Zurück zur Übersicht
DuckLake vom DuckDB-Team: Offenes Lakehouse-Tabellenformat mit stabiler Version 1.0 und Parquet-Speicherung
ProduktstartDuckLakeDuckDBLakehouse

DuckLake vom DuckDB-Team: Offenes Lakehouse-Tabellenformat mit stabiler Version 1.0 und Parquet-Speicherung

Das DuckDB-Team stellt mit DuckLake ein offenes Lakehouse-Tabellenformat bereit. Das System trennt Daten und Metadaten strukturell voneinander: Während die Tabellen-Metadaten in einer relationalen SQL-Datenbank verwaltet werden, liegen die eigentlichen Nutzdaten in Parquet-Dateien vor. Im April 2026 wurde DuckLake in Version 1.0 veröffentlicht. Diese Version zeichnet sich durch eine stabile Spezifikation aus und gewährleistet volle Abwärtskompatibilität für Anwender. Die Architektur ermöglicht den zügigen Aufbau einer Lakehouse-Struktur auf Basis von DuckDB, indem sie standardisierte Dateiformate mit relationaler Metadatenverwaltung verknüpft.

KDnuggets

Die wichtigsten Punkte

  • Offenes Format: DuckLake ist ein offenes Lakehouse-Tabellenformat, das direkt vom DuckDB-Team entwickelt wurde.
  • Zweiteilige Architektur: Die Metadaten der Tabellen werden in einer SQL-Datenbank gesichert, während die Nutzdaten in Parquet-Dateien gespeichert werden.
  • Version 1.0: Das Format erschien im April 2026 in der Version 1.0 mit einer stabilen Spezifikation.
  • Zukunftssicherheit: DuckLake 1.0 bietet eine garantierte Abwärtskompatibilität für bestehende Implementierungen.

Analyse

Struktur und Architektur von DuckLake

DuckLake verfolgt als offenes Lakehouse-Tabellenformat einen klar definierten architektonischen Ansatz. Das Format teilt die Verwaltung der Datenbestände in zwei funktionale Ebenen auf:

  1. Metadatenverwaltung: Die Metadaten der Tabellen werden vollständig innerhalb einer SQL-Datenbank vorgehalten. Dies erlaubt eine strukturierte und relationale Handhabung von Schemainformationen und Tabelleneigenschaften.
  2. Datenspeicherung: Die eigentlichen Datensätze verbleiben getrennt von den Metadaten und werden in standardisierten Parquet-Dateien abgelegt.

Durch diese Entkopplung von Metadaten und Speicherdateien kombiniert DuckLake bewährte Prinzipien von SQL-Datenbanksystemen mit den Vorteilen dateibasierter Speicherstrukturen.

Stabilität und Meilenstein mit Version 1.0

Ein wesentlicher Entwicklungsschritt für das Projekt war die Veröffentlichung von DuckLake 1.0 im April 2026. Mit diesem Meilenstein ging das Tabellenformat in ein Stadium mit stabiler Spezifikation über.

Ein zentraler Aspekt dieser Veröffentlichung ist die garantierte Abwärtskompatibilität. Für Entwickler und Datenverantwortliche bedeutet dies, dass auf Version 1.0 basierende Datenarchitekturen verlässlich betrieben werden können, ohne Inkompatibilitäten bei künftigen Weiterentwicklungen der Spezifikation befürchten zu müssen.

Bedeutung für die KI-Branche

Für datenintensive Anwendungen und KI-Systeme spielen offene Tabellenformate im Lakehouse-Umfeld eine zentrale Rolle bei der Datenorganisation. Die Speicherung von Daten in Parquet-Dateien stellt sicher, dass Roh- und Verarbeitungsdaten in einem weit verbreiteten, effizienten Format vorliegen, welches standardmäßig in Analyse- und Modellierungsprozessen genutzt wird.

Indem DuckLake Tabellen-Metadaten in einer SQL-Datenbank verwaltet und Abwärtskompatibilität garantiert, bietet es eine stabile Grundlage für Datenpipelines, die strukturierte Datenbestände konsistent und langfristig verfügbar halten müssen.

