Database Analitik dan Query Engine

Pahami perbedaan beban kerja OLTP dan OLAP, kenali komponen analytical query engine, dan lihat demo nyata query analitik yang sama di SQLite versus DuckDB.

Bedah layout penyimpanan per kolom: kenapa query dua kolom dari dua belas kolom jauh lebih cepat di Parquet dibanding CSV, dengan bukti column pruning dari rencana eksekusi DuckDB.

Bedah model eksekusi row-at-a-time versus vectorized, lalu ukur sendiri bedanya lewat benchmark satu juta baris: Python loop, NumPy, dan DuckDB pada data yang identik.

Gunakan DuckDB sebagai engine OLAP di dalam proses Python: read_csv_auto, ASOF JOIN, agregasi LIST/STRUCT, hingga ATTACH lintas database — semuanya dengan output eksekusi nyata.

Kenali arsitektur coordinator/worker Trino, katalog konektor ke banyak sumber data, dan pola SQL lintas katalog untuk query terfederasi di skala klaster.

Pelajari ClickHouse untuk analitik real-time: tabel MergeTree dengan sparse primary index, arsitektur shard dan replica, serta konfigurasi server yang divalidasi strukturnya.

Baca rencana eksekusi EXPLAIN ANALYZE di DuckDB, buktikan predicate pushdown dan row group skipping pada Parquet, dan pahami mengapa penulisan SQL yang berbeda bisa menghasilkan rencana yang sama.

Bedah pola MPP coordinator/worker lewat simulasi nyata: pecah satu juta pesanan ke delapan shard Parquet, hitung agregasi parsial paralel, lalu buktikan partition pruning membaca satu dari delapan berkas.

Jalankan satu query SQL atas tiga sumber berbeda — SQLite, Parquet, dan CSV — lewat ATTACH dan read_parquet di DuckDB, lengkap dengan bukti pushdown dan batas nyata query federation.

Rangkum seluruh section menjadi keputusan nyata: tabel perbandingan SQLite/PostgreSQL, DuckDB, Trino, ClickHouse, dan Spark, benchmark segar satu juta baris, serta diagram keputusan yang bisa dipakai berulang.