DuckDB
Base de datos analítica in-process para SQL local sobre archivos.
CategoríaDatos
DificultadPrincipiante
Tiempo de aprendizaje1 semana
¿Qué puedes lograr con esta herramienta?
Los resultados prácticos que desbloquea.
- Correr SQL directamente sobre archivos CSV/Parquet sin montar un servidor
- Unir datos de pandas, Polars y archivos en una sola query
- Analizar datasets de varios GB en una laptop
Descripción
DuckDB es 'SQLite para analítica': una base de datos columnar que corre embebida dentro del proceso, sin servidor. Permite ejecutar SQL directamente sobre archivos o DataFrames en memoria, ideal para análisis local rápido.
Casos de uso
- Análisis ad-hoc con SQL sobre archivos Parquet/CSV
- Reemplazo ligero de un data warehouse para prototipos
- Pegamento entre pandas/Polars y SQL
- ETL local antes de subir a un warehouse en la nube
Instalación
pip install duckdbEjemplo básico
-- Desde la CLI de DuckDB
SELECT borough, AVG(fare)
FROM 'trips.parquet'
GROUP BY borough;Ventajas y limitaciones
Ventajas
- Cero configuración, corre embebido en el proceso
- Muy rápido para queries analíticas (OLAP)
- Lee directamente CSV/Parquet/JSON sin importarlos primero
Limitaciones
- No pensado para escrituras concurrentes de múltiples usuarios
- No reemplaza un warehouse distribuido para volúmenes de petabytes
Alternativas
Herramientas que resuelven un problema parecido de otra forma.