Häufig gestellte Fragen

Was ist DuckLake?

DuckLake ist ein offenes Lakehouse-Tabellenformat, das vom Team hinter DuckDB entwickelt wurde.

Wie speichert DuckLake Daten und Metadaten?

DuckLake speichert die Metadaten der Tabellen in einer SQL-Datenbank. Die eigentlichen Nutzdaten werden separat in Parquet-Dateien abgelegt.

Wann erschien DuckLake 1.0 und was zeichnet diese Version aus?

DuckLake 1.0 wurde im April 2026 veröffentlicht. Die Version bietet eine stabile Spezifikation und garantiert Abwärtskompatibilität.

Ähnliche Nachrichten

Tool Retrieval in der Gemini API: Google kündigt Vorschau für KI-Agenten an
Produktstart

Tool Retrieval in der Gemini API: Google kündigt Vorschau für KI-Agenten an

Google stellt Tool Retrieval als Vorschau in der Gemini API bereit. Die Funktion soll KI-Agenten Zugang zu Hunderten von Werkzeugen ermöglichen und dabei weniger Tokens benötigen. Damit verbindet die Ankündigung zwei Aspekte: die Zahl der Werkzeuge, auf die Agenten zugreifen können, und den dafür nötigen Tokenverbrauch. Wie groß die Einsparung ausfällt, geht aus der Meldung des Google AI Blog nicht hervor. Sie nennt weder einen konkreten Vergleichswert noch erläutert sie, wie Tool Retrieval technisch funktioniert. Auch welche Werkzeuge zur Verfügung stehen und ob oder wann die Funktion über die Vorschau hinaus verfügbar sein wird, bleibt offen. Die Meldung beschreibt somit den angekündigten Nutzen, liefert aber keine technischen Details oder Messwerte.

LangSmith Tool Gateway startet in die öffentliche Beta und regelt Werkzeugaufrufe von KI-Agenten
Produktstart

LangSmith Tool Gateway startet in die öffentliche Beta und regelt Werkzeugaufrufe von KI-Agenten

LangChain meldet, dass LangSmith Tool Gateway als öffentliche Beta verfügbar ist. Das Produkt verwaltet bei jedem Werkzeugaufruf eines KI-Agenten die Zugangsdaten, die Identität und den Zugriff. Zum genannten Funktionsumfang gehören außerdem Richtlinien, Freigaben und Ablaufspuren. Die Meldung beschreibt damit zwei Seiten der Werkzeugnutzung: die Verwaltung von Zugangsdaten, Identität und Zugriff einerseits sowie die Kontrolle und Nachverfolgung von Aufrufen andererseits. Entscheidend für die Einordnung ist, dass LangChain diese Funktionen auf einzelne Werkzeugaufrufe bezieht. Wie Richtlinien festgelegt werden, wann Freigaben erforderlich sind und welche Informationen die Ablaufspuren enthalten, geht aus der Meldung nicht hervor. Der ausdrücklich genannte Veröffentlichungsstatus ist die öffentliche Beta.

Google stellt Gemini Decision 1 vor: Das Modell wählt Antworten aus, statt sie zu schreiben
Produktstart

Google stellt Gemini Decision 1 vor: Das Modell wählt Antworten aus, statt sie zu schreiben

Mit Gemini Decision 1 stellt Google ein Modell vor, das Antworten auswählt, statt sie zu schreiben. Nach der Meldung hat das Modell genau diese eine Aufgabe und verfasst dabei selbst keinen Text. Auf der Eingabeseite kann es Texte, Bilder, Videos, Audio und PDFs verarbeiten. Die Verarbeitung erfolgt in einem einzigen Vorwärtsdurchlauf. Pro Anfrage unterstützt Gemini Decision 1 bis zu 262.144 Eingabetokens. Die Meldung unterscheidet damit zwischen den vielfältigen Eingaben, die das Modell lesen kann, und seiner eng umrissenen Aufgabe bei der Antwort: Es formuliert keine eigene Antwort, sondern trifft eine Auswahl. Die genannte Tokenobergrenze bezieht sich auf die Eingabe pro Anfrage, nicht auf eine Textausgabe.