DuckDB

Base de datos analítica in-process para SQL local sobre archivos.

CategoríaDatos
DificultadPrincipiante
Tiempo de aprendizaje1 semana
Official documentation

¿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

Instalarbash
pip install duckdb

Ejemplo básico

Ejemplo básicosql
-- 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.