$type=ticker$cols=4

$type=slider$meta=0$snip=0$rm=0

DuckLake: Lakehouse Katalog SQL dan Uji Praktis di DuckDB

Lakehouse biasanya berarti tiga lapisan yang harus dijaga terpisah: file Parquet di object storage, file metadata (manifest) yang mencatat ...

Meja kerja putih dilihat dari atas: sebagian laptop, buku catatan terbuka, ponsel, pensil kuning, dan kacamata, dengan cahaya alami lembut

Lakehouse biasanya berarti tiga lapisan yang harus dijaga terpisah: file Parquet di object storage, file metadata (manifest) yang mencatat versi tabel, dan layanan katalog yang menunjuk metadata terbaru. Setiap lapisan punya mode gagal sendiri, dan operasi seperti “tabel apa saja yang ada” atau “hapus satu baris” berubah menjadi urusan banyak file kecil. DuckLake mengambil jalan lain: metadata tabel disimpan di database SQL biasa, bukan di ratusan file manifest.

Artikel ini menguji DuckLake secara nyata di direktori sementara, memakai DuckDB 1.5.6 dengan ekstensi ducklake dan sqlite pada Python 3.12, Linux amd64. Versi 1.1 dari spesifikasi DuckLake dirilis 21 Oktober 2026 bersama DuckDB 2.0.0 LTS, dan itulah alasan topik ini relevan sekarang. Perlu dinyatakan sejak awal: uji hands-on di bawah berjalan pada katalog format 1.0, karena wheel DuckDB 2.0.0 tidak dapat dijalankan pada CPU mesin ini (dijelaskan di bagian kompatibilitas). Fitur khusus 1.1 saya bahas dari dokumentasi resmi dan ditandai belum diuji.

Mengapa metadata dipindahkan ke database

Pada Apache Iceberg, Delta Lake, dan Apache Hudi, metadata tabel hidup sebagai file di object storage: manifest, manifest list, dan file log. Model itu terbukti bekerja pada skala besar, tetapi menuntut perawatan tersendiri. Setiap commit menulis file baru, setiap pembacaan harus membuka beberapa file untuk mengetahui file data mana yang relevan, dan pembersihan file lama menjadi pekerjaan rutin yang wajib dijadwalkan.

DuckLake memindahkan seluruh metadata itu ke tabel relasional di database katalog. Database yang dipakai bisa PostgreSQL, SQLite, atau file DuckDB, dan DuckDB 2.0 menambahkan opsi katalog DuckDB yang dibagikan lewat protokol Quack. Yang tersisa di object storage hanyalah file Parquet berisi data. Konsekuensinya, pertanyaan seperti “file mana yang perlu dibaca untuk filter ini” dijawab oleh satu kueri SQL ke katalog, bukan dengan menelusuri pohon manifest.

Pendekatan ini bukan tanpa biaya. Database katalog menjadi komponen yang wajib tersedia dan wajib di-backup; kalau katalog hilang, file Parquet tetap ada tetapi tidak lagi punya arti sebagai tabel. Untuk tim yang sudah terbiasa mengoperasikan PostgreSQL, pertukaran ini sering lebih mudah dirawat daripada menambah layanan katalog khusus seperti pada artikel lakehouse self-hosted dengan Iceberg, Trino, dan Polaris.

Menyiapkan lingkungan uji yang terisolasi

Prasyarat: Python 3.12, paket duckdb==1.5.6 (versi yang terbukti berjalan di mesin uji), dan pytz bila Anda membaca kolom bertipe TIMESTAMP WITH TIME ZONE dari katalog lewat Python. Ekstensi ducklake dan sqlite diunduh sekali oleh DuckDB dari repositori ekstensi resmi. Semua pekerjaan dilakukan di direktori sementara, bukan di sistem produksi.

mkdir -p /tmp/ducklake-lab && cd /tmp/ducklake-lab
python3 -m venv .venv
.venv/bin/pip install "duckdb==1.5.6" pytz
.venv/bin/python -c "import duckdb; print(duckdb.__version__)"

