EasyDB v2.11.0：把「会写 SQL」变成你处理一切数据的超能力

不用导入数据库，不用写脚本，不用装一堆工具。一份 CSV、一个 Excel、一张 MySQL 表，用一条标准 SQL 就能查、能联、能导出。打开即用，全程离线。

先放结论：如果你经常要从各种文件和数据库里捞数据、对数、做清洗，EasyDB 大概率能帮你省下大量「为了查几行数据而折腾环境」的时间。这篇文章会先讲它能帮你做什么，再讲 v2.11.0 这次更新带来了什么。

---

一、它到底能帮你解决什么问题？

我们每天都在和数据打交道，但很多场景其实卡在「工具太重」上：

• 想查一份几百 MB 的 CSV 里满足条件的行 → Excel 打不开，命令行 grep 又写不出复杂条件
• 想把一个 Excel 报表和数据库里的表对一下账 → 得先把 Excel 导入数据库，建表、定字段类型、写导入脚本……
• 想把清洗后的数据生成 INSERT 语句灌进另一个库 → 手写 SQL 或者临时写个 Python 脚本
• 想用窗口函数、子查询分析本地文件 → 文件不是数据库，根本没法直接跑 SQL

EasyDB 的思路很简单：把文件直接当成数据库表，让你用最熟悉的 SQL 去操作一切数据源。 你已经会的 SQL 技能，在这里能用到 CSV、Excel、JSON、Parquet 上，甚至和 MySQL、PostgreSQL 混在一条语句里查。

-- Excel 报表 × PostgreSQL 库存表，一次 JOIN 对完账
SELECT t1."product_name", t2."inventory_count"
FROM read_excel('/data/products.xlsx') AS t1
INNER JOIN
read_postgres('inventory', host => 'localhost', username => 'postgres', db => 'mydb') AS t2
ON t1."product_id" = t2."id"
WHERE t2."inventory_count" < 100;

没有建表，没有导入，没有 ETL。把文件路径写进 SQL，回车，结果就出来了。

---

二、它适合谁？几个真实场景

数据分析师 / 运营：拿到一份几十万行的 Excel/CSV，只想筛出符合条件的几行、做个分组统计。拖进 EasyDB，写一句 SQL，⌘Enter 就出结果——比在 Excel 里拉筛选、写公式快得多，文件再大也不卡。

-- 按部门算平均薪资（窗口函数）
SELECT "name", "department", "salary",
       AVG("salary") OVER (PARTITION BY "department") AS dept_avg
FROM read_csv('/data/employees.csv');

DBA / 后端工程师：要把一批文件数据导入数据库，或者把一张表的数据迁到另一个库。用 EasyDB 查出来，直接导出成 INSERT / UPDATE 语句（可选 MySQL / PostgreSQL 方言），还能重命名字段、移除多余列、指定每列的目标类型，生成的 SQL 拿来就能执行。

需要跨源核对数据的人：本地文件和线上数据库的数据不一致？不用来回导出导入，一条 JOIN 直接在同一条 SQL 里比对。

任何临时要查数据、又不想搭环境的人：日志文件、导出的报表、第三方给的数据包……拖进来就能查。完全离线，数据不出本机，敏感数据也放心。

-- 在日志文件里用正则筛出错误行（整行作为一列 column_1）
SELECT *
FROM read_text('/data/app.log', has_header => false)
WHERE REGEXP_LIKE("column_1", '^ERROR:\s+\d{3}');

---

三、为什么是 EasyDB，而不是别的？

• 真·开箱即用：原生桌面应用（macOS / Windows），下载安装就能用，不需要 CLI、不需要写代码、不需要联网加载资源
• 够快、够省：基于 Rust + Apache DataFusion，几百 MB 到数 GB 的文件也能稳定处理，硬件要求不高
• SQL 足够完整：多表 JOIN、子查询、窗口函数、正则匹配……DataFusion 提供的是完整 SQL，不是阉割版
• 拖拽即生成 SQL：文件拖进编辑器自动生成查询语句，配合语法高亮、智能补全（函数名 + 列名）、格式化，写起来很顺
• 数据安全：纯本地运行，全程离线，数据不上传任何服务器

经常有人问：「这不就是 DuckDB 吗？」两者定位不同，各有长短，这里客观对比一下：

维度	EasyDB	DuckDB
使用方式	原生桌面 GUI，拖文件即查	CLI / 编程 API，可嵌入程序
上手门槛	会写 SQL 就行	需了解其语法与 API
查询性能	够用，常规分析流畅	更强，向量化引擎在大规模 OLAP 上领先
生态扩展	内置数据源，开箱即用	扩展丰富、社区活跃、可编程性强
SQL 导出	内置 INSERT/UPDATE，可选方言	需自行编程实现
集成能力	独立桌面应用，不便嵌入其他程序	可作为库嵌入 Python/Java 等，便于自动化

