Amazon compra a DuckLabs e leva o DuckDB para dentro do Aurora PostgreSQL
A Amazon comprou a DuckLabs, empresa por trás do banco analítico DuckDB, e integrou a ferramenta ao Aurora PostgreSQL para cruzar dados transacionais com históricos no S3 sem pipelines de ETL.
Amazon compra a empresa por trás do DuckDB
A Amazon anunciou em 17 de outubro de 2026 a aquisição da DuckLabs, empresa sediada em Amsterdã responsável pelo DuckDB, banco de dados↳Banco de dados134 conteúdosSQL ou NoSQL: eis a questão!!Data · mar 2020Banco de dados: como organizar e dar segurança para milhões de dados de loteriasData · mai 20215 serviços gratuitos na cloud para bancos de dados PostgresData · fev 2025Ver tudo em Data → analítico que roda embarcado (in-process) e ficou conhecido por consultas rápidas sobre arquivos Parquet e CSV sem exigir um servidor dedicado, segundo a InfoQ.
Hannes Mühleisen e Mark Raasveldt, criadores do DuckDB e cofundadores da DuckLabs, continuam à frente do time e da direção técnica do projeto open-source, agora como parte da AWS↳AWS20 conteúdosE-mails de verificação com AWS SES + Lambda (Node.js) e Terraform: do zero ao envioDevSecOps · out 2025Codex na AWS: chegada do agente da OpenAI à nuvem da AmazonDevSecOps · abr 2026Salesforce e AWS ampliam colaboração em IA, CRM e marketplaceDevSecOps · nov 2023Ver tudo em DevSecOps →. No blog da empresa, os dois explicam a decisão:
Entrar na AWS nos dá os recursos e o alcance para levar essa tecnologia a muito mais desenvolvedores e organizações, e para perseguir ideias numa escala que seria difícil alcançar sozinhos.
Joining AWS gives us the resources and reach to bring this technology to many more developers and organizations, and to pursue ideas at a scale that would have been difficult for us to reach alone.Hannes Mühleisen e Mark Raasveldt, cofundadores da DuckLabs
Todos os componentes da Duck Stack (DuckDB, DuckLake e Quack) permanecem gratuitos e sob licença MIT. A DuckDB Foundation, entidade sem fins lucrativos, segue supervisionando os projetos, o que foi usado para tranquilizar a comunidade sobre o futuro do open-source.
Por que a AWS quis o DuckDB
Mai-Lan Tomsen Bukovec, vice-presidente de tecnologia da AWS, explicou no anúncio o motivo do interesse da empresa no projeto:
O DuckDB nasceu para resolver o problema de ter performance extremamente rápida para mais de 90% das consultas de dados no mundo hoje, que costumam rodar sobre 1 terabyte de dados ou menos como parte de análises e dashboards.
DuckDB set out to solve the problem of blazingly fast performance for the 90%+ of data queries in the world today, that often runs 1 terabyte of data or less as part of analysis and dashboarding.Mai-Lan Tomsen Bukovec, vice-presidente de tecnologia da AWS
Segundo ela, essas otimizações são particularmente relevantes para cargas de IA agêntica↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI →: agentes costumam inspecionar dados e rodar pequenas consultas exploratórias antes de decidir como seguir, um padrão para o qual o DuckDB já é naturalmente otimizado.
De colaboração técnica a aquisição
Em um texto publicado no blog de Werner Vogels, CTO da Amazon, Andy Warfield, engenheiro distinto da AWS, contou como a relação entre a AWS e a DuckLabs amadureceu antes da compra. O primeiro contato aconteceu quando o time do S3 trabalhava no S3 Tables, e a colaboração cresceu a partir daí.
Nos últimos dois anos, mais ou menos, nossos times trabalharam cada vez mais próximos e ampliaram as áreas em que colaboramos. Exploramos o AWS Lambda como uma primitiva compatível para disparar consultas do DuckDB rapidamente, e suavizamos as integrações entre o DuckDB e os mecanismos de banco de dados e analytics da AWS por meio dos comandos ATTACH e CONNECT, que vêm evoluindo no DuckDB.
Over the past two years (give or take), our teams have worked more and more closely together and have broadened the areas where we've collaborated. We explored AWS Lambda as a matched primitive for launching DuckDB queries quickly, and we smoothed the integrations between DuckDB and the AWS database and analytics engines through DuckDB's evolving ATTACH and CONNECT commands.Andy Warfield, engenheiro distinto da AWS
Para Warfield, o acordo é uma forma de ampliar o alcance dos fundadores, não de absorver o trabalho deles:
A visão de Hannes e Mark é tão alinhada com a forma como pensamos dados na Amazon que quisemos dar a eles a oportunidade mais ampla possível de definir a agenda não só para o DuckDB, mas para como analytics deve ser construído e entregue na nuvem. Então, depois de muitas conversas, decidimos juntos que o time da DuckLabs entraria na AWS.