Keluaran pada mesin uji: 1.5.6. Selanjutnya buat katalog dan tabel pertama. Perhatikan parameter DATA_PATH: katalog menyimpan pointer, sedangkan file Parquet ditulis ke direktori itu.

import duckdb
con = duckdb.connect()
con.execute("INSTALL ducklake; LOAD ducklake; INSTALL sqlite; LOAD sqlite;")
con.execute("ATTACH 'ducklake:cat.ducklake' AS lake (DATA_PATH 'data/');")
con.execute("USE lake;")
con.execute("""CREATE TABLE orders(
  order_id INTEGER, customer VARCHAR, amount DECIMAL(10,2), ts TIMESTAMP);""")
con.execute("""INSERT INTO orders VALUES
 (1,'andi',120000,'2026-10-03 09:12:00'),(2,'budi',45000,'2026-10-14 11:02:00'),
 (3,'citra',98000,'2026-11-01 08:30:00'),(4,'dewi',51000,'2026-11-02 15:44:00'),
 (5,'eka',76000,'2026-11-03 10:05:00');""")

Setelah lima baris itu dimasukkan, direktori data/ masih kosong: tidak ada satu pun file Parquet. Lima baris tersebut tersimpan di tabel inline dalam katalog. Ekstensi versi 1.5.6 melaporkan build ac7595b0, dan setelan ducklake_default_data_inlining_row_limit bernilai 10, sesuai dokumentasi data inlining.

Uji 1: batas inlining dan checkpoint

Inlining bukan sekadar optimasi tulis. Ia menjelaskan mengapa lakehouse kecil bisa dipakai tanpa menimbulkan masalah file kecil. Untuk melihat batasnya, saya menambahkan 15 baris dalam satu pernyataan:

con.execute("""INSERT INTO orders SELECT 100+i, 'pelanggan'||i, 10000+i*100,
  TIMESTAMP '2026-11-10 08:00:00' + INTERVAL (i) HOUR FROM range(15) t(i);""")
con.execute("CHECKPOINT;")

Hasil pengukuran pada katalog yang sama:

setelah 5 baris      : data_file=0  inlined=5
setelah +15 baris    : data_file=1  inlined=5
setelah CHECKPOINT   : data_file=1  inlined=0

Bacaan hasilnya: batch 5 baris masuk ke katalog karena berada di bawah ambang 10 baris. Batch 15 baris melewati ambang, sehingga ditulis sebagai satu file Parquet; lima baris inline sebelumnya tetap di tempatnya sampai CHECKPOINT memindahkannya. CHECKPOINT bukan perintah khusus DuckDB untuk flush, melainkan pembungkus enam fungsi pemeliharaan yang dijalankan berurutan: flush data inline, expire snapshot, merge file berdekatan, rewrite file, bersihkan file lama, dan hapus file yatim, sesuai dokumentasi checkpoint.

Jejak setiap perubahan bisa dibaca langsung dari katalog. Tabel ducklake_snapshot_changes mencatat operasi per snapshot, misalnya created_table:"main"."orders", inlined_insert:1, inserted_into_table:1, dan inline_flush:1. Ini berguna saat menelusuri siapa menulis apa, tanpa harus membaca log aplikasi.

Uji 2: snapshot dan time travel

Setiap commit menghasilkan snapshot. Time travel memakai nomor snapshot atau waktu, dan tidak memerlukan salinan tabel:

con.execute("DELETE FROM orders WHERE order_id = 2;")
con.execute("SELECT count(*) FROM orders").fetchone()                  # 19
con.execute("SELECT count(*) FROM orders AT (VERSION => 5)").fetchone()  # 20

Pada uji ini, snapshot 5 adalah keadaan tepat sebelum penghapusan, sehingga jumlah barisnya 20; keadaan sekarang 19. Snapshot yang diminta harus benar-benar ada. Meminta versi sebelum tabel dibuat akan gagal dengan pesan Table with name clicks does not exist at version 1, bukan mengembalikan tabel kosong. Perilaku ini penting untuk pipeline inkremental: kesalahan versi terlihat jelas, bukan diam-diam menghasilkan data kosong.

