用途：该技能面向列式分析存储的设计与查询，覆盖 DuckDB、ClickHouse 与云数据仓库，并涉及文件格式、分区、排序键和成本控制。核心观点是列式引擎以扫描单列换取分析性能，不适合事务型逐行访问；行存储用于事务、列存储用于分析。
选型按部署而非速度：DuckDB 适合嵌入式分析、笔记本、CI 与单机数百 GB 以内场景，单进程、无并发写入；ClickHouse 适合高吞吐实时分析与十亿行级看板，但运维要求高；云数仓适合受治理的共享访问与弹性扩展，成本随使用增长；Spark/湖仓适合 PB 级批处理。文件格式上，Parquet 是分析默认选择，ORC 适配 Hive 生态，Avro 面向流式，CSV 适合交换而非大规模，JSON 适合半结构化落地。
必要用法：DuckDB 可直接查询文件并支持谓词与投影下推、Hive 分区裁剪，示例安装命令为 INSTALL postgres; LOAD postgres;；内存受限时用 SET memory_limit='8GB' 与 SET temp_directory='/var/tmp/duckdb' 让大连接落盘。ClickHouse 建表需重点决定 ORDER BY（主索引，筛选列在前）、PARTITION BY（用于数据管理，避免过细）与 LowCardinality(String)（低基数列压缩）。插入应大批量（数千到百万行），避免逐行写入；更新删除是异步 mutation。查询上宜先聚合再连接，可用 approx_count_distinct 做近似计数，用 EXPLAIN ANALYZE（DuckDB）或 EXPLAIN indexes = 1（ClickHouse）查看计划，关注扫描字节数。
限制与注意：DuckDB 限制为单写入进程、内存受机器限制；ClickHouse 运维复杂且为最终一致性语义；云数仓按扫描字节与计算时间计费，需过滤分区列、避免 SELECT *、物化重复聚合、设置查询与用户限额、空闲自动挂起。反模式包括把 OLAP 当 OLTP、小文件过多、过度分区、按行插入 ClickHouse、无人筛选的 ORDER BY 列以及无界保留。资料未提供具体价格数字、平台列表或效果承诺。