DuckDB雑紹介(1.1対応版)@DuckDB座談会

2024年6月に発表した(https://speakerdeck.com/ktz/duckdbza-shao-jie)内容にDuckDB バージョン1.1の変更点を追記した版

Transcript

1. 　DuckDB雑紹介
2. 祝1.1リリース 2024-09-09にバージョン1.1がリリースされました https://duckdb.org/2024/09/09/announcing-duckdb-110.html 2/61
3. 特徴 3/61
4. 特徴 インメモリ、組み込み、カラムナデータベース https://mytherin.github.io/papers/2019-duckdbdemo.pdf それ自体が静的ライブラリ データ分析のようなOLAPでの使用が主戦場 永続化もサポート 主だったライバルは、 Snowflake や ClickHouse あたり？ https://duckdb.org 4/61
5. 特徴 いくつかの言語バインディングが標準で提供 C/C++ Rust JS/TS WASM などなど https://duckdb.org/docs/api/overview 5/61
6. 特徴 多彩な外部データ取り込み CSV JSON Apache Parquet PostgrSQL (外部スキーマとしてアタッチ) Wired protocolで直結でWriteも可能 などなど https://duckdb.org/docs/data/overview 6/61
7. 特徴 豊富な機能拡張 (プラグイン) 先の外部データ取り込みもビルトインされた機能拡張として提供さ れている CSV は組み込み機能 https://duckdb.org/docs/extensions/overview#working-with- extensions 7/61
8. 特徴 Live DEMOも公式で提供 (WASM版が) https://duckdb.org/docs/ メニューの一番下のリンクから 8/61
9. 構文 9/61
10. 構文 PostgreSQL のパーザがベース 構文レベルで大体同じことができる 標準SQL ( SQL:2008 あたり) 10/61
11. 構文 データ型 だいたい PostgreSQL と同じ Enum や PostgreSQL 式の型キャスト( :: )も使える https://duckdb.org/docs/sql/data_types/overview 11/61
12. 構文 CTEの式内materialization たぶん PostgreSQL 独自機能 マテリアライズの強制 or 解除 WITH v AS MATERIALIZED (...) SELECT * v https://duckdb.org/docs/sql/query_syntax/with#cte- materialization https://www.postgresql.jp/document/16/html/queries- with.html#QUERIES-WITH-CTE-MATERIALIZATION 12/61
13. 構文 CTEの式内materialization CTEを何度も参照するケース (PostgreSQL) DBエンジンが気を効かせてメモリへのキャッシュを試みる、レ コード数に関係なく！ 収まりきらなくなったキャッシュがスワップされて遅くなる要因 マテリアライズ解除で現実的な速度に改善できる 13/61
14. 構文 CTEの式内materialization 実は WITH v AS (...) とした時の規定値が NOT MATERIALIZED MATERIALIZED を明示した時のみ強制される仕組み 勝手にマテリアライズされないのでご安心を 14/61
15. 構文 CTEの式内materialization というのがバージョン1.0までのお話 バージョン1.1で PostgreSQL 同様ヒューリスティックに決定されるよ うになった 2箇所以上から参照される 集約関数に使われる https://duckdb.org/2024/09/09/announcing-duckdb- 110.html#automatic-cte-materialization 15/61
16. 構文 LATERAL JOIN 公式サイトでは直積での説明しかなくて残念 相関サブクエリの JOIN もちゃんとできるので安心 SELECT * FROM t1 JOIN LATERAL (...) t2 ON true https://duckdb.org/docs/sql/query_syntax/from#lateral-joins ちなみに LATERAL は飾りでしかなく、相関サブクエリの JOIN はなく てもできる 16/61
17. 構文 Window関数 もちのろん、Windowフレームも使える ただし、 Row と Range のみ Group は使えない (使えるの PostgreSQL くらいだけど・・・) https://duckdb.org/docs/sql/functions/window_functions.html#row- framing 特にWindowフレームの説明がわかりやすいので一見の価値あり 17/61