Menghapus baris tanpa menulis ulang file

Dengan setelan bawaan, penghapusan satu baris bahkan tidak menghasilkan file delete: katalog mencatatnya sebagai inlined_delete dan ducklake_delete_file tetap kosong, karena penghapusan kecil ikut di-inline seperti insert kecil. File delete Parquet posisional baru muncul ketika inlining dimatikan atau ambangnya terlampaui. Untuk memperlihatkan bentuk itu, saya mengulang uji pada katalog terpisah dengan DATA_INLINING_ROW_LIMIT 0:

ATTACH 'ducklake:cat2.ducklake' AS lake2 (DATA_PATH 'data2/', DATA_INLINING_ROW_LIMIT 0);
USE lake2;
CREATE TABLE t AS SELECT i AS id, 'row'||i AS v FROM range(20) t(i);
DELETE FROM t WHERE id = 2;

Hasilnya: ducklake_delete_file berisi satu baris dengan format='parquet' dan delete_count=1, jumlah baris yang terbaca 19, sementara file data tetap mencatat record_count=20 dan tidak ditulis ulang.

DuckLake juga mendukung deletion vector bergaya Iceberg v3 yang disimpan di file Puffin. Opsi ini eksperimental dan mati secara bawaan, jadi harus diminta saat attach:

ATTACH 'ducklake:dv.ducklake' AS dv
  (DATA_PATH 'data/', WRITE_DELETION_VECTORS true, DATA_INLINING_ROW_LIMIT 0);
CREATE TABLE t AS SELECT i AS id FROM range(1000) t(i);
DELETE FROM t WHERE id < 10;

Hasilnya berbeda secara terukur: delete_count=10, format='puffin', ukuran file delete 60 byte, sementara file data tetap mencatat record_count=1000. Untuk tabel lebar dengan penghapusan tersebar, ini menghindari penulisan ulang file besar. Karena masih eksperimental, jangan mengaktifkannya di pipeline produksi tanpa menguji perilaku pembersihannya sendiri, seperti diperingatkan di dokumentasi deletion vectors.

Uji 3: partisi bulanan dan pruning

Partisi bisa ditetapkan saat tabel dibuat atau ditambahkan kemudian. Pada 1.5.6, bentuk CREATE TABLE ... PARTITIONED BY (month(ts)) ditolak dengan pesan PARTITIONED BY is not supported for tables in a ducklake catalog, sedangkan ALTER TABLE ... SET PARTITIONED BY berjalan. Dokumentasi versi stabil kini mencantumkan kedua bentuk, jadi perbedaan ini kemungkinan besar soal versi ekstensi, bukan kesalahan sintaks.

CREATE TABLE clicks(id INTEGER, ts TIMESTAMP);
ALTER TABLE clicks SET PARTITIONED BY (month(ts));
INSERT INTO clicks VALUES
 (1,'2026-09-05 10:00:00'),(2,'2026-10-11 12:00:00'),
 (3,'2026-11-02 09:30:00'),(4,'2026-11-15 20:15:00');
CALL ducklake_flush_inlined_data('lake');

File yang dihasilkan mengikuti pola Hive, dan tiap bulan mendapat file sendiri:

data/main/clicks/month=9/…parquet   679 byte   1 baris
data/main/clicks/month=10/…parquet  679 byte   1 baris
data/main/clicks/month=11/…parquet  706 byte   2 baris

Tabel ducklake_file_partition_value menyimpan nilai partisi sebagai teks '9', '10', dan '11'. Perencana kueri memakai statistik min/max per file di ducklake_file_column_stats untuk memilih file, seperti dijelaskan di dokumentasi partitioning. Saya tidak mengukur waktu kueri, jadi tidak ada klaim kecepatan di sini; yang terbukti hanya bahwa file terpisah per bulan benar-benar terbentuk dan nilainya tercatat di katalog.

