Den första stabila versionen av databashanteringssystemet DuckDB

Efter sex års utveckling har version 1.0 av databashanteraren DuckDB lanserats, som positioneras som ett alternativ till SQLite för analytiska frågor. DuckDB kombinerar funktioner från SQLite, såsom kompakthet, möjlighet att integreras som ett inbäddat bibliotek, lagring av databaser i en fil och en användarvänlig CLI, med verktyg och optimeringar för att utföra analytiska frågor som omfattar en betydande del av den lagrade datan, till exempel genom att aggregera hela tabellers innehåll eller slå samman flera stora tabeller. Projektets kod är skriven i C++ och distribueras under MIT-licensen.

Version 1.0 markeras som den första stabila utgåvan av projektet, där fokus har lagts på att öka stabiliteten snarare än att utöka funktionalitet. I den nya versionen har formatet för datalagring fastställts, vilket säkerställer bakåtkompatibilitet från och med den senaste utgåvan. I kommande versioner avser utvecklarna att vara mer försiktiga med att lägga till nya funktioner och att ta hänsyn till att bevara kompatibiliteten mellan versioner, liksom att stabilisera SQL-dialekten och C API. Om det i framtiden behövs ändringar i SQL-semantiken kommer utvecklarna i förväg att publicera en varning om kommande förändringar och ge alternativ för att bevara befintlig kods funktionalitet.

DuckDB stöder en utvidgad dialekt av SQL som inkluderar ytterligare funktioner för att hantera mycket komplexa och långvariga frågor. Till exempel möjliggör det användningen av komplexa typer (arrayer, strukturer, föreningar) samt att köra godtyckliga och inbäddade korrelerande underfrågor. Samtidig körning av flera frågor stöds, tillsammans med möjligheten att köra frågor direkt från filer i CSV- och Parquet-format. Stöd för import från databasystemet PostgreSQL finns också.

Förutom skalprogrammet från SQLite används en parser från PostgreSQL som har flyttats till ett eget bibliotek, komponenten Date Math från MonetDB, en egen implementering av fönsterfunktioner (baserat på algoritmen Segment Tree Aggregation), en regeluttrycksbehandlare baserad på biblioteket RE2, egna frågeoptimerare, MVCC-mekanismen för hantering av samtidig uppgiftsutförande (Multi-Version Concurrency Control), samt en vektoriserad frågaexecutionsmotor baserad på algoritmen Hyper-Pipelining Query Execution, som möjliggör bearbetning av stora datamängder i en enda operation.

Källa: opennet.ru