2026-03-11
Big Data auf dem günstigsten MacBook
Gábor Szárnyas
Apple hat heute das MacBook Neo vorgestellt, und es fehlt nicht an Tech-Reviews, die erklären, ob es das richtige Gerät für Studierende, Fotografinnen oder Autorinnen ist. Was sie nicht sagen: ob es zu unserem Ethos Big Data on Your Laptop passt. Das wollten wir datenbasiert beantworten, also sind wir in den nächsten Apple Store gegangen, haben eines mitgenommen und es durchgespielt.
Was ist in der Box?
Nun, nicht viel! Wer dieses Gerät in der EU kauft, bekommt nicht einmal ein Netzteil. Es gibt nur das Laptop und ein geflochtenes USB-C-Kabel. Aber ein paar USB-C-Netzteile hat man wahrscheinlich sowieso schon – weiter zum Laptop selbst!
Der einzige wählbare Teil der Hardware-Spezifikation ist die Platte: 256 oder 512 GB. Weil wir uns mit angeblich „Big Data“ beschäftigen, haben wir die größere Option genommen, womit der Preis auf 700 $ in den USA bzw. 800 € in der EU steigt. Der Speicher ist fest auf 8 GB gesetzt. Und obwohl es nur eine CPU-Option gibt, ist sie ziemlich interessant: dieses Laptop wird vom 6-Kern-Apple A18 Pro angetrieben, ursprünglich für das iPhone 16 Pro gebaut.
Es stellt sich heraus, dass wir dieses Telefon schon unter ungewöhnlichen Umständen getestet haben. 2024, mit DuckDB v1.2-dev, konnten wir feststellen, dass das iPhone 16 Pro alle TPC-H-Abfragen bei Scale Factor 100 in etwa 10 Minuten luftgekühlt und in weniger als 8 Minuten in einer Box Trockeneis abschließen konnte. Das MacBook Neo sollte diese Workload auf jeden Fall schaffen – vielleicht sogar noch etwas mehr. Cue die unvermeidlichen Benchmarks!
ClickBench
Für unser erstes Experiment haben wir ClickBench genutzt, einen analytischen Datenbankbenchmark. ClickBench hat 43 Abfragen, die sich auf Aggregation und Filterung konzentrieren. Die Operationen laufen auf einer einzelnen breiten Tabelle mit 100 Millionen Zeilen, die etwa 14 GB als Parquet und 75 GB als CSV belegt.
Benchmark-Umgebung
Wir haben ClickBenchs DuckDB-Implementierung nach macOS portiert und sie auf dem MacBook Neo mit dem frisch erschienenen v1.5.0-Release ausgeführt. Wir haben nur eine kleine Anpassung vorgenommen: wie in unserem Performance-Guide vorgeschlagen, haben wir das Speicherlimit leicht auf 5 GB gesenkt, um weniger auf das Swapping des OS zu setzen und DuckDB die Speicherverwaltung für Larger-than-Memory-Workloads selbst machen zu lassen. Das ist ein gängiger Trick in speicherarmen Umgebungen, in denen andere Prozesse wahrscheinlich mehr als 20 % des Gesamtspeichers nutzen.
Wir haben ClickBench mit DuckDB v1.5.0 auch auf zwei Cloud-Instanzen wiederholt, mit folgendem Line-up:
- Der Star unserer Show, das MacBook Neo mit 2 Performance-Kernen, 4 Efficiency-Kernen und 8 GB RAM
- c6a.4xlarge mit 16 AMD-EPYC-vCPU-Kernen und 32 GB RAM. Diese Instanz ist in ClickBench beliebt mit etwa 80 einzelnen Ergebnissen.
- c8g.metal-48xl mit stattlichen 192 Graviton4-vCPU-Kernen und 384 GB RAM. Diese Instanz steht oft ganz oben in der gesamten ClickBench-Rangliste.
Das Benchmark-Skript hat zuerst die Parquet-Datei in die Datenbank geladen. Dann hat es gemäß den ClickBench-Regeln jede Abfrage dreimal ausgeführt, um sowohl Cold Runs (erster Lauf mit kalten Caches) als auch Hot Runs (wenn das System etwa Dateisystem-Caching nutzen kann) zu erfassen.