DuckDB 的优势：自研向量化引擎性能更强，尤其在大规模分析查询上；生态成熟、扩展多，能作为库嵌入程序，适合做数据管道和自动化。它的代价是更偏开发者——没有原生 GUI，需要命令行或写代码。

EasyDB 的优势：原生桌面应用、开箱即用、拖拽生成 SQL、内置 SQL 导出，会写 SQL 就能上手，适合临时查数、对账、做清洗。它的不足也很明显——查询性能和生态扩展性不及 DuckDB，也不适合嵌入到其他程序里做自动化。

一句话：要把分析能力嵌进程序、追求极致性能，选 DuckDB；想拖个文件写句 SQL 马上拿结果，选 EasyDB。

---

四、v2.11.0 这次更新了什么

距离上次在社区分享 v2.8.0，EasyDB 连续迭代了 v2.9、v2.10、v2.11，这里一次性讲清楚。

read_json() 回归，标准 JSON 数组终于支持

早期切换查询引擎时 read_json() 曾被临时移除，只能逐行读 NDJSON。但很多人手上的 JSON 其实是标准数组格式（[{...}, {...}]）。这次它正式回归，而且更聪明：

• 自动识别格式——按文件内容嗅探，[ 开头当标准 JSON 数组，{ 开头当 NDJSON，嗅探不出再回退扩展名
• .json 与 .ndjson 都能直接用，编辑器补全和拖拽模板统一改用 read_json()
• 修复了带 UTF-8 BOM 的 JSON 数组被误判为 NDJSON 的问题

SELECT * FROM read_json('/data/records.json') WHERE "status" = 'active';

导出 SQL 一键复制到剪贴板

SQL 导出对话框新增**「复制 SQL 语句」，生成的 INSERT / UPDATE 不必再落地成文件，直接复制贴进数据库客户端就能跑。导出 / 复制全流程都加了进行中 / 成功 / 失败**状态提示；复制超过 10,000 行会自动截断并给出警告。

保存常用查询，告别重复粘贴（v2.10）

• 常用 SQL 可命名保存，在左侧栏随时加载，支持搜索筛选与删除
• 查询历史增强：关键词搜索、显示条数配置（50 / 100 / 200 / 500 / 全部）、按时间清理（7 / 30 / 90 天前或全部清空）
• 执行后自动切到结果页签，底部显示本次查询耗时

表头直接显示列类型（v2.9）

查询结果表头会展示每列的 Arrow 类型，一眼看清数据结构；SQL 导出的列类型配置也直接复用查询结果的类型信息，少一次后端请求。

性能与稳定性

• SQL 生成改用 RecordBatch 批处理，显著降低导出内存占用
• Apache DataFusion 升级至 53.1.0
• 优化 Excel 日期时间解析，修复序列号被误当日期字符串、空格分隔日期时间等问题
• 修复注册远程文件路径（HTTP / S3 等 URL）时误报「文件不存在」的问题

---

数据源一览

格式	函数	说明
CSV	read_csv()	自定义分隔符、表头、Schema 推断
TSV	read_tsv()	Tab 分隔文件
Text	read_text()	通用文本文件，自定义分隔符
Excel	read_excel() / read_xlsx()	.xlsx 支持，可选工作表
JSON	read_json()	标准 JSON 数组与 NDJSON，自动检测
NdJson	read_ndjson()	每行一个 JSON 对象
Parquet	read_parquet()	列式存储格式
MySQL	read_mysql()	直连 MySQL 数据库表
PostgreSQL	read_postgres()	直连 PostgreSQL 数据库表

---

技术栈

层级	技术
前端	React 18 + TypeScript + Vite
后端	Rust + Tauri v2
查询引擎	Apache DataFusion 53.1.0
UI 框架	HeroUI + Tailwind CSS
SQL 编辑器	Ace Editor (react-ace)
SQL 解析	sqlparser-rs (Rust) + node-sql-parser (JS)
历史存储	SQLite (rusqlite)

---

快速开始

1. 访问 GitHub Releases 下载安装包
2. macOS：下载 .dmg，拖拽到应用程序文件夹
3. Windows：下载 .exe，运行安装程序
4. 拖拽任意文件到编辑器自动生成 SQL，按 ⌘Enter 执行

macOS 若提示「应用已损坏」，在终端执行： xattr -r -d com.apple.quarantine /Applications/EasyDB.app

---

GitHub：https://github.com/shencangsheng/easydb_app

EasyDB 是我利用业余时间维护的开源项目，如果它能帮你少折腾一点、多省一点时间，欢迎点个 Star，也欢迎到 Issues 提想法和反馈——很多功能就是这么一点点被大家提出来、加进去的。