DuckPGQ 是一个 DuckDB 社区扩展，把 SQL:2023 中的 SQL/PGQ 图查询能力带进进程内分析数据库。用户可以直接把现有关系表声明成属性图，再用 SQL 模式匹配查找路径、共同联系人和多跳资金关系，不必单独部署图数据库。

一句话结论：DuckPGQ 的价值不是取代所有专业图数据库，而是让已有 DuckDB 数据的分析者，在同一个 SQL 工作流里完成原本需要导出数据和搭建新系统的关系查询。

安装只需要从 DuckDB 社区仓库执行 INSTALL duckpgq FROM community，随后 LOAD duckpgq。扩展支持命令行、Python、Node.js、R 和 Java 等常用接口，不需要独立服务或额外运行时。

SQL/PGQ 的核心是把节点和边映射到普通表。例如，用户表可以作为节点，关注关系表可以作为边；查询可以用图模式表达“A 关注 B、B 又关注 C”，同时继续使用 SQL 的过滤、聚合和联接。金融数据则可以查找环形转账、最短路径或特定实体之间的多跳关联。

这种设计适合本地分析、Notebook、数据管道和嵌入式应用。数据不需要复制到另一套图存储，权限和文件管理也更简单。DuckDB 的列式执行能力可以继续承担大部分扫描和分析工作。

边界也很明显。DuckPGQ 是社区驱动的研究型项目，网站明确提示仍在开发中，可能存在缺陷和未完成能力。它没有宣称提供大型在线图服务所需的分布式存储、高并发事务、持续图更新和图专用运维工具。官网所说的“高性能”也需要在具体数据集和查询上自行验证。

林岚认为，DuckPGQ 延续了 DuckDB 的扩展思路：不是建立另一座数据平台，而是把常用分析能力带到数据所在的位置。对偶尔需要图查询的团队，这比引入一套长期运维的专用数据库更符合成本结构。

关键事实

• 来源：DuckPGQ 官方网站
• 项目性质：DuckDB 社区扩展、研究型开源项目
• 核心标准：SQL:2023 的 SQL/PGQ 图模式查询
• 部署方式：进程内运行，无需独立图数据库服务

OC 判断

DuckPGQ 最适合“关系数据已经在 DuckDB、图查询只是分析的一部分”的场景。若业务需要实时写入、超大图分布式计算或在线图服务，仍应评估专用系统。

为什么重要

• 对开发者：可以用熟悉的 SQL 增加多跳关系分析，而不必引入新查询语言和服务。
• 对企业：减少数据复制和系统数量，有助于降低一次性分析项目的运维成本。
• 对用户：关系推荐、欺诈调查和网络分析原型会更容易在本地完成。

参考来源

• DuckPGQ：Graph workloads in DuckDB