Uji 4: katalog SQLite dan pemeliharaan

Katalog tidak harus berupa file DuckDB. Dengan SQLite, katalog menjadi satu file yang bisa diperiksa memakai alat SQLite biasa:

ATTACH 'ducklake:sqlite:cat.sqlite' AS s (DATA_PATH 'sdata/');
USE s;
CREATE TABLE events(id INTEGER, payload VARCHAR);
INSERT INTO events VALUES (1,'a'),(2,'b');
CHECKPOINT;

Pada uji ini, file cat.sqlite berisi 29 tabel berawalan ducklake_ — dari ducklake_table, ducklake_data_file, ducklake_snapshot, sampai ducklake_inlined_data_1_1. Tabel events tercatat di ducklake_table, dan DuckDB membaca kembali dua barisnya tanpa masalah. Artinya audit metadata tidak memerlukan perangkat khusus: satu kueri SQL biasa cukup.

Pemeliharaan juga tersedia sebagai fungsi eksplisit: ducklake_merge_adjacent_files, ducklake_rewrite_data_files, ducklake_expire_snapshots, ducklake_cleanup_old_files, dan ducklake_delete_orphaned_files. Pada uji, merge file berjalan dan tercatat sebagai merge_adjacent:1 di ducklake_snapshot_changes.

Peringatan: ducklake_expire_snapshots('lake', older_than => now() - INTERVAL 0 DAY) yang saya jalankan menghapus riwayat: snapshot turun dari 11 menjadi 1 dalam satu panggilan. Time travel ke versi lama setelah itu tidak mungkin lagi. Di produksi, tetapkan expire_older_than sesuai kebijakan retensi, backup katalog sebelum operasi destruktif, dan jangan menyalin perintah di atas apa adanya.

Yang baru di DuckLake 1.1

Spesifikasi 1.1 terbit 21 Oktober 2026 bersama DuckDB 2.0.0 LTS. Rincian resminya ada di pengumuman DuckLake 1.1. Bagian ini bersumber dari dokumentasi dan belum saya jalankan karena kendala versi DuckDB di mesin uji.

  • Nested schema: tabel bisa disusun berlapis, misalnya lake.sales.europe.orders.
  • Tipe NULL: kolom yang seluruh nilainya null tidak lagi dipaksa menjadi INTEGER saat CREATE TABLE AS, sehingga bisa dipromosikan ke tipe yang benar kemudian.
  • Transform partisi epoch: epoch_year, epoch_month, epoch_day, dan epoch_hour mengikuti konvensi Iceberg (jumlah satuan sejak epoch), berbeda dari month() yang menyimpan 1–12.
  • Inlining VARIANT di katalog PostgreSQL dan SQLite: nilai VARIANT disimpan sebagai BYTEA atau BLOB.
  • Puffin multi-snapshot: satu file delete dapat memuat deletion vector beberapa snapshot sekaligus, dengan riwayat time travel tetap utuh.
  • Statistik string eksak dan jumlah row group: katalog mencatat apakah batas min/max string terpotong, dan berapa row group per file, sehingga perencanaan scan tidak perlu membuka footer setiap file.

Migrasi katalog 1.0 ke 1.1

Ekstensi baru tetap membaca katalog 1.0, dan migrasi bersifat opt-in. Katalog yang saya buat dengan 1.5.6 melaporkan version = 1.0 pada ducklake_options. Untuk pindah versi, backup dulu katalog dan file data, pastikan semua klien mendukung 1.1, lalu:

ATTACH 'ducklake:cat.ducklake' AS lake (AUTOMATIC_MIGRATION true);
SELECT value FROM lake.options() WHERE option_name = 'version';

Menurut panduan upgrade, hasilnya harus 1.1, migrasi memerlukan hak tulis ke tabel metadata, dan katalog yang sudah dimigrasi tidak bisa diturunkan kembali. Catatan penting lainnya: memakai katalog berupa file DuckDB berarti file itu ditulis dengan versi storage DuckDB yang sedang berjalan, sehingga klien versi lama bisa gagal membukanya. Untuk tim campuran versi, katalog PostgreSQL atau SQLite lebih aman.

