DuckDB 换掉了 Python 胶水层.两个新扩展也来了

DuckDB 的 Python 包今天合并了一个大 PR：把底层绑定从 pybind11 换成了 nanobind。

听起来像是"换了个依赖"，实际上改了 231 个文件，+5126 / -3891 行，拆成了 50 个 commit，作者是 DuckDB 团队成员 Evert Lammerts。

为什么换？

pybind11 是 C 和 Python 之间的"翻译官"——C 写的 DuckDB 内核要对 Python 暴露 API，全靠 pybind11 做中间层。这东西用了快十年，稳定性没得说，但它慢。编译慢、生成的 wheel 大、运行时的类型转换也有开销。

nanobind 是 pybind11 原作者 Wenzel Jakob 写的新一代替代品。同一个人的作品，但这次从零重写，解决的全是 pybind11 的遗留问题：

• 编译快 2-3 倍。DuckDB Python 的 CI 构建时间会有明显改善。
• 生成的二进制更小。对 pip install duckdb 的用户来说，wheel 下载更快。
• 运行时开销更低。Python↔C++ 之间的函数调用、类型转换，nanobind 都做了精简。
• 更好的类型安全。nanobind 在编译期就能捕获更多类型错误。

换绑定层不会给用户带来新功能，编译速度的提升用户也感知不到。但团队还是做了——231 个文件的重写。他们觉得 pybind11 的包袱值得扔掉。

具体什么时候发布还不确定，但代码已经在 main 分支了。下一个 DuckDB 版本的 Python 包，底层就是 nanobind。

同一天，DuckDB 社区扩展目录也多了两个新面孔。

● ● ●

LTTB：时序数据的降采样算法

如果你做过时序数据的可视化，大概率用过 LTTB（Largest Triangle Three Buckets）。这是降采样领域的"标准答案"——把 100 万个数据点压缩到 1000 个，同时保留原始曲线的视觉特征。

以前你得在 Python 里用 tsdownsample 之类的库做这件事。现在可以在 SQL 里直接写了：

SELECT lttb(time, value, 1000) FROM sensor_data;

扩展提供了 7 个函数：lttb、largestTriangleThreeBuckets、lttb_sorted、lttb_indices、minmax_lttb、minmax_lttb_sorted、bucket_stats。降采样、看索引、查桶统计，一条 SQL 搞定。

仓库：github.com/reformovo/duckdb-lttb

● ● ●

ZIM 0.5.0：远程全文搜索

ZIM 格式你可能不熟，但一定用过它的产物——离线 Wikipedia、Kiwix 浏览器里的百科全书，都是 ZIM 文件。

DuckDB ZIM 扩展让你用 SQL 直接查这些离线档案。v0.5.0 的亮点是远程搜索：以前要搜索一个 2.2GB 的 ZIM 文件，得先下载整个 166MB 的 Xapian 全文索引；现在通过 HTTP 的 byte-range 请求，一次冷查询只取 ~0.3% 的数据。

SELECT zim_search('https://example.com/wiki.zim', 'DuckDB');

这背后是在 Xapian 上加了一层 RandomAccessReader，让搜索引擎可以按需读取远程索引而不是全部下载。对于归档类数据（百科全书、文档集合、离线知识库），这个优化把"能用"变成了"好用"。

仓库：github.com/teaguesterling/duckdb_zim

nanobind 的迁移，受益的是所有 Python 用户，虽然他们不会直接感知到。LTTB 扩展让时序降采样变成了一条 SQL 的事。ZIM 0.5.0 的远程搜索，用 0.3% 的数据回答了 100% 的查询——这是我最喜欢的那种优化。

三个 PR 都是同一天合并的。DuckDB 的下一个版本，值得等。