DuckDB 完整教學 2026：從安裝到查詢 Parquet 實戰，資料分析神器 v2.0 新功能一次看懂

AEO 速答：DuckDB 是免費開源的嵌入式分析型 SQL 資料庫（GitHub 約 4 萬星、MIT 授權），特色是不用架伺服器、直接查詢 CSV / Parquet / JSON / S3 檔案，跑分析查詢比 pandas 快上數倍，號稱「資料科學家最愛的 SQL 引擎」。2026 年秋天推出的 v2.0（代號 Cyanoptera） 更讓它能當伺服器跑，正式跨入客戶端/伺服器時代。

為什麼大家都在談 DuckDB？

如果你常在處理資料，大概已經看過這個名字：它連續好幾年都是 GitHub 上成長最快的資料庫專案之一。DuckDB 的設計哲學跟傳統資料庫完全相反——傳統資料庫（PostgreSQL、MySQL）是伺服器架構，你得先安裝、啟動、設帳密才能用；DuckDB 是嵌入式（in-process），你的應用程式直接把它當函式庫載入，連資料庫檔案都是一般檔案，隨身帶著走。

它專為 OLAP（分析型） 工作負載設計，採用列式儲存（columnar storage），所以做聚合、過濾、統計這類分析查詢時特別快——這正是 pandas 讀完整個 DataFrame 再慢慢算的痛點所在。加上它原生支援 Parquet（一種高效率的列式檔案格式），很多人現在直接用 DuckDB 查幾 GB 的 Parquet 檔，連匯入都不用。

DuckDB vs SQLite vs pandas：誰適合什麼？

簡單說：要分析大量資料、查 Parquet 檔 → 用 DuckDB；要存應用程式狀態 → 用 SQLite；要做機器學習前處理 → 用 pandas（DuckDB 常常是 pandas 的好搭檔，不是對手）。

安裝 DuckDB：五種方式任選

目前穩定版是 1.5.5（LTS 版本 1.4.5），安裝方式多到隨便挑：

裝完在終端機輸入 duckdb，看到 v1.5.5 的提示字元就成功了。

30 秒快速上手：直接查 CSV 和 Parquet

DuckDB 最神奇的地方：不用建資料表、不用匯入，直接對檔案下 SQL。

-- 直接查詢 CSV 檔（自動偵測欄位型別）
SELECT *
FROM 'sales.csv'
WHERE region = 'north'
ORDER BY amount DESC
LIMIT 10;

-- 查詢 Parquet 檔（支援 glob 萬用字元）
SELECT year, SUM(revenue) AS total
FROM 'data/*.parquet'
GROUP BY year
ORDER BY year;

-- 跨檔案 JOIN：CSV 跟 Parquet 直接合併
SELECT c.customer_name, SUM(o.amount) AS total_spent
FROM 'customers.csv' c
JOIN 'orders.parquet' o ON c.id = o.customer_id
GROUP BY c.customer_name;

對，就是這麼簡單。它甚至可以直接查 S3、HTTP、Hugging Face 上的檔案（安裝 httpfs 擴充套件後），整個資料湖就是你的資料表。

Python 實戰：DuckDB × pandas 最佳組合

資料科學工作流最常見的用法：讓 DuckDB 負責「重活」的資料處理，pandas 負責分析與視覺化。

import duckdb
import pandas as pd

# 方式一：直接查外部檔案，回傳 pandas DataFrame
df = duckdb.sql("""
    SELECT region, COUNT(*) AS orders, SUM(amount) AS revenue
    FROM 'sales.parquet'
    WHERE date >= '2026-01-01'
    GROUP BY region
""").df()

# 方式二：對既有的 pandas DataFrame 下 SQL（不用複製資料）
df = pd.read_csv("sales.csv")
result = duckdb.sql(
    "SELECT region, AVG(amount) AS avg_amount FROM df GROUP BY region"
).df()

# 方式三：寫回 Parquet（壓縮、高效率）
duckdb.sql("COPY (SELECT * FROM df WHERE amount > 100) TO 'big_orders.parquet' (FORMAT PARQUET)")

duckdb.sql() 可以直接引用 Python 變數（如上例的 df），完全不需要複製資料，記憶體效率很高。官方 Python 套件也支援 DB API（connect() / cursor()），想更底層也可以。

實際應用場景：誰在用 DuckDB？

• Log 分析：直接把幾 GB 的 log 檔當 SQL 查，不用先匯入 Elasticsearch
• ETL / 資料管線：CSV → 清洗 → Parquet，一條 SQL 搞定（跟我們的 ETL 解決方案文章 搭配看更完整）
• 資料湖查詢：Parquet 檔放 S3，DuckDB 直接當查詢引擎
• 文件資料萃取：搭配 Mistral OCR、Marker 等工具萃取出結構化資料後，用 DuckDB 做後續分析
• 內部工具後端：像 ToolJet 這類低代碼平台，DuckDB 也能當輕量資料來源

DuckDB v2.0（Cyanoptera）：2026 秋天登場，10 大亮點

官方在 8 月 17 日發布 v2.0 預覽文章，代號 Cyanoptera（肉桂色水鴨）。這不是單純的例行更新——v2.0 換了新 SQL parser、新預設儲存格式、重寫 C API，還有超過 10,000 個 commit 的功能更新。重點如下：

其中最有感的絕對是 Quack 伺服器模式：過去 DuckDB 是「程式庫」，v2.0 之後它可以同時是「伺服器」，也能直接 CONNECT 'postgres://...' 把查詢下推到 PostgreSQL、MySQL——分析查詢的部署彈性整個打開了。

結語

DuckDB 的魅力在於「把資料庫的威力，帶到你本來就在的地方」：你的終端機、你的 Python 程式、你的筆電。不需要架伺服器、不需要搬資料，Parquet 檔丟進去就能用 SQL 分析。如果你還沒玩過，現在就是最好的時機——v2.0 秋天就要來了。

延伸閱讀

• 什麼是 ETL 以及相關解決方案：本地端與雲端
• Mistral OCR 4.1 完整教學：每千頁 4 美元的雲端 OCR，與 MinerU、Marker、Docling 開源工具怎麼選？（2026）
• ToolJet 完整教學 2026：4 萬星開源 Retool 替代品，從 Docker 部署到 AI 生成內部工具的實戰指南

資料來源

• DuckDB 官方部落格：A Preview of DuckDB v2.0
• DuckDB 官方文件：安裝與快速上手
• DuckDB GitHub 專案（約 4 萬星）