R中注册Data Frame到DuckDB是否复制数据？虚拟表未同步问题

我正在学习在R中使用DuckDB。根据文档和网络资料，将Data Frame注册为虚拟表时不会复制数据，而是创建指向该Data Frame的指针。

我创建了data.table格式的Data Frame，注册为DuckDB虚拟表后，查询发现其行数与原Data Frame一致（50行）。但删除原data.table部分行（剩余38行）后，再次查询虚拟表，行数仍为50行，未同步变化。

复现代码 #

dt_cars <- as.data.table(cars)
dt_cars[, .N]
# 50.  so far, so good

# 获取数据库连接
conn <- dbConnect(duckdb::duckdb())
duckdb_register(conn, name = 'tbl_cars', df = dt_cars)

query <- 'select count(*) as records from tbl_cars'
results <- dbGetQuery(conn, statement = query) %>% data.table() 
results
# 50.  that makes sense

dt_cars <- dt_cars[speed < 20, ]
dt_cars[, .N]
# 38.  that worked

query <- 'select count(*) as records from tbl_cars'
results <- dbGetQuery(conn, statement = query) %>% data.table() 
results
# still fifty!

一、DuckDB虚拟表注册的实际机制 #

用duckdb_register()注册Data Frame为虚拟表时，DuckDB确实不会复制整个数据集，但它并非创建能实时追踪原对象变化的动态指针：

• DuckDB会获取当前Data Frame在内存中的快照引用，记录该对象的内存地址与数据结构信息。
• 对于data.table这类对象，DuckDB会读取其底层列存储的数据，但不会持续监听原对象的后续修改操作。

二、修改原data.table后虚拟表未同步的核心原因 #

你代码里的dt_cars <- dt_cars[speed < 20, ]并非对原data.table做原地修改，而是生成了一个全新的data.table对象，并让dt_cars变量重新指向这个新对象：

• 最初被DuckDB引用的50行data.table对象依然存在于内存中（未被修改或删除，除非触发垃圾回收）。
• DuckDB的虚拟表始终指向最初的旧对象，因此查询结果还是50行。

同步数据变化的两种方法 #

1. 原地修改原data.table：使用data.table的原地修改语法（比如dt_cars[speed >= 20, ] <- NULL），之后重新注册虚拟表或刷新连接。
2. 重新注册虚拟表：修改数据后，调用duckdb_register(conn, name = 'tbl_cars', df = dt_cars, overwrite = TRUE)覆盖原虚拟表，让DuckDB指向新的data.table对象。

内容的提问来源于stack exchange，提问作者mac_in_texas