel="noopener"
 &gt;&lt;code&gt;oracle-data-studio&lt;/code&gt;&lt;/a&gt;（导入名 &lt;code&gt;essbase&lt;/code&gt;），能直接在 Python 里跑 MDX，结果展平成记录列表。先核实包本身：PyPI 可装，当前版本 1.0.37；&lt;code&gt;connect(url, username, password)&lt;/code&gt;、&lt;code&gt;Database.mdx_records(query)&lt;/code&gt;、&lt;code&gt;mdx_to_records()&lt;/code&gt; 都真实存在，与 Oracle 官方博客的描述一致。&lt;/p&gt;
&lt;div class="highlight"&gt;&lt;pre tabindex="0" class="chroma"&gt;&lt;code class="language-python" data-lang="python"&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="nn"&gt;essbase&lt;/span&gt;&lt;span class="o"&gt;,&lt;/span&gt; &lt;span class="nn"&gt;pandas&lt;/span&gt; &lt;span class="k"&gt;as&lt;/span&gt; &lt;span class="nn"&gt;pd&lt;/span&gt;&lt;span class="o"&gt;,&lt;/span&gt; &lt;span class="nn"&gt;duckdb&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="k"&gt;with&lt;/span&gt; &lt;span class="n"&gt;essbase&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;connect&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;url&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;user&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;password&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt; &lt;span class="k"&gt;as&lt;/span&gt; &lt;span class="n"&gt;ess&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt; &lt;span class="n"&gt;db&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;ess&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;applications&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Sample&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;databases&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="s1"&gt;&amp;#39;Basic&amp;#39;&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt; &lt;span class="n"&gt;records&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;db&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;mdx_records&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;&amp;#34;&amp;#34;&amp;#34;
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="s2"&gt; SELECT {[Measures].[Sales]} ON COLUMNS,
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="s2"&gt; CROSSJOIN({[Year].Children}, {[Product].Children}) ON ROWS
&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="s2"&gt; FROM Basic WHERE ([Market].[East], [Scenario].[Actual])&amp;#34;&amp;#34;&amp;#34;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="n"&gt;df&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;pd&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;DataFrame&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;records&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span class="line"&gt;&lt;span class="cl"&gt;&lt;span class="n"&gt;duckdb&lt;/span&gt;&lt;span class="o"&gt;.&lt;/span&gt;&lt;span class="n"&gt;sql&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;&amp;#34;SELECT Product, sum(Sales) FROM df GROUP BY 1&amp;#34;&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;p&gt;本机验证的范围要说清：用官方「axes + cells」响应形状构造了同一批数据的 MDX 响应样本（156 个单元格），官方 &lt;code&gt;mdx_to_records&lt;/code&gt; 展平为 156 条记录，进 DuckDB 按产品汇总，与真值逐项比对，总计 1,974,941.30、差异为 0。&lt;strong&gt;实连一台 21c 服务器跑真 MDX 这一步没有在本机完成&lt;/strong&gt;——展平之后到 DuckDB 的半程已验通，连服务器的半程只有接口核实。另外这条路线只适用于 21c 与 Essbase Cloud；11.x 的在位系统没有这个 API，老老实实走路线一。&lt;/p&gt;
&lt;p&gt;&lt;img alt="路线二实跑：官方 mdx_to_records 展平 156 条记录，进 DuckDB 对数差异为 0" loading="lazy" sizes="(max-width: 767px) calc(100vw - 30px), (max-width: 1023px) 700px, (max-width: 1279px) 950px, 1232px" src="https://duckdblab.org/images/posts/essbase-duckdb-offline-analytics/mdx-records.png"&gt;&lt;/p&gt;
&lt;p&gt;&lt;em&gt;图 3：路线二后半程实跑输出——MDX 响应经官方函数展平为记录，进 DuckDB 汇总对数，总计与逐产品差异均为 0。&lt;/em&gt;&lt;/p&gt;
&lt;h2 id="边界"&gt;边界
&lt;/h2&gt;&lt;ul&gt;
&lt;li&gt;&lt;strong&gt;只读，不写回。&lt;/strong&gt; 这条管线是把数据搬出来分析，预算填报、计算脚本执行还留在 Essbase 里，别指望替代。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;上级值靠即时聚合。&lt;/strong&gt; Essbase 的上级成员值是存储或动态计算出来的，DuckDB 侧是拿 0 级全量即时上卷——对数的前提是导出范围完整，少导一个场景，数就对不上，而且是对不上得理直气壮。&lt;/li&gt;
&lt;li&gt;&lt;strong&gt;账号权限语义不迁移。&lt;/strong&gt; Essbase 的过滤器、元读权限不会跟着导出文件走，离线副本要自己管脱敏和访问控制。&lt;/li&gt;
&lt;/ul&gt;
&lt;h2 id="结论"&gt;结论
&lt;/h2&gt;&lt;p&gt;两条路线都通：全版本走导出文件，21c 多一个直连 API 的选择。528 万行量级下，入库以秒计、上卷以百分之几秒计，且每一项汇总都能和源头对到差异为 0。回到开头那四个问题——对数能下钻到成员级、改规则能先在副本上试算、临时取数不排队不拖生产、跨系统数据能直接拼——解的都是同一件事：给 Essbase 配一个便宜、随便用的离线副本。源系统不动，这不是迁移方案。&lt;/p&gt;
&lt;h2 id="继续深入"&gt;继续深入
&lt;/h2&gt;&lt;ul&gt;
&lt;li&gt;&lt;a class="link" href="https://duckdblab.org/zh/post/duckdb-csv-import-complete-guide/" &gt;DuckDB CSV 导入完全指南&lt;/a&gt; — 路线一用到的 &lt;code&gt;read_csv&lt;/code&gt; 完整用法&lt;/li&gt;
&lt;li&gt;&lt;a class="link" href="https://duckdblab.org/zh/post/duckdb-advanced-sql-mastery/" &gt;DuckDB 高级 SQL 技巧&lt;/a&gt; — 让这条管线更进一步的可复用模式&lt;/li&gt;
&lt;/ul&gt;</description></item></channel></rss>