DuckDB+dbt
調査結果の概要
DuckDBとdbtプロジェクトでブラウザ上でアドホックなSQLを実行する方法について、包括的な調査を実施しました。従来の選択肢（DuckDB UI、dbt Cloud）に加えて、多数の無料・オープンソースツールや新しいクラウドサービスが利用可能であることが判明しました。
1. DuckDB UI（公式ローカルWebインターフェース）
概要と特徴
DuckDB UIは、2025年3月にDuckDB v1.2.1から利用可能となった公式のローカルWebユーザーインターフェースです。Jupyterライクなノートブック環境で、セル単位でSQLクエリを実行できます。
セットアップ手順
code:bash
# DuckDBのインストール（macOS）
brew install duckdb
# UIの起動（最も簡単な方法）
duckdb -ui
# または、SQLコマンドから
duckdb
D CALL start_ui();
主要機能
SQLノートブック環境：セル形式でのクエリ実行
データカタログ：テーブルやビューの構造確認
統計情報表示：ヒストグラム、NULL値割合、カーディナリティ
リアルタイム更新：Instant SQL機能
ローカル実行：データは外部に送信されない
メリット・デメリット
メリット：
セットアップが非常に簡単
高速なローカル実行
DuckDBの全機能を利用可能
デメリット：
dbtとの直接統合機能は限定的
フロントエンドがクローズドソース
WebAssembly版では利用不可
2. dbt Cloudとその代替案
dbt Cloudの現状（2024-2025年）
無料のDeveloper License：
1開発者座席
月間3,000モデル実行まで無料
ブラウザベースIDE付き
価格体系の変更：
消費ベース価格モデルに移行（$0.01/実行）
従来比で最大225%のコスト増のケースも
主要な無料代替案
dbtプロジェクトを直接BIプラットフォームに変換
無制限ユーザー・ダッシュボード
DuckDB完全対応
セルフホスト版は完全無料
Streamlitベースの対話型ワークベンチ
自動YAML生成・管理
ブラウザでSQL実行可能
完全無料
Elementary
dbt原生のデータ品質監視
MLによる異常検知
ブラウザベースダッシュボード
オープンソース版無料
3. オープンソース/無料のSQL実行環境
Jupyter環境ソリューション
JupySQL（旧ipython-sql）
code:bash
pip install jupysql duckdb-engine duckdb
code:python
%load_ext sql
%sql duckdb:///path/to/database.db
%%sql
SELECT * FROM 'data.parquet' LIMIT 5;
magic_duckdb
code:bash
pip install magic_duckdb
最小限の依存関係
AI支援によるSQL改善機能
高度な可視化機能
VS Code拡張機能
DuckDB SQL Tools
DuckDB v0.10.2サポート
オートコンプリート機能
リモートファイル（S3、HTTP）のクエリ可能
無料
dbt Power User
dbtプロジェクトとの完全統合
SQLクエリ実行（Ctrl+Enter）
列系統の可視化
無料
Webベースクエリエディタ
Evidence.dev
MarkdownとSQLを使用したBI-as-Code
静的サイト生成
DuckDBネイティブサポート
GitOpsワークフロー対応
Rill Developer
DuckDBベースで構築
YAMLとSQLでダッシュボード作成
リアルタイムデータプロファイリング
無料
Metabase（オープンソース版）
自動的なデータサマリー生成
豊富な可視化オプション
DuckDBドライバー利用可能
セルフホスト版無料
4. 新しいツールとサービス
MotherDuck（DuckDBクラウドサービス）
ローカルとクラウドのハイブリッド実行
ブラウザベースのSQL実行環境提供
現在ベータ期間中は無料
dbtとの完全互換性
shell.duckdb.org
ブラウザ内でDuckDBを即座に実行
ファイルアップロード可能
WebAssemblyによる高性能
完全無料
Streamlit + DuckDB統合
カスタマイズ可能なダッシュボード
リアルタイム更新
Python環境が必要
無料
5. 各方法の比較
table:_
ツール セットアップの容易さ dbt統合 ブラウザ実行 コスト 推奨度
DuckDB UI ★★★★★ ★★☆☆☆ ★★★★★ 無料 ★★★★☆
dbt Cloud ★★★★★ ★★★★★ ★★★★★ 条件付き無料 ★★★☆☆
MotherDuck ★★★★★ ★★★★☆ ★★★★★ ベータ無料 ★★★★★
Lightdash ★★★☆☆ ★★★★★ ★★★★★ 無料 ★★★★☆
JupySQL ★★★★☆ ★★★☆☆ ★★★★☆ 無料 ★★★★☆
Evidence.dev ★★★☆☆ ★★★★☆ ★★★★★ 無料 ★★★★☆
6. 推奨される使用パターン
個人開発者・小規模チーム（1-3人）
推奨構成：DuckDB UI + dbt-osmosis + JupySQL
完全無料
セットアップが簡単
十分な機能性
中規模チーム（4-10人）
推奨構成：MotherDuck + Lightdash + dbt Core
コスト効率的
チーム協業機能
ブラウザベース環境
アドホッククエリ重視
推奨構成：
1. 最も簡単：shell.duckdb.org（即座に利用可能）
2. 統合環境：MotherDuck Webアプリ
3. カスタマイズ：Streamlit + DuckDB
データ分析・可視化重視
推奨構成：Evidence.dev または Rill Developer
SQL + Markdownでレポート作成
GitOps対応
共有機能付き
結論
2024-2025年現在、DuckDBとdbtプロジェクトでのブラウザベースSQL実行環境は大幅に充実しています。特に注目すべきは：
1. MotherDuckの登場により、ローカル開発からクラウド展開へのシームレスな移行が可能に
2. 無料オープンソースツールの組み合わせで、dbt Cloudと同等以上の機能を実現可能
3. DuckDB UIにより、追加ツールなしでも基本的なブラウザベース環境が利用可能
選択は組織の規模、技術的成熟度、予算に応じて行うべきですが、多くのケースで無料ツールの組み合わせが十分な機能を提供します。特に、「Modern Data Stack in a Box」という概念により、複雑で高コストなデータインフラが不要になりつつあることは、小中規模プロジェクトにとって大きな利点となっています。