Kompatibilitas DuckDB 2.0 dan hasil uji di mesin ini

DuckDB 2.0.0 LTS (Cinnamon Teal) dirilis 21 Oktober 2026 dengan dukungan sampai Oktober 2027; DuckDB 1.4 berakhir dukungannya 17 November 2026, dan 1.5 diperpanjang sampai Maret 2027. Menurut kalender rilis DuckDB, patch 2.0.1 dijadwalkan 19 November 2026. Rilisan 2.0 membawa perubahan besar seperti protokol Quack, async I/O, dan tipe VARIANT yang menjadi warga kelas satu, sebagaimana diuraikan di pengumuman DuckDB 2.0.0.

Ada satu temuan operasional yang perlu Anda tahu sebelum menjadwalkan upgrade. Di mesin uji ini (Linux amd64, CPU virtual QEMU yang tidak mengekspos AVX/AVX2), pip install duckdb==2.0.0 berhasil, tetapi import duckdb langsung berhenti dengan Illegal instruction (core dumped) dan exit code 132. Versi 1.5.6 di lingkungan yang sama berjalan normal. Dugaan paling masuk akal adalah baseline instruction set yang lebih baru pada wheel 2.0.0, tetapi pengumuman rilis tidak menyebutkan syarat CPU secara eksplisit, jadi penyebab pastinya belum terverifikasi. Uji dulu di host yang mewakili armada Anda sebelum mengupgrade pipeline.

Batasan yang harus diketahui sebelum produksi

Dokumentasi unsupported features mencantumkan batas yang mudah menjebak kalau DuckLake dianggap pengganti database transaksional:

  • Tidak ada index, dan tidak ada penegakan primary key, unique, atau foreign key. Upsert harus lewat MERGE INTO.
  • DROP TABLE ... CASCADE tidak didukung; yang tersedia DROP SCHEMA ... CASCADE.
  • Tipe ENUM, ARRAY ukuran tetap, CHECK constraint, dan generated column belum didukung.
  • VARIANT yang bersarang di dalam tipe lain bisa di-inline tetapi belum bisa ditulis ke Parquet.
  • Deletion vector masih eksperimental.

Karena katalog adalah titik tunggal, backup katalog sama pentingnya dengan backup data. Untuk data yang sudah ada sebagai file Parquet lepas, DuckLake menyediakan ducklake_add_data_files agar file lama didaftarkan tanpa disalin ulang; langkah itu tidak saya uji di sini.

Kapan DuckLake masuk akal

DuckLake paling menarik bila tim Anda kecil, sudah nyaman dengan SQL dan PostgreSQL, dan ingin lakehouse tanpa menambah layanan katalog terpisah. Untuk pipeline CSV ke Parquet yang sudah berjalan, seperti pada artikel pipeline CSV ke Parquet dengan DuckDB, menambahkan DuckLake memberi time travel dan metadata terpusat tanpa mengubah format file. Jika kebutuhan Anda adalah interoperabilitas lintas engine besar dengan katalog REST, Iceberg tetap pilihan yang lebih matang. Untuk upsert berat di tabel besar dengan Spark, pola copy-on-write seperti pada artikel Apache Hudi copy-on-write masih lebih teruji.

Angka pemasaran perlu dibaca hati-hati. Blog DuckLake menyebut lebih dari 1,5 juta unduhan pada pekan 12–18 Oktober 2026, dan benchmark internal mereka menunjukkan percepatan operasi katalog hingga 27× pada katalog PostgreSQL serta 102× untuk commit baris inline. Itu klaim vendor yang diukur di Apple M5 Pro dengan katalog lokal, bukan hasil pengujian saya. Yang bisa saya buktikan hanyalah perilaku fungsional yang diuraikan di atas.

Kesimpulan

DuckLake memindahkan persoalan metadata lakehouse ke tempat yang lebih akrab: tabel SQL. Uji di artikel ini menunjukkan data inlining bekerja dengan ambang 10 baris, CHECKPOINT memindahkan data inline ke Parquet, snapshot dapat dibaca ulang untuk time travel, partisi bulanan menghasilkan file terpisah per bulan, dan katalog SQLite dapat diaudit dengan alat biasa. Yang belum terbukti di sini adalah seluruh fitur khusus 1.1, performa pada beban nyata, dan perilaku multi-klien. Untuk mencoba, jalankan dulu di direktori terpisah dengan katalog SQLite, backup katalog sebelum migrasi atau expire snapshot, dan ukur sendiri sebelum memindahkan beban kerja apa pun ke sana.

