DuckDB 与 SQLite 对比：嵌入式数据库怎么选
SQLite 与 DuckDB 都是免服务器的嵌入式数据库，但一个为事务而生，一个为分析而生。本文从存储架构、查询处理、并发、性能与数据科学集成全面对比。
直接回答：SQLite 是全球部署量最大的数据库引擎，行式存储 + 完整 ACID 事务，擅长应用内本地存储与读写混合场景；DuckDB 是新一代分析型嵌入式数据库，列式存储 + 向量化执行，专为大数据集上的聚合分析而生。 选择的分水岭是负载类型：OLTP 选 SQLite，OLAP 选 DuckDB。
两者是什么
SQLite：广泛用于嵌入式和本地应用。单文件、零配置、事务完备，是"应用文件格式"的事实标准。
DuckDB：2019 年前后兴起，定位"分析领域的 SQLite"。直接查询 CSV/Parquet，一条 SQL 聚合几 GB 数据，数据科学圈迅速走红。
存储架构：行与列的分野
- SQLite 行式存储：整行连续存放，按主键取一条记录飞快，写入也高效；
- DuckDB 列式存储：每列独立存放，
SUM(amount)只扫 amount 一列，压缩率高、CPU 缓存友好，有利于分析查询；代价是单行更新代价大。
查询处理
SQLite 的查询引擎为毫秒级点查优化；DuckDB 用向量化执行（一批一批处理数据而非一行一行），配合多线程并行扫描，适合聚合、窗口和大表关联，需比较具体执行计划。
# DuckDB：聚合 Parquet 数据，耗时取决于数据与硬件
con.sql("SELECT region, SUM(amount) FROM 'sales.parquet' GROUP BY region")
并发与事务
SQLite：完整 ACID，多读单写（WAL 模式下读写可并行），多进程读友好。
DuckDB：单进程内多线程读没问题，单进程内也可并发事务；原生文件不支持多个独立进程直接并发写，远程或协调方案须单独评估——它是分析引擎不是服务数据库。
数据类型与函数
SQLite 类型系统宽松（动态类型），函数集精简；DuckDB 类型严格且丰富（数组、结构体、地图、区间），分析函数（窗口、分位数、时间序列）一应俱全，提供正则和 JSON 函数；地理能力通常需安装并加载 spatial 扩展。
性能优化手段
- SQLite：索引、WAL 模式、合理 page_size、批量事务提交；
- DuckDB：Parquet 列裁剪、谓词下推、
memory_limit与外排序、物化中间表。
数据科学工作流
DuckDB 支持与 pandas/Polars/Arrow 交换数据，是否零拷贝取决于接口与类型，直接查文件即开即用，是笔记本上的"迷你数仓"；SQLite 与数据科学的交集主要在"应用产生的数据落地"。
维护
静态关闭的数据库可复制文件；运行中的 SQLite 应用 backup API 等一致性方案，DuckDB 应 checkpoint 并关闭写连接后复制，不能漏掉 WAL。SQLite 有 VACUUM 整理碎片；DuckDB 文件随分析任务生命周期管理即可。
一句话决策
| 场景 | 选 |
|---|---|
| App 本地存储、嵌入式配置、边缘设备 | SQLite |
| 日志/事件/报表的即席分析、数据管道中间层 | DuckDB |
| 既要事务又要分析 | SQLite 落地 + DuckDB 分析（各用其长） |
常见问题（FAQ）
Q：能用 DuckDB 做 Web 应用数据库吗？
A：不建议。它支持事务与单进程内并发写，但原生文件的访问模型不同于多客户端服务数据库，那是 PostgreSQL/SQLite 的领域。
Q：DuckDB 文件能给多人共享吗？
A：只读共享可以（挂载只读、多进程读）。协作写入请上真正的数据库服务。
Q：为什么 DuckDB 查 CSV 比导入 SQLite 再查还快？
A：列裁剪 + 向量化 + 并行扫描，而且省掉了导入这一步本身。
官方参考
本文基于官方文档整理，未进行运行时或性能测试。示例中的业务函数、数据模型和部署地址需结合项目补全；局部片段不等同于完整生产应用。
