duckdb_orc 0.2.0：DuckDB 能写 ORC 了

DuckDB 至今不支持 ORC。2023 年有人在官方讨论区问过，维护者 hannes 的回答很直接："No plans, ORC seems far less popular than Parquet"。直到现在，官方扩展列表里也没有 orc。

但 ORC 没死。Hive 的老用户在用，Trino 生态的主力格式也是它。国内很多数仓历史数据就是一堆 .orc 文件，想用 DuckDB 分析，只能先转格式。

我给 DuckDB 写的 ORC 扩展 duckdb_orc，0.1.x 时代只能读。今天 0.2.0 发布，补齐了写：一条 COPY 就能把任意查询结果写成 ORC 文件。

duckdb_orc 读写流程

● ● ●

0.2.0 新增了什么

核心就一件事：写支持。

-- 读 ORC（0.1.x 就有）
SELECT * FROM read_orc('sales.orc');

-- 写 ORC（0.2.0 新增）
COPY sales TO 'sales_copy.orc' (FORMAT orc);

-- 任意查询结果都可以写
COPY (SELECT region, SUM(amount) AS total FROM sales GROUP BY region)
  TO 'region_total.orc' (FORMAT orc);

写入默认 ZSTD 压缩，2048 行一批流式写，文件多大都不占内存。整个扩展纯 Rust，基于 orc-rust 的 ArrowWriter。

● ● ●

实测验证

发布前我把读写都跑了一遍（DuckDB 1.5.5 + 本地构建的扩展）：

读（内置 1 万行测试文件）：

写 + 回读（100 行混合类型：int、varchar、double、bool、date、timestamp）：

不支持的类型：LIST 写入时给干净的 Binder Error，不会崩进程：

Binder Error: write_orc: type List(Field { data_type: Int32, nullable: true })
not supported by the ORC writer yet (supported: bool, int8-64, float32/64,
date, timestamp, varchar, blob)

● ● ●

已知边界

• 写类型白名单
  ：bool、int8/16/32/64、float32/64、date、timestamp、varchar、blob。list/struct/map/decimal 会被干净拒绝——上游 orc-rust 的 writer 还没实现这些编码
• 列名是 column_N
  ：DuckDB C API 的 COPY bind 不暴露源列名，所以写出来的 ORC 列名是 column_0、column_1……读回时注意按位置取列
• 没有 filter pushdown
  ：DuckDB C 扩展 API 没暴露这个接口，过滤在扫描后应用（投影下推是有的）
• 写性能
  ：ZSTD 压缩是默认且目前可切换的（改源码里的压缩配置）

● ● ●

怎么装

INSTALL orc FROM community;
LOAD orc;

社区注册表已经合并（duckdb/community-extensions#2589），全平台二进制由 CI 自动构建发布。源码在 github.com/alitrack/duckdb_orc，MIT 协议。

说实话，ORC 在国内数据栈里的存量比 GitHub 讨论区看起来大得多——Hive 时代留下的 .orc 仓库，很多公司到现在还在用 Trino 或 Spark 读。这也是我做这个扩展的原因。DuckDB 官方说 No plans 的格式，我用一个 10.7MB 的扩展补上了读写。ORC 文件在 DuckDB 里，不用先转格式了。

如果你也被 ORC 历史数据卡过：装了扩展后，COPY 一条语句转 Parquet 再分析，还是直接 read_orc 查，哪种更顺手？评论区聊聊。

参考来源

1. 01
   DuckDB 官方对 ORC 的表态（维护者 hannes：No plans）https://github.com/duckdb/duckdb/discussions/6529
2. 02
   DuckDB 社区扩展注册表 orc 条目（合并 PR #2589） https://github.com/duckdb/community-extensions/pull/2589
3. 03
   duckdb_orc 源码仓库 https://github.com/alitrack/duckdb_orc
4. 04
   上游 orc-rust（Arrow 读写） https://github.com/datafusion-contrib/orc-rust
5. 05
   实测数据来源：DuckDB 1.5.5 + 本地构建的 v0.2.0 扩展（read/write/roundtrip 验证脚本）