Rujukan resmi: DuckLake 1.1, DuckDB 2.0.0 LTS, data inlining, checkpoint, upgrade ke 1.1, dan unsupported features.

COMMENTS

Name

1clickInstall,1,404,1,Access Management,1,Analytics Engineering,1,android,1,Ansible,1,Apache Airflow,1,Apache Flink,1,Apache Hudi,1,Apache Iceberg,1,Apache Kafka,1,Apache Parquet,1,Apache Spark,1,Apache2,1,API Telegram,1,Apple,3,Automation,1,AWS,1,Backup,2,bapak internet indonesia,1,Big Data,10,blkid,1,booting,1,BorgBackup,1,brainware,1,calc,1,can't mount,3,can't read superblock,1,cara mengatasi disk failure,1,cara mengatasi disk penuh,1,cara mengatasi error disk,1,cara mengatasi error proxmox,1,cara mengatasi log full,1,centOS,1,Ceph,1,certificate,1,Chrome,1,Cilium,1,cinta sang penguasa,1,CLI,1,ClickHouse,1,Cloud,4,Cloud Computing,10,Cloud Native,1,Cloud Storage,6,Clustering,2,Codec,1,CodeIgniter,2,computare,4,computer,4,Container,1,Cybersecurity,13,dakwah,16,Data Engineering,15,Data Lineage,1,Data Mining,6,Data Quality,4,dbt,1,dd,1,Debezium,1,Debian,2,Deepin Linux,1,DevOps,8,DevSecOps,1,digital,1,Docker,14,dosa,1,dosa besar,1,DuckDB,4,DuckLake,1,eBPF,1,Enkripsi,1,era digital,1,error certificate,1,error path,1,error subscription,1,excel,1,failed subscription,1,Fedora,1,fedora26,1,Feeder,1,Firewall,2,FP-Growth,1,fstab,1,ftp server,1,fujitsu,1,gambar,1,ghibah,1,Git,2,GitHub,2,gitignore,1,gitignore not work,1,Google,2,Google Chrome,1,Google Cloud,1,Google Drive,2,google-drive-ocamlfuse,1,Harbor,1,Harddisk,1,Hardware,1,Hashing,1,HCI,1,HDD,2,history,1,Homelab,1,host,1,Hostname,1,how to,2,IaC,1,IAM,1,igmp proxy,1,Ilmu Komputer,1,impress,1,indihome,1,INDUKSI MATEMATIKA,1,instalasi,3,install,10,install GIT,1,install linux,6,internet,2,iptables,1,islam,17,javascript,1,K-Means,2,K3s,1,Kafka,1,KDE Plasma,1,keamanan,1,Keamanan Cloud,2,keamanan data,1,Keamanan Jaringan,1,keynote,1,kodi,1,komputer,5,Kubernetes,3,kuliah,1,Lakehouse,2,Latte-dock,1,leap,7,leap 42.3,1,LibreOffice,1,Linux,67,linux ringan,3,Linux Server,2,Logging,1,Machine Learning,3,machintos,4,macOS,5,mageia,1,mandriva,1,Market Basket Analysis,1,mate,1,microsoft office,2,microsoft windows,4,microsoft word,1,Migrasi,1,Mikrotik,3,MinIO,1,mint,1,mlxtend,1,Monitoring,1,mount,4,mounting,1,Multimedia Codec,1,Netwatch,1,network,1,network security,1,Networking,12,Nextcloud,1,nftables,1,Nginx,1,node js,1,NTFS,3,ntfsfix,2,numbers,1,Observability,2,office,5,OLAP,1,Online Account,1,onno,1,onnowpurbo,1,Open Source,3,OpenLineage,1,OpenMandriva,1,OpenOffice,2,openoffice calc,1,openoffice writer,1,openSUSE,11,OpenTelemetry,1,operating system,1,OPNsense,1,ownCloud,1,ownCloud Client,1,PAGES,1,Pandas,3,Pandera,1,Parquet,2,PDDikti,1,pemikir islam,1,pengguna,1,perangkat keras,1,Perangkat