DuckDB：高性能进程内分析型 SQL 数据库
DuckDB 是一个高性能分析型数据库系统，以进程内方式运行，设计目标是快速、可靠、可移植且易于使用。它提供功能丰富的 SQL 方言，支持任意与嵌套相关子查询、窗口函数、排序规则（collations）、复杂类型（数组、结构体、映射）以及多种为提升 SQL 易用性而设计的扩展。DuckDB 既可作为独立 CLI 应用使用，也提供 Python、R、Java、Wasm 等客户端，并与 pandas、dplyr 等包深度集成。
社区作者 · zZz
它解决什么问题
DuckDB 是一个高性能分析型数据库系统，定位为进程内（in-process）SQL 数据库管理系统。其设计目标是快速、可靠、可移植、易于使用。
SQL 能力：DuckDB 提供丰富的 SQL 方言，远超基础 SQL 的支持范围，包括任意与嵌套相关子查询、窗口函数、排序规则（collations）、复杂类型（数组、结构体、映射），以及多个旨在让 SQL 更易用的扩展。
使用形态：DuckDB 可作为独立 CLI 应用使用，并提供 Python、R、Java、Wasm 等语言的客户端，同时与 pandas、dplyr 等包深度集成。更多使用方式可参考 DuckDB 官方文档。
数据导入：对 CSV 与 Parquet 文件，数据导入非常简单，只需在 FROM 子句中直接引用文件即可： SELECT * FROM 'myfile.csv'; SELECT * FROM 'myfile.parquet'; 更多信息参见官方文档的 Data Import 章节。
SQL 参考：官方文档包含 SQL 介绍与参考手册。
许可与适用对象：来源页面未给出许可证信息，需在使用前核验；本项目适合数据分析人员、数据科学家、需要在本地或应用内进行快速分析查询的开发者，以及使用 Python/R/pandas/dplyr 工作流的用户。
（配图 1 为 DuckDB logo）
— 本文由 AI 根据公开来源辅助整理，命令、版本与许可证请在使用前到原始页面复核。
安装 / 开始使用
- 常规安装：来源页面未给出具体安装命令，仅说明“如需安装 DuckDB，请参阅官方 installation 页面获取安装说明”，因此具体安装步骤需在官方安装页面核验。
对于 CSV 文件与 Parquet 文件，只需在 FROM 子句中引用文件即可完成数据导入： SELECT * FROM 'myfile.csv'; SELECT * FROM 'myfile.parquet'; 更多信息参见官方文档 Data Import 章节。
- 数据导入（安装后即可直接使用，无需额外导入工具）：
前置准备：需要 CMake、Python 3 以及兼容 C++17 的编译器。 在仓库根目录执行：
- 从源码开发构建（来源明确给出的步骤，按顺序执行）：
- make：编译源码（release 构建）。
make debug：构建未优化的 debug 版本，用于开发调试。
首次运行 / 修改后验证：
make unit 与 make allunit：在改动后验证版本是否正常工作。
性能测试：
执行
BUILD_BENCHMARK=1 BUILD_TPCH=1 make 进行构建；
- 然后在根目录运行 ./build/release/benchmark/benchmark_runner 执行若干标准基准测试；
- 基准测试细节参见官方 Benchmark Guide。
- 常见问题与进一步参考：
- 构建或贡献相关问题请参考官方 Build Guide 与 Contribution Guide；
- 支持渠道与版本生命周期信息参见官方 Support Options 页面与 endoflife.date 专页；
- 使用方式问题请参考官方文档（含 SQL 介绍与参考手册）。
来源教程配图