Ergebnisse und Analyse
Unsere Experimente haben folgende aggregierte Laufzeiten in Sekunden ergeben:
| Machine | Cold run (median) | Cold run (total) | Hot run (median) | Hot run (total) |
|---|---|---|---|---|
| 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 |
Cold Run. Die Ergebnisse beginnen mit einer großen Überraschung: Im Cold Run ist das MacBook Neo klarer Sieger mit einer subsekündlichen Median-Laufzeit und schließt alle Abfragen in unter einer Minute ab! Natürlich gibt es bei genauerem Blick auf die Setups eine Erklärung. Die Cloud-Instanzen haben netzwerkangebundene Platten, und der Zugriff auf die Datenbank dort dominiert die Query-Laufzeiten. Das MacBook Neo hat eine lokale NVMe-SSD, die nicht zur Spitzenklasse gehört, aber beim ersten Lesen immer noch relativ schnell ist.
Hot Run. In den Hot Runs verbessert sich die Gesamtlaufzeit des MacBooks nur um etwa 10 %, während die Cloud-Maschinen in Fahrt kommen: die c8g.metal-48xl gewinnt um eine Größenordnung. Allerdings kann das MacBook Neo bei den medianen Query-Laufzeiten immer noch die c6a.4xlarge schlagen, eine mittelgroße Cloud-Instanz. Und die Gesamtlaufzeit des Laptops ist nur etwa 13 % langsamer, obwohl die Cloud-Box 10 CPU-Threads mehr und viermal so viel RAM hat.
TPC-DS
Für unser zweites Experiment haben wir die Abfragen des TPC-DS-Benchmarks genommen. Im Vergleich zum allgegenwärtigen TPC-H-Benchmark mit 8 Tabellen und 22 Abfragen hat TPC-DS 24 Tabellen und 99 Abfragen, von denen viele komplexer sind und Features wie Window-Funktionen enthalten. Und während TPC-H zu Tode optimiert wurde, steckt in TPC-DS-Ergebnissen noch ein Rest Aussagekraft. Schauen wir, ob das günstigste MacBook diese Abfragen schafft!
Für diese Runde haben wir die LTS-Version von DuckDB genutzt, v1.4.4. Die Datensätze haben wir mit der DuckDB-tpcds-Erweiterung erzeugt und das Speicherlimit auf 6 GB gesetzt.
Bei SF100 ist das Laptop durch die meisten Abfragen gesegelt: mediane Query-Laufzeit 1,63 Sekunden, Gesamtlaufzeit 15,5 Minuten.
Bei SF300 zeigte sich die Speichergrenze. Die mediane Query-Laufzeit war mit 6,90 Sekunden noch recht gut, DuckDB nutzte aber gelegentlich bis zu 80 GB Platz zum Auslagern auf die Platte, und es war klar, dass manche Abfragen lange dauern würden. Besonders Query 67 brauchte 51 Minuten. Aber Hardware und Software arbeiteten unermüdlich weiter und haben den Test am Ende bestanden: alle Abfragen in 79 Minuten.
Sollte man eines kaufen?
So ist es: Wer täglich Big-Data-Workloads auf dem Laptop fährt, sollte eher kein MacBook Neo kaufen. Ja, DuckDB läuft darauf und kann dank Out-of-Core-Verarbeitung viel Daten verarbeiten. Aber die Disk-I/O des MacBook Neo ist im Vergleich zu Air- und Pro-Modellen mau (etwa 1,5 GB/s gegenüber 3–6 GB/s), und 8 GB Speicher werden auf Dauer eng. Wer Big Data unterwegs verarbeiten muss und etwas mehr ausgeben kann, ist mit den anderen MacBook-Modellen besser bedient – und es gibt auch gute Optionen für Linux und Windows.
Wenn Sie DuckDB in der Cloud betreiben und das Laptop vor allem als Client nutzen, ist das allerdings ein großartiges Gerät. Und Sie können sich darauf verlassen: Wenn Sie gelegentlich lokal Daten knacken müssen, ist DuckDB auf dem MacBook Neo der Aufgabe gewachsen.