原文地址:https://duckdb.org/2026/03/11/big-data-on-the-cheapest-macbook
标题:最便宜 MacBook 上的大数据处理
作者头像
Gábor Szárnyas
2026-03-11 · 7 分钟
太长不看版: 最新的入门级 MacBook 在数据库工作负载上的表现如何?我们通过基准测试来一探究竟。
苹果今天发布了 MacBook Neo,现在不乏各种技术评测来解释它是否适合学生、摄影师或作家。但他们没有告诉你的是,它是否符合我们"在你的笔记本电脑上处理大数据"的理念。我们想用数据驱动的方法来回答这个问题,所以我们去了最近的苹果专卖店,买了一台回来进行测试。
包装盒里有什么?
嗯,东西不多!如果你在欧盟购买这台机器,甚至不附带充电头。你只会得到笔记本电脑和一根编织的 USB-C 数据线。不过你可能已经有几个闲置的 USB-C 充电头了——让我们继续来看笔记本电脑本身吧!
硬件规格中唯一可以选择的部分是硬盘:你可以选择 256 GB 或 512 GB。由于我们的任务是处理所谓的"大数据",我们选择了较大的选项,这使得在美国的售价为 700 美元,在欧盟为 800 欧元。内存容量是固定的 8 GB。虽然只有一个 CPU 选项,但它相当有趣:这台笔记本电脑搭载的是 6 核苹果 A18 Pro 芯片,原本是为 iPhone 16 Pro 打造的。
事实证明,我们已经在一些不同寻常的情况下测试过这款手机。早在 2024 年,使用 DuckDB v1.2-dev 版本,我们发现 iPhone 16 Pro 在空气冷却的情况下,可以在大约 10 分钟内完成 TPC-H 基准测试(比例因子为 100)的所有查询,而放在一盒干冰中则只需不到 8 分钟。MacBook Neo 绝对应该能够处理这个工作负载——也许它甚至能处理更多。不可避免的基准测试来了!
ClickBench 基准测试
在我们的第一个实验中,我们使用了 ClickBench,一个分析型数据库基准测试。ClickBench 有 43 个查询,侧重于聚合和过滤操作。这些操作在一个包含 1 亿行数据的单一宽表上运行,该表序列化为 Parquet 格式时占用约 14 GB,存储为 CSV 格式时占用 75 GB。
基准测试环境
我们将 ClickBench 的 DuckDB 实现移植到了 macOS 上,并使用刚刚发布的 v1.5.0 版本在 MacBook Neo 上运行。我们只做了一个小的调整:正如我们的性能指南中所建议的,我们将内存限制略微降低到 5 GB,以减少对操作系统交换空间的依赖,并让 DuckDB 为大于内存的工作负载处理内存管理。这在内存受限的环境中是一个常见的技巧,因为其他进程可能正在使用超过 20% 的系统总内存。
我们还在两个云实例上使用 DuckDB v1.5.0 重新运行了 ClickBench,得到了以下对比阵容:
- MacBook Neo:配备 2 个性能核心、4 个能效核心和 8 GB 内存
- c6a.4xlarge:配备 16 个 AMD EPYC vCPU 核心和 32 GB 内存
- c8g.metal-48xl:配备多达 192 个 Graviton4 vCPU 核心和 384 GB 内存
基准测试脚本首先将 Parquet 文件加载到数据库中。然后,按照 ClickBench 的规则,每个查询运行三次,以捕获冷运行(首次运行,缓存为空)和热运行(系统有机会利用文件系统缓存等)的情况。
结果与分析
我们的实验产生了以下总运行时间(以秒为单位):
| MacBook Neo | 0.57 | 59.73 | 0.41 | 54.27 |
| c6a.4xlarge | 1.34 | 145.08 | 0.50 | 47.86 |
| c8g.metal-48xl | 1.54 | 169.67 | 0.05 | 4.35 |
冷运行。 结果一开始就出现了一个大惊喜:在冷运行中,MacBook Neo 以低于 1 秒的中位数运行时间成为明显的赢家,在一分钟内完成了所有查询!当然,如果我们深入分析配置,这可以找到解释。云实例配备了网络附加存储,访问这些实例上的数据库占据了查询运行时间的绝大部分。MacBook Neo 有一个本地 NVMe 固态硬盘,虽然不是最顶尖的,但在首次读取时仍然提供了相对较快的访问速度。
热运行。 在热运行中,MacBook 的总运行时间仅改善了约 10%,而云机器开始发挥其真正的实力,c8g.metal-48xl 以数量级的优势胜出。然而,值得注意的是,在查询运行时间中位数上,MacBook Neo 仍然可以击败 c6a.4xlarge(一个中等规模的云实例)。尽管这个云实例多拥有 10 个 CPU 线程和 4 倍的内存,但笔记本电脑的总运行时间仅慢了约 13%。
TPC-DS 基准测试
在我们的第二个实验中,我们选择了 TPC-DS 基准测试的查询。与有 8 张表和 22 个查询、无处不在的 TPC-H 基准测试相比,TPC-DS 拥有 24 张表和 99 个查询,其中许多查询更复杂,包含了诸如窗口函数之类的特性。而且,虽然 TPC-H 已经被优化到了极致,但 TPC-DS 的结果仍然具有一定的参考价值。让我们看看这款最便宜的 MacBook 能否处理这些查询!
在这一轮中,我们使用了 DuckDB 的 LTS 版本 v1.4.4。我们使用 DuckDB 的 tpcds 扩展生成了数据集,并将内存限制设置为 6 GB。
在 SF100 规模因子下,笔记本电脑轻松完成了大部分查询,查询运行时间中位数为 1.63 秒,总运行时间为 15.5 分钟。
在 SF300 规模因子下,内存限制开始显现。虽然查询运行时间中位数仍然相当不错,为 6.90 秒,但 DuckDB 有时会使用高达 80 GB 的空间进行磁盘溢出,并且很明显有些查询将花费很长时间。最值得注意的是,查询 67 耗时 51 分钟才完成。但硬件和软件继续不知疲倦地协同工作,最终它们通过了测试,在 79 分钟内完成了所有查询。
你应该买一台吗?
事情是这样的:如果你每天都要在笔记本电脑上运行大数据工作负载,你可能不应该购买 MacBook Neo。没错,DuckDB 可以在它上面运行,并且可以通过利用外核处理来处理大量数据。但 MacBook Neo 的磁盘 I/O 与 Air 和 Pro 型号相比相形见绌(大约 1.5 GB/s,而后者为 3–5 GB/s),并且 8 GB 内存长远来看也会成为限制。如果你需要在移动中处理大数据并且可以多付一点钱,其他 MacBook 型号将更好地满足你的需求,而且 Linux 和 Windows 平台上也有不错的选择。
话虽如此,如果你在云端运行 DuckDB,并且主要将笔记本电脑用作客户端,那么这是一个很棒的设备。而且你可以放心,如果你偶尔需要在本地处理一些数据,MacBook Neo 上的 DuckDB 完全可以胜任这项挑战。


