DuckDB: phân tích dữ liệu ngay trong một script

Bạn nhận file doanh thu và muốn dùng SQL ngay trên laptop. DuckDB là database phân tích chạy trong process của ứng dụng; ví dụ Python dưới đây không cần dịch vụ riêng hay cổng kết nối. Nó phù hợp với quét/tổng hợp dữ liệu cục bộ, không tự trở thành hệ thống chia sẻ cho nhiều ứng dụng ghi đồng thời.

Môi trường thực hành

Bộ bài dùng DuckDB 1.4.3, Python 3.12, macOS Intel, kiểm tra ngày 1/10/2026. Đây là phiên bản cố định cho ví dụ, không khẳng định là bản mới nhất. Linux và Windows chưa được kiểm thử. Cần biết SQL SELECT/GROUP BY và cách chạy script Python.

Trong thư mục học riêng, tạo môi trường rồi cài package:

python3.12 -m venv .venv-duckdb
source .venv-duckdb/bin/activate
python -m pip install duckdb==1.4.3
python -c "import duckdb; print(duckdb.__version__)"

Kết quả kiểm tra phiên bản: 1.4.3. Trên Windows, lệnh activate khác; chưa coi đoạn shell này là hướng dẫn Windows.

Một truy vấn đầu tiên

Lưu code vào duckdb_first.py, chạy python duckdb_first.py. Mỗi dòng là một đơn đã thanh toán; ID duy nhất, tiền nguyên đồng.

import duckdb

con = duckdb.connect(":memory:")
try:
    con.execute("CREATE TABLE orders(order_id BIGINT PRIMARY KEY, shop VARCHAR, amount_dong BIGINT)")
    con.executemany("INSERT INTO orders VALUES (?, ?, ?)",
                    [(101, "A", 40000), (102, "A", 35000), (103, "B", 50000)])
    print(con.execute("SELECT shop, SUM(amount_dong) FROM orders GROUP BY shop ORDER BY shop").fetchall())
finally:
    con.close()

Kết quả: [('A', 75000), ('B', 50000)]. :memory: tạo database tạm trong bộ nhớ; đóng connection thì không còn bảng này. Nếu cần giữ bảng qua lần chạy, dùng một đường dẫn file và quản lý vòng đời file rõ ràng.

Khi nào cần công cụ khác?

Nếu nhiều dịch vụ cần ghi giao dịch vào một database chung, xem database server như PostgreSQL. Nếu dữ liệu/công việc cần tài nguyên phân tán, xem Spark. Đừng chọn chỉ dựa vào số gigabyte: phép JOIN, memory, disk và concurrency đều ảnh hưởng.

Nếu ModuleNotFoundError, kiểm tra package đã cài vào đúng interpreter dùng chạy script. Không cài lại vào Python hệ thống khi đang dùng venv khác. Đọc tiếp truy vấn file.

Tài liệu gốc

Python API, DuckDB 1.4 LTS mô tả connection trong memory/file và API thực thi. Phiên bản runtime của ví dụ được pin riêng ở trên.