Hannes and Mark's vision is so aligned with the way that we think about data at Amazon that we wanted to give them the broadest possible opportunity to set the agenda not just for DuckDB, but for how analytics should be built and delivered in the cloud. So, after many conversations [...], we jointly made the decision to have the DuckLabs team join AWS.Andy Warfield, engenheiro distinto da AWS
O que muda no Aurora PostgreSQL
Aurora PostgreSQL é o primeiro serviço da AWS a receber um recurso voltado ao usuário final construído com DuckDB. Esra Kayabali, arquiteta de soluções principal da AWS, descreveu o problema que a integração ataca:
Antes, se sua aplicação precisava combinar dados transacionais recentes no Aurora com registros históricos armazenados no Amazon S3, uma abordagem comum era construir pipelines de ETL reverso, que duplicavam dados, aumentavam custos de infraestrutura e exigiam esforço contínuo de engenharia para manter tudo sincronizado.
Previously, if your application needed to combine recent transactional data in Aurora with historical records stored in Amazon S3, a common approach was to build reverse ETL pipelines that duplicated data, increased infrastructure costs, and required ongoing engineering effort to keep everything synchronized.Esra Kayabali, arquiteta de soluções principal da AWS
Com o DuckDB embutido, uma única consulta SQL no Aurora PostgreSQL combina dados operacionais ao vivo com dados históricos guardados em tabelas Apache Iceberg gerenciadas pelo AWS Glue Data Catalog, além de arquivos Parquet e Iceberg armazenados no Amazon S3 e no S3 Tables. Todo o processamento acontece dentro do próprio Aurora, sem saltos extras de rede nem pipelines de ETL para manter.
Na prática, isso elimina uma classe de infraestrutura que times de dados costumam montar à mão: jobs agendados, filas, funções Lambda ou orquestradores como Airflow só para copiar dados do banco transacional para um data lake e depois juntar tudo de volta numa consulta analítica.
| Antes | Com DuckDB no Aurora |
|---|---|
| Pipeline de ETL reverso duplicando dados | Consulta única lendo dados ao vivo e históricos |
| Infraestrutura extra para sincronizar | Processamento dentro do próprio Aurora |
| Custo de manutenção contínuo | Cobrança só por computação incremental e requisições ao S3 |
O recurso está disponível em todas as regiões comerciais da AWS e na AWS GovCloud (US) sem custo adicional; o cliente paga apenas pelo consumo incremental de computação do Aurora e pelas requisições ao S3 geradas pelas consultas.
Por que isso importa para quem roda Aurora no Brasil
Aurora PostgreSQL é uma das opções gerenciadas mais comuns entre empresas brasileiras que rodam cargas transacionais na AWS, de fintechs a marketplaces. Até aqui, misturar esse banco com análises sobre grandes volumes históricos normalmente significava replicar dados para um data warehouse ou lakehouse via ferramentas de ETL, com todo o custo de manutenção que isso implica.
A promessa da integração é reduzir essa fricção: a consulta analítica roda dentro do próprio Aurora, tocando direto nos dados do S3, sem exigir um pipeline separado de sincronização. Para equipes sem um time de dados dedicado, isso pode significar dashboards que combinam dados recentes e histórico sem manter infraestrutura adicional.
O que ainda está em aberto
A InfoQ não detalha limites de performance da integração nem compara o tempo de resposta das consultas federadas com o de um pipeline de ETL tradicional. Também não há, até agora, anúncio de que o recurso chegará a outros serviços da AWS além do Aurora PostgreSQL, embora o relato de Warfield sugira que a colaboração técnica entre as equipes já alcançava outras áreas antes da aquisição.
A reação da comunidade, registrada pela InfoQ a partir de um comentário no Reddit, mistura comemoração e cautela:
Espero que isso não desacelere o ritmo de inovação que eles vinham tendo, mas fico feliz que encontraram uma forma de lucrar com o trabalho deles e ainda manter a maior parte como open-source sob a fundação.
I hope this doesn't slow the pace of innovation they have been doing, but i'm glad they found a way to both cash in on their work yet keep most of it oss under the foundation.adappergentlefolk, usuário do Reddit
Fonte: InfoQ
Este artigo foi escrito por Redação iMasters. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
Meta lança o Muse Spark, modelo open-weight de 816 bilhões de parâmetros para código e agentes
A gigante de tecnologia liberou os pesos do Muse Spark, um modelo com 816 bilhões de parâmetros voltado a programação e tarefas agênticas, que já pode ser baixado, adaptado e rodado localmente.
