Código abertoPronto para empresasSua nuvem ou ambiente local

Uma alternativa de menor custo ao Databricks.
O mesmo SQL, terabytes em segundos.

Q: Quanto o Hardcharger custa a menos que o Databricks?

Na nossa carga de trabalho de 1 TB derivada do TPC-H, o Hardcharger 2.0.0 concluiu as 22 consultas em 42,4 segundos por US$ 0,09 de processamento AWS. Esta não é uma nova execução comparativa com Databricks. Seu custo total inclui infraestrutura, armazenamento e serviços gerenciados; meça suas próprias cargas de trabalho.

Q: O Hardcharger pode ler minhas tabelas Delta Lake existentes?

Sim. O Hardcharger lê Delta, Iceberg e Parquet diretamente no seu armazenamento de objetos — sem ingestão, cópias ou etapa de exportação. Os dados do seu lakehouse ficam exatamente onde estão.

Q: Posso manter meu código PySpark ao sair do Databricks?

Sim. O adaptador sqlframe-hardcharger (baseado em SQLFrame) oferece uma API DataFrame compatível com PySpark sobre o Hardcharger, e seu modo activate mantém as importações padrão de pyspark inalteradas — assim, tarefas PySpark existentes executam consultas no Hardcharger com poucas ou nenhuma alteração de código e sem um cluster Spark por trás.

Q: Preciso gerenciar clusters?

Não. O Hardcharger é um único processo leve de servidor, iniciado em segundos em uma VM, Docker ou Kubernetes. Não há cluster para dimensionar, aquecer ou pagar enquanto estiver ocioso.

Q: O Hardcharger está pronto para empresas?

O Hardcharger é Apache-2.0 com todos os recursos incluídos: controle de acesso, SSO, logs de auditoria e interface web. Não há edições, chaves de licença nem taxas de software por vCPU. Você paga pela sua infraestrutura e por serviços gerenciados ou suporte opcionais.

O Databricks é poderoso, mas DBUs e inicializações de clusters aumentam a conta silenciosamente. O Hardcharger executa o mesmo SQL padrão por uma fração do custo, na sua nuvem ou ambiente local, lendo Delta, Iceberg e Parquet diretamente. Sem clusters para supervisionar ou medição por DBU.

US$ 0,09por execução do TPC-H de 1 TB

< 43 spara consultar 1 TB

Apache-2.0todos os recursos incluídos

Ver integrações

Apache-2.0. Every feature included. No license keys or per-vCPU software fees.

hardcharger-server (local development)

$ HARDCHARGER_ADMIN_PASSWORD=change-me hardcharger-server --database warehouse.duckdb
sql> SELECT sku, sum(qty) FROM sales GROUP BY sku;
reads Delta and Iceberg directly
no Hardcharger license fee; infrastructure billed separately

Derivado do TPC-H: 22 consultas com fator de escala 1000 (1 TB)

Total em segundos, quanto menor, melhor. AWS r9gd.24xlarge (Graviton5, 96 vCPUs, 742 GiB, 3 × 1,9 TB NVMe), sob demanda na AWS a US$ 7,69/h. Medido em 20 de outubro de 2026.

GizmoSQL 1.42.0 · DuckDB 1.5.677,0 s · US$ 0,164
Hardcharger 2.0.0 · DuckDB 2.0.042,4 s · US$ 0,090

Custo por execução completa: os segundos da execução ao preço sob demanda da máquina na AWS; um custo de nuvem, não uma métrica de preço/desempenho do TPC. Mesmo tipo de máquina e mesmos dados para todos os servidores.

Esta carga de trabalho é derivada do TPC-H Benchmark e não é comparável aos resultados publicados do TPC-H Benchmark, pois esta implementação não atende a todos os requisitos do TPC-H Benchmark. Desvios: apenas as 22 consultas são executadas (sem funções de atualização, sem teste de potência ou de vazão), cronometradas como a soma das médias de cada consulta em três execuções, sem auditoria. TPC, TPC Benchmark e TPC-H são marcas comerciais do Transaction Processing Performance Council (TPC).

Leia isto junto com os números

O Hardcharger usa DuckDB 2.0.0; a referência histórica do GizmoSQL usa DuckDB 1.5.6. A diferença de desempenho inclui as mudanças no mecanismo e não isola o efeito do protocolo do servidor.
O cliente Hardcharger rodou na mesma máquina, com TLS (127.0.0.1). As respostas têm poucas linhas cada, então a rede acrescenta pouco.
As primeiras execuções a frio estão incluídas nas médias (cache de páginas descartado e servidor reiniciado entre as rodadas). A linha DuckDB 1.5.6 é uma referência histórica de uma execução anterior.
A consulta 11 usa a fração fixa do seu gerador, não uma ajustada ao tamanho dos dados, então não retorna linhas em nenhum servidor.
Apenas configurações padrão: 96 threads, o limite de memória padrão do DuckDB, nada ajustado. Uma segunda rodada completa ficou a menos de 2% da primeira, e todas as consultas Hardcharger retornaram as contagens de linhas esperadas.

Por que as equipes saem do Databricks

Sem medição por DBU

Custo fixo e previsível. Sem cobrança por DBU ou por segundo de tempo de cluster.

Sem clusters para supervisionar

Um único processo leve, iniciado em segundos. Sem espera na inicialização ou cobrança de cluster ocioso.

Formatos abertos, sem dependência da plataforma

Lê Delta, Iceberg e Parquet onde estão. Núcleo Apache 2.0 e SQL padrão que você pode auditar.

Usa PySpark? Também atendemos a esse caso.

Suas tarefas Databricks não precisam ser reescritas em SQL. O adaptador sqlframe-hardcharger (baseado em SQLFrame) oferece uma API DataFrame compatível com PySpark sobre o Hardcharger — e seu modo activate mantém as importações padrão de pyspark funcionando como estão. Pipelines PySpark existentes executam consultas no Hardcharger com poucas ou nenhuma alteração de código e sem um cluster Spark por trás.

Obtenha o adaptador PySpark no PyPI →

python

$ pip install sqlframe-hardcharger
py> from sqlframe_hardcharger import HardchargerSession, functions as F
py> spark = HardchargerSession.builder.config(map={
    "hardcharger.uri": "hardcharger://localhost?tls=false",
    "hardcharger.username": "hardcharger", "hardcharger.password": "change-me"
 }).getOrCreate()
py> (spark.table("gold.orders")
        .groupBy("region").agg(F.sum("revenue")).show())
same PySpark DataFrame code — no Spark cluster

Em operação em três passos

Instale o Hardcharger grátis

Binários nativos, Docker, pip ou Homebrew. Comece pelo guia de instalação.

Aponte para seus dados

DuckDB, Parquet, Iceberg, Delta ou DuckLake no seu armazenamento de objetos. Sem ingestão ou cópias.

Conecte suas ferramentas

Conecte aplicações Java via JDBC, notebooks via ADBC e navegadores via HTTP. Use dbt-hardcharger para dbt.

Hardcharger vs Databricks — FAQ

Quanto o Hardcharger custa a menos que o Databricks?