{"id":143994,"date":"2025-09-22T17:11:59","date_gmt":"2025-09-22T15:11:59","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/reliz-subd-duckdb-1-4-0-s-podderzhkoj-shifrovaniya-bd"},"modified":"2025-09-22T17:11:59","modified_gmt":"2025-09-22T15:11:59","slug":"reliz-subd-duckdb-1-4-0-s-podderzhkoj-shifrovaniya-bd","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/news\/reliz-subd-duckdb-1-4-0-s-podderzhkoj-shifrovaniya-bd","title":{"rendered":"Ver\u00f6ffentlichung des DBMS DuckDB 1.4.0 mit Unterst\u00fctzung f\u00fcr Datenbankverschl\u00fcsselung.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Die Ver\u00f6ffentlichung von DuckDB 1.4.0, einer Datenbank-Management-System, das auf die Ausf\u00fchrung analytischer Abfragen ausgerichtet ist und konzeptionell an SQLite erinnert, wurde ver\u00f6ffentlicht. DuckDB kombiniert Eigenschaften von SQLite wie Kompaktheit, die Bereitstellung als eingebettete Bibliothek, das Speichern der Datenbank in einer Datei sowie eine CLI-Schnittstelle mit M\u00f6glichkeiten und Optimierungen zur Ausf\u00fchrung analytischer Abfragen, die einen erheblichen Teil der gespeicherten Daten abdecken, wie beispielsweise die Aggregation des gesamten Inhalts von Tabellen oder die Zusammenf\u00fchrung mehrerer gro\u00dfer Tabellen. Der Code des Projekts ist in C++ geschrieben und wird unter der MIT-Lizenz verbreitet. <\/p>\n
DuckDB bietet einen erweiterten SQL-Dialekt, der zus\u00e4tzliche M\u00f6glichkeiten f\u00fcr die Verarbeitung sehr komplexer und langwieriger Abfragen umfasst. Es ist m\u00f6glich, komplexe Typen (Arrays, Strukturen, Vereinigungen) zu verwenden, sowie beliebige und verschachtelte, korrelierende Unterabfragen auszuf\u00fchren. Es wird die gleichzeitige Ausf\u00fchrung mehrerer Abfragen unterst\u00fctzt, sowie die Ausf\u00fchrung von Abfragen direkt aus Dateien im CSV- und Parquet-Format. Der Import aus der PostgreSQL-Datenbank wird ebenfalls unterst\u00fctzt. <\/p>\n
Das Projekt verwendet eine Shell von SQLite, einen Parser von PostgreSQL, die Date Math-Komponente von MonetDB, eine eigene Implementierung von Fensterfunktionen (basierend auf dem Segmentbaumaggregationsalgorithmus), einen regul\u00e4ren Ausdruck-Handler auf Basis der RE2-Bibliothek, einen eigenen Abfrageoptimierer, einen MVCC-Mechanismus zur Verwaltung der gleichzeitigen Ausf\u00fchrung von Aufgaben (Multi-Version Concurrency Control) sowie eine vektorisierte Abfragedurchf\u00fchrungsengine, die auf dem Hyper-Pipelining-Abfrageausf\u00fchrungsalgorithmus basiert und es erm\u00f6glicht, gro\u00dfe Mengen an Werten in einem einzigen Vorgang zu verarbeiten. <\/p>\n
In der neuen Version: <\/p>\n
\n
Unterst\u00fctzung f\u00fcr die Speicherung von Datenbankdateien in verschl\u00fcsselter Form hinzugef\u00fcgt. Zur Verschl\u00fcsselung wird der AES-256 Algorithmus im GCM-Modus verwendet. Verschl\u00fcsselt wird nicht nur die Hauptdatei mit den Daten, sondern auch WAL-Logs und tempor\u00e4re Dateien. Die Schl\u00fcssel f\u00fcr die Datenbankverschl\u00fcsselung werden \u00fcber den Befehl ATTACH mit dem Parameter ENCRYPTION_KEY festgelegt. ATTACH 'encrypted.db' AS enc_db (ENCRYPTION_KEY 'quack_quack');\n
Die Unterst\u00fctzung des Befehls 'MERGE INTO' wurde hinzugef\u00fcgt, der als Alternative zum Ausdruck 'INSERT ... ON CONFLICT' verwendet werden kann, ohne dass ein Prim\u00e4rschl\u00fcssel erforderlich ist und der mit beliebigen Zusammenf\u00fchrungsbedingungen arbeitet. Der Befehl 'MERGE INTO' erm\u00f6glicht es, bedingte SQL-Ausdr\u00fccke zu erstellen, die INSERT-, UPDATE- und DELETE-Operationen in einer einzigen Anweisung kombinieren. Beispielsweise kann man mit MERGE zwei Tabellen zusammenf\u00fchren, indem fehlende Datens\u00e4tze eingef\u00fcgt und vorhandene aktualisiert werden. WITH deletes(item_id, delete_threshold) AS (VALUES (10, 3000)) MERGE INTO Stock USING deletes USING (item_id) WHEN MATCHED AND balance < delete_threshold THEN DELETE RETURNING merge_action, *; \n\n
Zus\u00e4tzlich wurde die Unterst\u00fctzung f\u00fcr Schreiboperationen bei Tabellen im Apache Iceberg-Format hinzugef\u00fcgt (zuvor wurde nur das Lesen unterst\u00fctzt), was es erm\u00f6glicht, Daten zwischen Iceberg und DuckDB zu \u00fcbertragen.\n
Im Befehlszeilen-Client wurde ein Fortschrittsindikator f\u00fcr die Ausf\u00fchrung von Operationen mit einer Sch\u00e4tzung der verbleibenden Zeit bis zum Abschluss hinzugef\u00fcgt.\n
Die Fensterfunktion 'FILL' wurde hinzugef\u00fcgt, die zur Interpolation fehlender Werte in geordneten Fenstern verwendet werden kann. FROM (VALUES (1, 1), (2, NULL), (3, 42)) t(c1, c2) SELECT fill(c2) OVER (ORDER BY c1) f; 1 21 42\n
Ein Teradata Connector-Plugin wurde implementiert, um eine Verbindung zu Teradata-Datenbanken herzustellen. Das Plugin erm\u00f6glicht es, mit Tabellen zu arbeiten, Abfragen auszuf\u00fchren und SQL-Befehle direkt in Teradata auszuf\u00fchren, indem DuckDB verwendet wird.\n
Unterst\u00fctzung f\u00fcr das Festschreiben des Zustands (Checkpoint) von Tabellen, die im Speicher gespeichert sind, hinzugef\u00fcgt, was die Implementierung von Komprimierung erm\u00f6glicht hat. Dar\u00fcber hinaus werden beim Festschreiben des Zustands gel\u00f6schte Zeilen bereinigt und Platz nach L\u00f6schvorg\u00e4ngen freigegeben. ATTACH ':memory:' AS memory_compressed (COMPRESS);\n
Einige Leistungsoptimierungen wurden vorgeschlagen: Die Implementierung der Sortierung wurde auf den k-weg-Mischalgorithmus umgestellt, der die Datenbewegung reduziert. Allgemeine tabellarische Ausdr\u00fccke (Common Table Expressions, CTE) werden nun standardm\u00e4\u00dfig materialisiert. <\/ul>\n