一个故事让你理解 DuckDB

想象这个场景：

你是公司的运营，每天都要看销售报表。数据在 Excel 里，但文件太大（几百 MB），Excel 打开要5分钟，筛选一下又要卡半天。

你求助技术部门，对方说「下周排期」。你只好硬着头皮学 Python，装 Pandas，结果光配环境就花了一下午，最后发现内存不够——8GB 的电脑根本跑不动。

这时候，一个朋友发给你一个 不到30MB 的小程序，说：

「双击打开，输入 SELECT * FROM '销售数据.csv'，回车。」

你试了一下——0.3 秒，数据出来了。

这个程序，就是 DuckDB。

DuckDB 到底是什么？

官方定义： 一个嵌入式列式数据库，专门做分析型查询（OLAP）。

人话版：

• 嵌入式 → 不用装服务器，不用配端口，下载一个文件就能用
• 列式存储 → 处理大数据的性能，比 MySQL/SQLite 快 10-100 倍
• 分析型 → 专为「算总数、求平均、分组汇总」这种查询而生

一句话：DuckDB = Excel 的易用性 + 数据库的查询能力 + 超级快的分析速度。

DuckDB 的 5 大核心优势

优势一：零配置，双击即用

这不是夸张。下载下来直接运行：

# 一行命令安装（Mac/Linux）
curl -sL https://install.duckdb.org | sh

# 或者 Windows 下载 zip，解压后双击 duckdb.exe

安装完不用配任何东西，直接进交互界面：

SELECT 'Hello, DuckDB!' AS greeting;

输出一个漂亮的表格，全程不到 10 秒。

对比一下：

• MySQL：安装 → 启动服务 → 配用户 → 建库 → 建表 → 才能查
• PostgreSQL：同上，可能更复杂
• DuckDB：下载 → 打开 → 查

这就是嵌入式数据库的威力——它跑在你的程序里，不跑在服务器上。

优势二：直接查文件，不「导入」数据

这是 DuckDB 最让人上头的功能。

绝大多数数据库要求你先「建表 → 定义结构 → 导入数据」才能查询。DuckDB 不需要。

-- 直接查 CSV，就像它是表一样
SELECT region, 
       COUNT(*) AS 订单数,
       SUM(amount) AS 总金额
FROM 'sales_2026.csv'
GROUP BY region
ORDER BY 总金额 DESC;

支持的文件格式多到离谱：

最实用的场景： 老板甩给你一个 CSV，不用打开 Excel 卡死，不用写 Python 脚本，直接在终端里一条 SQL 就能算出结果。

优势三：处理大数据，比你想的快得多

DuckDB 用列式存储，专门为分析型查询优化。

同样是求平均值，MySQL 和 DuckDB 的底层逻辑完全不同：

• MySQL（行式存储）： 读一行→找到金额字段→记下来→读下一行……重复 1000 万次
• DuckDB（列式存储）： 直接把「金额」那一列数据整块拉出来→一次算完

真实基准测试数据（来源于社区）：

注意： 这些数据不是在 128GB 的服务器上跑出来的，是在你办公用的笔记本电脑上。

这也是为什么 AI 和数据圈都在说：「DuckDB 是数据分析界的瑞士军刀」。

优势四：Python 生态无缝衔接

如果你是 Python 用户，DuckDB 会彻底改变你处理数据的方式。

安装：

pip install duckdb

告别 Pandas 的复杂 API：

import duckdb

# 用 SQL 处理 Pandas DataFrame！
df = duckdb.sql("""
    SELECT 
        department,
        AVG(salary) AS avg_salary,
        COUNT(*) AS headcount
    FROM df_employees
    WHERE salary > 80000
    GROUP BY department
    ORDER BY avg_salary DESC
""").df()

你不需要学 Pandas 的 groupby、merge、apply 等几十个方法。 一行 SQL 全搞定。

而且 DuckDB 能直接查 Pandas DataFrame、PyArrow Table、Polars DataFrame——无论数据在什么格式里，统一用 SQL 查询。

# 查询 Parquet 文件，结果转 Pandas
result = duckdb.sql("""
    SELECT date_trunc('month', order_date) AS month,
           SUM(revenue) AS total
    FROM 'sales/*.parquet'
    GROUP BY month
    ORDER BY month
""").df()

用 DuckDB 做数据分析，相当于给 Python 装上了 SQL 引擎——简单、快、不挑数据格式。

优势五：小到离谱，强到离谱

DuckDB 的可执行文件只有 不到 30MB。

打包到 Docker 镜像里？200MB 的基础镜像 + 30MB 的 DuckDB = 230MB。对比 Spark 镜像动辄 2GB+。

嵌入到 Web 应用里？可以在浏览器中跑 DuckDB-WASM，前端直接做数据分析。

能做的事：

• ✅ 替代 Excel 处理大文件
• ✅ 替代 Pandas 做数据分析
• ✅ 跑在 CI/CD 里做数据测试
• ✅ 嵌入到 Streamlit 应用里做数据分析后台
• ✅ 和 dbt 配合做数据转换
• ✅ 在浏览器里直接分析数据

不能做的事（认清边界）：

• ❌ 不能替代 MySQL/PostgreSQL 做在线交易系统
• ❌ 不能单机处理 100TB+ 级别的数据（那是 Spark 的活）
• ❌ 不支持高并发写操作（它是分析型，不是事务型）

谁应该学 DuckDB？

10分钟上手 DuckDB

第一步：安装

# macOS
brew install duckdb

# Linux / WSL
curl -sL https://install.duckdb.org | sh

# Windows
# 下载：https://duckdb.org/download/ → duckdb.exe

# Python
pip install duckdb

第二步：查数据

随便找一个 CSV 文件（Excel 可以另存为 CSV），运行：

duckdb

然后在 DuckDB 终端里：

SELECT * FROM '你的文件.csv' LIMIT 10;

如果你不知道用哪个文件，DuckDB 自带示例数据：

-- DuckDB 内置数据集
SELECT * 
FROM read_csv_auto('https://duckdb.org/data/weather.csv')
LIMIT 5;

第三步：算汇总

SELECT 
    city,
    AVG(temperature) AS 平均温度,
    MIN(temperature) AS 最低温,
    MAX(temperature) AS 最高温
FROM 'weather.csv'
GROUP BY city;

总结

DuckDB 最大的价值不是「数据库」，而是 让数据分析变得极度简单。

在 Excel 和 Spark 之间，有一大片空白地带——数据大到 Excel 打不开，又小到不值得上 Spark。这个地带，就是 DuckDB 的天下。

如果看了这篇文章想试试，直接装一个，找个 CSV 文件跑条 SQL，5 分钟就能感受到它的爽。

相关文章：

• DuckDB 安装使用教程：全平台指南
• DuckDB SQL 语法速查手册
• DuckDB + Python：数据分析最佳搭档

📖 更多内容: https://duckdblab.org #DuckDB #入门教程 #数据分析 #SQL #数据工具