18. 構文 配列、リスト、JSONのunnest ずっと独自機能だと思ってたけど、 SQL:2008 に記載あったわ PostgreSQL でも古くからサポートされている (使ったことなかった) 引用: https://docs.vmware.com/en/VMware- Greenplum/7/greenplum-database/ref_guide- SQL2008_support.html 18/61
19. 構文 配列、リスト、JSONのunnest DuckDBでは、読み込んだ JSON 構造フラット化できる 割と使用頻度高め https://duckdb.org/docs/sql/query_syntax/unnest.html 19/61
20. 独自機能 20/61
21. SELECT文の独自機能 - JOIN拡張 ASOF JOIN 直近のレコードと結合する Snowflake や ClickHouse でも使える OLAP系だとド定番？ 21/61
22. SELECT文の独自機能 - JOIN拡張 ASOF JOIN 用途としては、指定日以前・以後の直近のログデータをもってくる とか SELECT t1.some_date, ... FROM t1 ASOF JOIN t2 ON t1 t1.some_date > t2.some_date https://duckdb.org/docs/sql/query_syntax/from#as-of-joins 22/61
23. SELECT文の独自機能 - JOIN拡張 ASOF JOIN 標準SQLで書くとスッゲーめんどいやつ SELECT t1.some_date, ... WHERE t1.some_date = ( SELECT max(t2.some_date) FROM t2 WHERE t2.some_date < t1.some_date ) 23/61
24. SELECT文の独自機能 - JOIN拡張 POSITIONAL JOIN 2つのデータソースの同一行で結合する 欠損行は NULL に 実体は FULL OUTER JOIN なので zip演算を思い浮かべるとわかりやすいかも SELECT * FROM t1 POSITIONAL JOIN t2 https://duckdb.org/docs/sql/query_syntax/from#positional-joins 24/61
25. SELECT文の独自機能 - 集約関数 ソート可能な集約関数 CREATE TABLE tbl AS SELECT s FROM range(1, 4) r(s); SELECT string_agg(s, ', ' ORDER BY s DESC) AS countdown FROM tbl PostgreSQLの「順序集合集約関数」に似てるけど別物っぽい DuckDBも「順序集合集約関数」をサポートしているわけで https://duckdb.org/docs/sql/functions/aggregates.html#distinct- clause-in-aggregate-functions 25/61
26. SELECT文の独自機能 - 集約関数 配列・リスト型用の関数でラムダ式が使える さらにメソッドチェインもできる SELECT [1, 2, 3].apply(x -> [4, 5, 6].reduce((a, b) -> a + b) + x) https://duckdb.org/docs/sql/functions/lambda ただしメソッドチェインは、配列・リスト型用の関数のみ UPPER とか他の関数はできなかった。残念！ 26/61
27. SELECT文の独自機能 - スター拡張 SELECT句の * と組み合わせて記述する記法 27/61
28. SELECT文の独自機能 - スター拡張 COLUMNS(*) * の指定で、全ての列にまとめて同じ関数を適用できる CREATE TABLE numbers (id INTEGER, number INTEGER); INSERT INTO numbers VALUES (1, 10), (2, 20), (3, NULL); /* 4列帰ってくる */ SELECT min(COLUMNS(*)), count(COLUMNS(*)) FROM numbers; https://duckdb.org/docs/sql/expressions/star#columns-expression 28/61
29. SELECT文の独自機能 - スター拡張 COLUMNS(<パターン>) 正規表現による列名のパターンマッチ ラムダ式も使える CREATE TABLE t (yobi001 VARCHAR, ..., yobi256 VARCHAR); SELECT COLUMNS( c -> substr(c, 5)::int BETWEEN 10 AND 20) FROM t; https://duckdb.org/docs/sql/expressions/star#columns-expression 29/61
30. SELECT文の独自機能 - スター拡張 EXCLUDE(<列名(複数可)>) 特定列だけ除外 不要な1列のために全部列挙しなくてもいい チョー便利 SELECT * EXCLUDE(foo, bar) FROM t; https://duckdb.org/docs/sql/expressions/star#exclude-clause 30/61
