Сборка учебной базы в DuckDB

Задача

До первого запроса нужна база, на которой он выполняется. В практикуме она собирается из двух SQL-файлов: один создаёт таблицы, второй наполняет их данными. Ничего скачивать не нужно, интернет не нужен, ключи и доступы тоже.

Сборка занимает несколько секунд. Если она прошла, дальше вы работаете с локальным файлом practice.duckdb: его можно копировать, ломать и собирать заново.

Что нужно

DuckDB версии 1.x в командной строке:

duckdb --version

v1.5.6 (Variegata) 069cc9f9b5

Курс проверен на версии 1.5.6. На старых версиях часть синтаксиса может отличаться — если запрос не запускается, начните с обновления DuckDB.

Сборка

Из корня репозитория портала перейдите в папку с данными и запустите два файла по очереди:

cd scripts/practice-data
duckdb practice.duckdb < schema.sql
duckdb practice.duckdb < seed.sql

Первая команда создаёт пустые таблицы, вторая наполняет их. Порядок важен: seed.sql вставляет заказы со ссылкой на поставщика, и внешний ключ не даст вставить заказ раньше, чем появится справочник.

Проверка

Число строк в каждой таблице:

SELECT 'purchases' AS "таблица", count(*) AS "строк" FROM purchases
UNION ALL SELECT 'purchase_lines', count(*) FROM purchase_lines
UNION ALL SELECT 'suppliers', count(*) FROM suppliers
UNION ALL SELECT 'bids', count(*) FROM bids;

┌────────────────┬───────┐
│    таблица     │ строк │
├────────────────┼───────┤
│ purchases      │ 400   │
│ purchase_lines │ 923   │
│ suppliers      │ 60    │
│ bids           │ 1600  │
└────────────────┴───────┘

Период и объём:

SELECT count(DISTINCT category) AS "категорий", min(order_date) AS "первый заказ",
       max(order_date) AS "последний заказ", round(sum(amount)/1000000, 1) AS "spend, млн ₽"
FROM purchases;

┌───────────┬──────────────┬─────────────────┬──────────────┐
│ категорий │ первый заказ │ последний заказ │ spend, млн ₽ │
├───────────┼──────────────┼─────────────────┼──────────────┤
│ 9         │ 2024-01-06   │ 2025-12-25      │ 277.9        │
└───────────┴──────────────┴─────────────────┴──────────────┘

Что означают эти числа

• 400 заказов за 24 месяца — примерно 17 заказов в месяц. Этого хватает, чтобы увидеть сезонность, но мало для статистической значимости: не путайте учебный масштаб с рабочим.
• 923 позиции — в среднем 2,3 позиции на заказ.
• 60 поставщиков в справочнике. Из них 57 выиграли хотя бы один заказ, остальные три записи в справочнике есть, а заказов у них нет.
• 1600 предложений — по 3–5 на заказ. Десять заказов обошлись без предложений вовсе: это одна из заложенных аномалий.

Если числа не сошлись

Симптом	Причина	Что делать
Catalog Error: Table with name purchases does not exist	schema.sql не запускался или база создана в другом файле	Проверьте, что обе команды выполнены в одной папке, и запустите schema.sql заново
Constraint Error: Duplicate key	seed.sql запущен на уже наполненной базе	Удалите practice.duckdb и соберите заново
Таблицы есть, строк меньше	seed.sql упал на середине	Смотрите сообщение об ошибке выше по выводу, затем пересоберите с нуля
Числа строк совпали, суммы другие	Другая версия seed.sql	Сверьтесь с репозиторием: данные воспроизводимы, расхождение означает другую версию файла

Пересборка с нуля — это две команды и пять секунд:

rm -f practice.duckdb
duckdb practice.duckdb < schema.sql
duckdb practice.duckdb < seed.sql

Почему данные не «плывут»

seed.sql не использует random(). Все случайные величины считаются от номера строки через hash(), поэтому повторная сборка даёт ту же базу — независимо от порядка выполнения и числа потоков. Это важно для уроков: числа в тексте и в вашем выводе должны совпадать, иначе разбор превращается в гадание.

Что читать дальше

• Датасет: таблицы и зерно — что означает строка в каждой таблице.
• ABC-анализ по сумме закупок — первый расчёт.
• Практикум: как всё устроено