DuckDB 不再只做嵌入式：Quack 协议让多客户端通过 HTTP 共享同一个数据库

2026-05-31 28 预计阅读时间：1 分钟
来源：infoq.com AI 摘要 原文链接

免责声明：本文为 AI 摘要整理，建议结合原文阅读。摘要可能省略上下文、版本差异或边界条件，不作为官方说明。

预计阅读时间：8 分钟

DuckDB 一直以"嵌入式分析数据库"著称——它像 SQLite 一样跑在进程内，没有独立服务端，没有网络监听端口。这种设计对单机场景很友好，但一旦你想让多个应用或多个用户同时访问同一份 DuckDB 数据，就只能靠文件锁或外部调度来协调，体验并不好。最近 DuckDB 官方宣布了 Quack——一个基于 HTTP 的客户端/服务端协议，让多个 DuckDB 实例通过网络连接并操作同一个数据库。这标志着 DuckDB 从纯嵌入式走向了真正的多用户共享场景。

从嵌入式到可共享：为什么需要 Quack

DuckDB 的传统用法是这样的：

import duckdb

con = duckdb.connect("analytics.db")
con.execute("SELECT COUNT(*) FROM events")

数据库文件 analytics.db 只能被一个进程独占写入。如果你有多个 Python 服务、多个 Jupyter 用户、或者一个 BI 工具想同时读同一份数据，要么忍受只读模式下的并发限制，要么自己写一层代理服务来串行化请求。

Quack 解决的就是这个问题：它在 DuckDB 之上提供 HTTP 协议层，让一个 DuckDB 实例作为服务端监听请求，其他 DuckDB 实例作为客户端远程连接，共享同一个底层存储和计算资源。

Quack 协议的核心设计

Quack 的关键特性可以概括为三点：

  • HTTP 作为传输层：不依赖自定义 TCP 协议或 gRPC，直接走 HTTP，这意味着任何能发 HTTP 请求的运行时都能当客户端，部署和调试也更简单。
  • 多客户端并发访问：多个 DuckDB 客户端实例可以同时连接同一个 Quack 服务端，服务端负责协调查询执行和资源管理。
  • 保留 DuckDB 的分析能力：客户端拿到的是完整的 SQL 执行能力，不是简单的数据转发。查询计划在服务端生成和执行，结果通过网络返回。

这种架构让 DuckDB 从"每个进程各跑一份"变成了"一份数据、多个入口"，对数据团队共享分析场景尤其有用。

实际搭建与使用

下面用一个最小示例演示如何启动 Quack 服务端并用客户端远程查询。注意：Quack 是新发布的协议，具体 API 和参数可能随版本迭代调整，以下示例基于当前公开信息，运行前请确认你使用的 DuckDB 版本已包含 Quack 支持。

启动服务端

先安装带 Quack 扩展的 DuckDB，然后在服务端机器上启动 HTTP 监听：

import duckdb

con = duckdb.connect("analytics.db")

# 加载 Quack 扩展并启动 HTTP 服务端
con.execute("INSTALL quack FROM community")
con.execute("LOAD quack")
con.execute("SELECT quack_start_server('0.0.0.0', 5433)")

服务端会在 0.0.0.0:5433 上监听 HTTP 请求，底层操作的数据库就是 analytics.db。

客户端远程连接

在另一台机器（或同一机器的不同进程）中，客户端通过 HTTP 连接到服务端：

import duckdb

# 客户端连接远程 Quack 服务端
con = duckdb.connect("quack://192.168.1.10:5433")

# 直接执行 SQL，查询在服务端运行，结果返回客户端
result = con.execute("SELECT user_id, COUNT(*) AS cnt FROM events GROUP BY user_id ORDER BY cnt DESC LIMIT 10")
print(result.df())

客户端代码看起来和本地连接几乎一样，只是连接字符串从文件路径变成了 quack://host:port。这是 Quack 的设计目标——让远程访问的代码改动量最小。

用 curl 直接发请求

因为 Quack 走 HTTP，你甚至可以用 curl 快速验证服务端是否正常：

# 发送一条 SQL 查询到 Quack 服务端
curl -X POST http://192.168.1.10:5433/query \
  -H "Content-Type: application/json" \
  -d '{"sql": "SELECT COUNT(*) FROM events"}'

这种裸 HTTP 调用方式对调试、监控和脚本集成都很方便。

适用场景与边界

Quack 打开了多用户共享 DuckDB 的门，但它并不是要替代 PostgreSQL 或 ClickHouse 的定位。理解它的边界，才能用对地方：

适合的场景： - 数据团队内部共享一份分析数据集，多人用 Python / Jupyter 并发查询。 - BI 工具（如 Metabase、Superset）需要读 DuckDB 数据，但不想把文件拷来拷去。 - 微服务架构中，多个服务需要读同一份冷数据做轻量分析，不想引入重型数据库。

需要注意的限制： - DuckDB 本身的并发写入能力有限，Quack 服务端仍然受此约束。高并发写入场景不是它的强项。 - HTTP 传输意味着每次查询都有网络延迟，对毫秒级低延迟场景不如本地嵌入式合适。 - Quack 是新协议，生态和工具链（连接池、ORM 适配、监控）还在早期阶段。

上手建议

如果你已经在用 DuckDB 做本地分析，想尝试多用户共享，可以按这个清单推进：

  1. 确认版本兼容：检查你当前 DuckDB 版本是否已发布 Quack 扩展，社区扩展仓库中是否可安装。
  2. 先在单机测试：在同一台机器上分别跑服务端和客户端进程，验证连接和查询正常后再做跨机器部署。
  3. 评估并发模式：如果你的场景以读为主、偶尔写入，Quack 很合适；如果写入密集，先做压力测试再决定。
  4. 网络安全：Quack 目前走 HTTP 无加密，生产部署建议放在内网或前面加 TLS 反向代理（如 nginx）。
  5. 监控查询耗时：因为引入了网络层，原本本地毫秒级完成的查询可能变成百毫秒级，用 EXPLAIN ANALYZE 对比本地和远程的差异。

DuckDB 从嵌入式走向可共享，Quack 是第一步。它没有试图把 DuckDB 变成通用分布式数据库，而是用最轻量的 HTTP 协议解决了"多人想用同一份 DuckDB 数据"这个具体问题。对于已经在 DuckDB 上投入的数据团队，这是一个值得跟进的方向。

# InfoQ # 全栈 # 后端 # 数据库

相关推荐