用了五年PostgreSQL之后，我开始在分析场景用DuckDB。不是替代，是互补
用DuckDB实现dbt风格的三层数据模型（raw→staging→mart）。5000条订单数据，全管道重建只要5毫秒。包含数据质量测试、增量模型模拟。
写了十年代码之后，我开始想：程序员的第二曲线是什么
DuckDB扩展生态实战。httpfs直查远程文件、spatial地理计算、parquet元数据优化，6个真实场景，Parquet比CSV快10倍的性能数据。
vibe coding三个月后，我终于承认：AI写代码很快，但工程不是写代码
DuckDB Python客户端完整指南。从pandas DataFrame直查、参数化查询、持久化数据库，到自定义UDF函数，8个真实代码示例，性能对比数据。
通过8个真实案例，展示DuckDB复杂查询优化技巧。从相关子查询到窗口函数，从38倍性能提升到100万行数据96ms完成聚合，每个优化都有真实代码和性能数据。
深入测试 DuckDB 的 VIEW 和物化视图机制，发现 DuckDB 不支持原生 MATERIALIZED VIEW 语法，用 CREATE TABLE AS 模拟实现 10.5 倍性能提升。
DORA 2025 报告说 AI 提高了吞吐量，却降低了稳定性。写了 18 年代码的我，想说点真话。