31. SELECT文の独自機能 - スター拡張 REPLACE(<式 AS 列名>) 特定列だけ変更できる INSERT-SELECT で大活躍の予感 INSERT INTO t2 SELECT * REPLACE(id*100 AS id) FROM t1 https://duckdb.org/docs/sql/expressions/star#replace-clause 31/61
32. SELECT文の独自機能 - ファイルインポート 32/61
33. SELECT文の独自機能 - ファイルインポート CSV、JSON等をパス指定でそのまま SELECT できる ただし拡張子がある場合のみ WEBサーバーからURLでダイレクト取得も SELECT * FROM 'https://example.com/nanchara-kanchara.json' https://duckdb.org/docs/data/json/overview 33/61
34. SELECT文の独自機能 - ファイルインポート 拡張子がない場合でも、専用関数を使えばOK SELECT * FROM read_json_auto('https://example.com/nanchara-kanchara') CSV や Parquet も専用関数が用意されている https://duckdb.org/docs/data/overview 34/61
35. SELECT文の独自機能 - ファイルインポート 配列で複数のパスも指定可能 SELECT * FROM read_json_auto([ 'https://example.com/nanchara', 'https://example.com/kanchara' ]) 同じフォーマットにする必要はあるだろうけど https://duckdb.org/docs/data/multiple_files/overview#list-parameter 35/61
36. SELECT文の独自機能 - ファイルインポート glob で一括指定することもできる SELECT * FROM 'https://example.com/nanchara-kanchara-*.json' 同じフォーマットにする必要はあるだろうけど https://duckdb.org/docs/data/multiple_files/overview 36/61
37. SELECT文の独自機能 - from first syntax FROM句から先に書ける。ただし・・・ FROM + SELECT or FROM + WHERE のみ もしくは FROM のみで全列選択 FROM WHERE SELECT は書けない残念な子 /* FROMのみ (SELECT * FROM foo と同等) */ FROM foo; /* FROM WHEREの例 */ SELECT EXISTS (FROM foo WHERE id > 5); https://duckdb.org/docs/sql/query_syntax/from#from-first-syntax 37/61
38. SELECT文の独自機能 - GROUP BY GROUP BY ALL 集約関数を適用した列以外でグループ化 SELECT a, b, max(c), count(c) FROM t GROUP BY ALL https://duckdb.org/docs/sql/query_syntax/groupby#group-by-all 38/61
39. SELECT文の独自機能 - ORDER BY ORDER BY ALL SELECT句のすべてのカラム一括指定 ASC / DESCが揃ってる場合は便利かも SELECT A1, A2, A3 FROM t ORDER BY ALL https://duckdb.org/docs/sql/query_syntax/orderby#order-by-all 39/61
40. SELECT文の独自機能 - SAMPLE サンプリングレートを指定して、データをピックアップ 分析界隈では重宝される？ /* 一例。他にもオプションが提供されている */ SELECT * FROM addresses USING SAMPLE 1% https://duckdb.org/docs/sql/query_syntax/sample.html 40/61
41. SELECT文の独自機能 - その他 ケツカンマのサポート 頭カンマじゃなきゃ順序入れ替えが不便とかの不毛な論争ともお さらば SELECT 10, 'abc', FROM t https://duckdb.org/docs/sql/dialect/friendly_sql.html#trailing- commas 41/61
42. INSERT文の独自機能 42/61
43. INSERT文の独自機能 - Upsert INSERT OR REPLACE SQLiteで提供されてるやつ なかったら INSERT あったら UPDATE PostgreSQLの ON CONFLICT DO も使えるがより直感的 INSERT OR REPLACE INTO movies VALUES (1, 'The Phantom Menace'); https://duckdb.org/2023/02/13/announcing-duckdb-070.html#new- sql-features 43/61
44. INSERT文の独自機能 - BY NAME INSERT SELECT で、いちいち位置を合わせなくても列名でマッチ ングしてくれる CREATE TABLE tbl (a INTEGER, b INTEGER); INSERT INTO tbl BY NAME (SELECT 42 AS b, 32 AS a); https://duckdb.org/docs/sql/statements/insert#insert-into--by-name 44/61
