DuckDB — Misión

Por qué estoy aprendiendo esto

Cada pregunta que me hago sobre la CI de este sitio — qué workflow falla más, cuánto tardan los jobs de Windows, qué step se volvió más lento — acaba en un montón de JSON salido de gh run list y gh api. Lo leo con jq, o lo pego en una hoja de cálculo. DuckDB promete responder a esas preguntas con SQL, directamente desde los archivos, sin instalar ningún servidor.

A quién va dirigido este curso

Conoces el SQL de SQL Server, PostgreSQL o SQLite: SELECT, JOIN, GROUP BY. Escribes C# o Java. No necesitas saber nada de analítica ni de ingeniería de datos.

Qué es DuckDB, en una tabla

	SQL Server / PostgreSQL	SQLite	DuckDB
Se ejecuta	como un servidor	dentro de tu proceso	dentro de tu proceso
Pensado para	transacciones (OLTP)	transacciones, aplicaciones pequeñas	analítica (OLAP): recorridos, agregaciones, joins sobre muchas filas
Almacenamiento	por filas	por filas	por columnas
Base de datos	una instancia de servidor	un archivo	un archivo, o ninguno: también consulta directamente archivos CSV, JSON y Parquet
Desde .NET	`Microsoft.Data.SqlClient`, Npgsql	`Microsoft.Data.Sqlite`	DuckDB.NET (ADO.NET)
Desde Java	driver JDBC	driver JDBC	driver JDBC

La primera fila de la tabla, en imagen: SQL Server y PostgreSQL se ejecutan como un servidor, en un proceso propio, mientras que DuckDB se ejecuta dentro de tu proceso, junto a los archivos que lee.

flowchart LR
    subgraph p1["tu proceso"]
        app1["código C# o Java"] --> driver["driver"]
    end
    subgraph p2["proceso servidor"]
        server["SQL Server o PostgreSQL"]
    end
    driver --> server
    subgraph p3["tu proceso"]
        app2["código C# o Java"] --> duck["DuckDB, mediante DuckDB.NET o JDBC"]
    end
    dbfile[("un archivo de base de datos, o ninguno")]
    files[("archivos CSV, JSON y Parquet")]
    duck --> dbfile
    duck --> files

Los datos

El curso consulta una instantánea del historial de GitHub Actions de este mismo repositorio, exportada el 2026-09-14 en code/duckdb/data:

runs.json: 125 ejecuciones de workflows, obtenidas con gh run list --limit 1000 --json databaseId,workflowName,event,status,conclusion,createdAt,updatedAt,startedAt,headBranch,headSha,attempt;
jobs.json: los 315 jobs de esas ejecuciones, con sus steps, obtenidos de la API REST de GitHub.

Son las ejecuciones que produjo el curso de GitHub Actions: fallos reales, tiempos reales, tres sistemas operativos.

Al final de este curso, sabré

consultar archivos CSV, JSON y Parquet con SQL desde la CLI de DuckDB;
usar las extensiones SQL de DuckDB para escribir consultas analíticas más cortas;
aplanar JSON anidado con STRUCT, LIST y unnest;
convertir entre formatos y leer muchos archivos a la vez;
usar DuckDB desde C# y desde Java;
leer un plan de consulta y saber cuándo DuckDB no es la herramienta adecuada.

Plan

#	Lección	Si conoces SQL Server
1	Primeras consultas	`sqlcmd`, `OPENROWSET`, `SELECT INTO`
2	Friendly SQL: fechas, ventanas, `QUALIFY`, `PIVOT`	funciones de ventana, `PIVOT`
3	Datos anidados: `STRUCT`, `LIST`, `unnest`	`OPENJSON`, `CROSS APPLY`
4	Archivos: CSV, Parquet, globs, archivos remotos	`BULK INSERT`, tablas externas
5	DuckDB desde C#	ADO.NET
6	DuckDB desde Java	JDBC
7	Rendimiento: planes y almacenamiento por columnas	planes de ejecución, índices columnstore
8	Persistencia, transacciones y concurrencia	aislamiento, bloqueos
—	Diario

Recursos

Documentación de DuckDB
Por qué DuckDB
CLI de DuckDB
Friendly SQL: las extensiones al SQL estándar
Código fuente de DuckDB