Base de datos analítica columnar embebida diseñada para ejecutar consultas SQL ultrarrápidas sobre archivos Parquet y Data Lakes directamente desde el ordenador local.
Explicación y Contexto Conceptual
DuckDB es comúnmente descrito como el 'SQLite de la analítica de datos' (OLAP). Mientras que SQLite es el motor embebido transaccional (OLTP) más utilizado del mundo, DuckDB fue diseñado desde cero para cargas analíticas intensivas, ejecución vectorial y procesamiento columnar.
No requiere instalar servidores ni configurar clústeres en la nube: se instala con un simple comando (`pip install duckdb` o un binario autocontenido) y se ejecuta dentro del mismo proceso de la aplicación. Es capaz de consultar directamente archivos Parquet, CSV o JSON alojados localmente o en buckets remotos de S3 con soporte de SQL estándar, superando en velocidad de procesamiento a Pandas por órdenes de magnitud.
Ha revolucionado la analítica local de marketing, permitiendo a los analistas modelar y probar transformaciones de dbt sobre gigabytes de datos en segundos sin gastar créditos en Snowflake.
Ejemplo en la Práctica
Un consultor de marketing analiza un archivo Parquet de 50 millones de eventos de Google Analytics en su MacBook con DuckDB, ejecutando agrupaciones complejas en 1.2 segundos.