45. 独自STATEMENT 45/61
46. 独自STATEMENT - DESCRIBE TABLEやSELECT結果の型を出力 もう information schema を漁らなくても良い DESCRIBE SELECT a1, b1, c1 FROM t https://duckdb.org/docs/sql/statements/describe 46/61
47. 独自STATEMENT - SUMMARIZE テーブルや SELECT 結果の最大値や最小値、 NULL 数等をレポート 結果が、あっれれ〜おっかし〜なって時の調査に役立つかも SUMMARIZE SELECT a1, b1, c1 FROM t https://duckdb.org/docs/sql/statements/summarize 47/61
48. 独自STATEMENT - PIVOT / UNPIVOT 行と列の転置 文として提供されている 大抵のRDBは関数として提供 PIVOT Cities ON Year USING sum(Population); PIVOT: https://duckdb.org/docs/sql/statements/pivot UNPIVOT: https://duckdb.org/docs/sql/statements/unpivot 48/61
49. DBメンテナンスツール 標準パッケージに、CLI版が含まれている JDBCが提供されているので、GUIなツールからもアクセスできる DBeaver については公式でも案内あり https://duckdb.org/docs/guides/sql_editors/dbeaver 49/61
50. できなかったこと 50/61
51. できなかったこと ALTER TABLEで主キーの変更 CTAS で作って、後付けできない キーありにしたければ、 CREATE TABLE + INSERT バージョン1.1でも未サポート 51/61
52. できなかったこと テーブル別名の付与したときのBY NAMEでのINSERT SELECT 句で別名を付与すると、エイリアス込みの列名を探そうとし てエラー /* a.foo AS fooとすれば回避可能 */ INSERT INTO t BY NAME SELECT a.foo FROM table_a a 52/61
53. できなかったこと スカラ問い合わせ(サブクエリ)が、うっかり複数行返す場合、先頭行 返す エラーにして欲しかった・・・ SELECT (SELECT * FROM generate_series(1,10)) 53/61
54. できなかったこと スカラ問い合わせ(サブクエリ)が、うっかり複数行返す場合、先頭行 返す というのはバージョン1.0までのお話 バージョン1.1でエラーになった！ SET scalar_subquery_error_on_multiple_rows=false で今までの挙動に も戻せる https://duckdb.org/2024/09/09/announcing-duckdb- 110.html#breaking-sql-changes 54/61
55. できなかったこと ネストした Derived Table で複数回、 unnest するとデータが欠損 先頭行のみもってくる SELECT * FROM ( SELECT unnest(bar) FROM ( SELECT unnest(foo) FROM t ) ) 遭遇したのはデータソースとして JSON を使った時 テンポラリテーブルで、分けて対処した 55/61
56. できなかったこと - JS/TSバインディング 56/61
57. できなかったこと - JS/TSバインディング SQL実行APIで、 Array や Object をパラメータとして使えない 渡せるのは、 数値 、 文字列 、 boolean 、 NULL のみ 上記以外は、 「Invalid column type encountered for argument」 ってエラーになる IN句 や ANY句 に渡す場合は展開する必要あり CLI ではできるのでバインディングの制限か？ 57/61
58. できなかったこと - JS/TSバインディング SQL実行APIで、名前付きパラメータが使えない 位置パラメータのみ SQLのプレースホルダの順番変えたら地獄 CLI ではできるのに・・・ 58/61
59. できなかったこと - JS/TSバインディン インポートAPI使ったら、文字列->Enum自動変換してくれなかった APIによるSQLの直接発行では、自動変換してくれる 0.10.1の時のはなし 今はしてくれるかも・・・ （未確認） 59/61
60. 以上、DuckDBの駆け足紹介でした バージョン1.1でより使いやすくなったので、みんなも使おう！ 使え！ (豹変) 60/61
61. おわり あばうとみー X(旧ﾄｩｲｯﾀ) - https://x.com/ktz_alias Qiita - https://qiita.com/ktz_alias Zenn - https://zenn.dev/ktz_alias ｷﾞｯﾊﾌﾞ - https://github.com/ritalin 61/61