note: presun DuckDB/Iceberg/dbt poznamky do projektu devops

notes/notes.md

@@ -113,16 +113,3 @@
 - PySDR — https://pysdr.org
   Bezplatná online učebnice SDR a DSP v Pythonu od Dr. Marca Lichtmana (pysdr@vt.edu). FFT, filtry, IQ sampling, digitální modulace, synchronizace, multipath fading; kapitoly pro PlutoSDR a další SDR v Pythonu. Open source: GitHub 777arc/PySDR. Od srpna 2026 obsahuje ukázkové GNU Radio flowgraphy spustitelné přímo přes GNU Radio World (desítky ukázkových signálů).
 - Kontext: SDR zajímá — doma je HackRF One a RTL-SDR (+ další).
-
-## Data Engineering / Lakehouse
-
-- DuckDB + Apache Iceberg + dbt — lokální lakehouse stack zdarma. Hlavní use case: celý enterprise lakehouse workflow (incremental loading, SCD Type 2, partition pruning, schema evolution, data quality testy, compaction) se dá prototypovat a učit na laptopu za $0, místo placeného Snowflake/Databricks compute. dbt-duckdb adapter = stejné SQL/modely lokálně i na produkci (Snowflake/BigQuery), mění se jen dbt target.
-- DuckDB v1.5.3 (2026-05-29): plná podpora zápisu do Iceberg tabulek — MERGE INTO (merge-on-read + positional deletes), ALTER TABLE (schema evolution, metadata-only), partition transforms `bucket`/`truncate`, Iceberg V3 (deletion vectors jako Puffin soubory, VARIANT, TIMESTAMP_NS). Dřív uměl Iceberg jen číst; zápis dřív vyžadoval Spark cluster. Ověřeno:
-  - https://duckdb.org/2026/05/29/new-iceberg-features
-  - https://duckdb.org/2025/11/28/iceberg-writes-in-duckdb
-- DuckLake v1.0 (2026-04-13): lakehouse formát s metadaty v SQL databázi (catalog = SQLite/Postgres/DuckDB) místo metadata souborů v object storage. Data inlining (malé inserty/delete/updates do catalogu, default threshold 10 řádků) řeší small-file problem. Volitelná Iceberg kompatibilita. Ověřeno:
-  - https://ducklake.select/2026/04/13/ducklake-10/
-- Apache Polaris: free self-hostable Iceberg REST catalog, top-level Apache projekt (únor 2026) — řeší, čím nahradit Hive Metastore/Glue v lokálním setupu.
-- AWS acquirenul DuckLabs (tým za DuckDB, srpen 2026); projekt zůstává MIT pod nezávislou DuckDB Foundation.
-- Benchmarky (Medium článek, neověřeno primárně — brát s rezervou): FinQore pipeline 8 h → 8 min (60×, z Postgres na DuckDB); dashboard dotazy 200–400 ms vs 2–5 s na Snowflake X-Small; MotherDuck srovnání 6–7× rychlejší než ekvivalentně ceněné Snowflake/Redshift na 10–100 GB datech.
-- Omezení stacku: DuckDB 1 writer (multi-process writes selhávají), Iceberg+Parquet 2–3× pomalejší než nativní DuckDB formát, small-file/manifest explosion se na laptopu neprojeví (data moc malá) — produkční operační zkušenost se naučí až na produkci.