描述
Thunderduck 提供了一种专为自主数据团队设计的模块化数据仓库解决方案，利用 DuckDB 的强大功能。它解决了一个常见问题，即 80% 的代理工作负载并不需要大型云仓库，但团队却承担了显著的分布式系统成本和托管服务费用。通过为每个代理提供一个独立的引擎，Thunderduck 允许引擎快速启动和关闭，匹配自主工作负载的动态特性。
阅读更多
该平台旨在实现对数TB数据的亚秒级查询，无论运行的代理数量如何。它简化了数据管道的构建，并自动化 DevOps 任务，同时保持企业级治理。用户可以灵活地在任何地方部署 Thunderduck，无论是在本地以云般的灵活性，还是在他们现有的云基础设施中。
Thunderduck 的核心是 DuckDB，这是一种开源的、内嵌的分析数据库，具有向量化引擎。这种架构意味着它在您的代码运行的地方运行，消除了服务器管理的需要。它支持多租户，并提供企业级安全性，通过将数据保留在用户的云或数据中心内，确保数据主权。
Thunderduck 通过 MCP 方便地与 AI 代理（如 Claude、ChatGPT 或 Cursor）集成。代理可以解释表和列的含义，而不仅仅是名称，以找到正确的表，读取分区和索引，并编写高效的查询。这些查询在预定义的角色和成本限制下运行。该平台还可以自动化 dbt 模型构建，遵循奖章层，测试分支，并打开拉取请求，以维护干净和可管理的数据集市。
它支持零 ETL 的查询联合，允许用户在单个查询中从各种来源（如 Postgres、BigQuery、Iceberg 表和文件）连接数据，并将过滤器下推到每个来源。这消除了对数据副本、加载作业或小型和临时数据的同步监控的需求。当数据集增长或需要建模时，用户可以将 dbt 管道构建到 Iceberg 中，并继续一致地查询它们。Thunderduck 还在每个查询运行之前提供成本估算，帮助控制预算，防止意外支出。
- 类别AI SQL 与数据库工具
- 定价模式免费增值
- 部署云端、本地部署
- 平台网页版
Thunderduck的核心功能
模块化数据仓库架构
每个代理一个独立的 DuckDB 引擎
对数TB数据的亚秒级查询
本地或云中部署选项
自动化 DevOps 任务
企业级治理
多租户支持
无分布式开销的低延迟
数据主权和访问规则
通过 MCP 与 AI 代理（Claude、ChatGPT、Cursor）集成
AI 辅助的查询生成和 dbt 模型构建
跨多种来源（PostgreSQL、BigQuery、Iceberg、S3）的查询联合
自动模式、表、列和类型发现
每个查询执行前的成本和运行时间估算
AI 驱动的失败查询诊断和建议修复
基于角色的目录访问控制
查询缓存以实现即时、免费的重复查询
如何使用 Thunderduck？
连接目录：提供数据库、仓库、湖仓或对象存储等数据源的凭据。
发现数据：Thunderduck 自动读取模式、表、列，并推断列的含义，保持其最新。
查询和连接：将任何表作为 catalog.schema.table 进行引用，并在单个 SQL 语句中跨多个来源进行连接。
集成 AI 代理：连接 Claude、ChatGPT 或其他 MCP 客户端，使 AI 代理能够浏览目录并运行 SQL。
自动化工作流：在 cron 时间表上调度 SQL 语句或连接 dbt 存储库以运行构建、测试和快照。
监控和治理：利用预查询成本估算、审计日志和基于角色的访问控制来管理使用情况和安全性。
Thunderduck的使用案例
- 自主数据工作负载
- 数据团队的成本优化
- 实时数据分析
- 数据管道自动化
- 数据主权和安全性
- AI 辅助查询
- 跨源数据连接
- 主动成本管理
- 数据治理和审计
- 湖仓构建