Lunak,2,Performance,1,PHP,1,PHP 5,1,PKI,1,Polars,1,port 80,1,port 8082,1,postel sevice award,1,PostgreSQL,1,Powerpoint,1,presentasi,1,presentation,1,Privacy,1,Proxmox,16,PVE,1,PySpark,1,Python,8,q4os,1,Redpanda,1,remaja islam,2,review,7,rezeki,1,s1300i,1,scanner,1,scansnap,1,Scikit-learn,1,Security,12,sejarah,1,Server,24,setting,1,Sistem Operasi,2,Software,2,Spark,1,spreadsheet,1,SQL,1,SSH,2,SSO,1,stb,1,Storage,8,Stream Processing,1,sukses dunia akhirat,1,Sysadmin,18,systemd,1,Tailscale,1,Telegram,1,Teleport,1,telkom,1,tesseract,1,text,1,Tracing,1,Trino,1,Tutorial,31,tv box,1,Ubuntu,3,Unsupervised Learning,1,usb drive,1,useetv,1,user,1,VBA,1,version control,1,virtual machine,2,Virtualization,4,Visual basic,1,Visual Basic for Applications,1,VLC,2,VLC Media Player,1,VPN,1,vsftpd,1,Wazuh,1,whatsapp api,1,winbox,1,Windows,7,Windows 7,1,word,1,WORD PROCESSOR,2,workstation,1,WPS Office,1,Zero Trust,1,zypper,1,
ltr
item
zhato TECH: DuckLake: Lakehouse Katalog SQL dan Uji Praktis di DuckDB
DuckLake: Lakehouse Katalog SQL dan Uji Praktis di DuckDB
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhHpl9yaK6txHGgRzzM7_JESc3aErNoe8zD_YxIAJ7A54tMd8RiW_K3mSlccAOAtiv8xZ5ydQgJk1y00KmEQh9eGmMQqcYxsPBrFoGl_FzJku3FHCIUVPvqEgtZu4HH_N9hTXQTGSoGcIxJQaSPpoC73plhcgIUplwinPY4ikVKXWztsoI4Du_bI8rUsl0/w640-h360/image.webp
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhHpl9yaK6txHGgRzzM7_JESc3aErNoe8zD_YxIAJ7A54tMd8RiW_K3mSlccAOAtiv8xZ5ydQgJk1y00KmEQh9eGmMQqcYxsPBrFoGl_FzJku3FHCIUVPvqEgtZu4HH_N9hTXQTGSoGcIxJQaSPpoC73plhcgIUplwinPY4ikVKXWztsoI4Du_bI8rUsl0/s72-w640-c-h360/image.webp
zhato TECH
http://www.zhato-tech.id/2026/11/ducklake-lakehouse-katalog-sql-dan-uji.html
http://www.zhato-tech.id/
http://www.zhato-tech.id/
http://www.zhato-tech.id/2026/11/ducklake-lakehouse-katalog-sql-dan-uji.html
true
740282316614930842
UTF-8
Loaded All Posts Not found any posts VIEW ALL Readmore Reply Cancel reply Delete By Home PAGES POSTS View All RECOMMENDED FOR YOU LABEL ARCHIVE SEARCH ALL POSTS Not found any post match with your request Back Home Sunday Monday Tuesday Wednesday Thursday Friday Saturday Sun Mon Tue Wed Thu Fri Sat January February March April May June July August September October November December Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec just now 1 minute ago $$1$$ minutes ago 1 hour ago $$1$$ hours ago Yesterday $$1$$ days ago $$1$$ weeks ago more than 5 weeks ago Followers Follow THIS PREMIUM CONTENT IS LOCKED STEP 1: Share to a social network STEP 2: Click the link on your social network Copy All Code Select All Code All codes were copied to your clipboard Can not copy the codes / texts, please press [CTRL]+[C] (or CMD+C with Mac) to copy Table of Content