Traiter du big data sur le MacBook le moins cher

• Résultats d’une évaluation de la capacité du tout nouveau MacBook Neo à gérer des charges de travail de base de données à l’aide des benchmarks ClickBench et TPC-DS SF300
• Le modèle utilisé pour l’expérience était équipé d’une puce Apple A18 Pro à 6 cœurs, de 8 Go de mémoire et d’un SSD de 512 Go ; les tests ont été réalisés avec DuckDB v1.5.0 et v1.4.4 LTS
• Sur ClickBench, le MacBook Neo a obtenu de meilleurs résultats à froid que des instances cloud, un avantage attribué à la rapidité d’accès du SSD NVMe local
• Dans le test TPC-DS SF300, certaines requêtes ont provoqué jusqu’à 80 Go de déversement sur disque, mais toutes les requêtes ont été terminées en 79 minutes, de manière stable
• Il existe des limites pour les tâches quotidiennes de big data, mais l’essai montre qu’il est tout à fait exploitable comme ordinateur portable client pour DuckDB

---

Spécifications du MacBook Neo et objectif du test

• Le MacBook Neo lancé par Apple a été présenté comme un produit destiné aux étudiants et aux écrivains, mais l’équipe DuckDB en a évalué les performances dans la logique du « big data sur ordinateur portable »
  • En Europe, le modèle commercialisé n’inclut pas de chargeur, seuls l’ordinateur portable et un câble USB-C sont fournis
  • Les seules options disponibles sont un SSD de 256 Go ou de 512 Go ; le test a été effectué avec le modèle 512 Go
• Il embarque 8 Go de mémoire et une puce Apple A18 Pro (6 cœurs)
  • L’iPhone 16 Pro, équipé de la même puce, avait déjà terminé le TPC-H SF100 en moins de 10 minutes lors d’un test précédent

Benchmark ClickBench

• ClickBench est un benchmark de base de données analytique qui exécute 43 requêtes sur une table unique de 100 millions de lignes
  • Taille des données : 14 Go au format Parquet, 75 Go en CSV
• DuckDB v1.5.0 a été porté et exécuté sur macOS, avec une limite mémoire fixée à 5 Go afin de réduire la dépendance au swap
• Éléments de comparaison :
  • MacBook Neo (2P+4E cœurs, 8 Go de RAM)
  • AWS c6a.4xlarge (16 vCPU, 32 Go de RAM)
  • AWS c8g.metal-48xl (192 vCPU, 384 Go de RAM)

Résultats et analyse

• Résultats à froid :
  • Le MacBook Neo a terminé toutes les requêtes en moins d’une minute, avec une médiane de 0,57 s, soit la meilleure performance
  • Les instances cloud ont été plus lentes en raison de la latence du stockage réseau
• Résultats à chaud :
  • Le temps d’exécution total du MacBook Neo s’est amélioré d’environ 10 %
  • Le c8g.metal-48xl est globalement le plus rapide, mais le MacBook Neo fait mieux que le c6a.4xlarge en temps médian
  • Le temps d’exécution total reste environ 13 % plus lent que celui du c6a.4xlarge

Benchmark TPC-DS

• Utilisation de DuckDB v1.4.4 LTS, avec une limite mémoire de 6 Go
• SF100 :
  • Temps médian par requête de 1,63 s, pour un total de 15,5 minutes
• SF300 :
  • Temps médian par requête de 6,90 s
  • Déversement sur disque atteignant jusqu’à 80 Go
  • La requête 67 a pris 51 minutes, et l’ensemble des requêtes a été terminé en moins de 79 minutes

Éléments à considérer avant l’achat

• Pour un traitement continu de big data, les principaux facteurs limitants sont les E/S disque (1,5 Go/s) et les 8 Go de mémoire
  • Un modèle Air ou Pro (3–6 Go/s), ou un ordinateur portable reposant sur un autre OS, sera plus adapté
• En revanche, si DuckDB s’exécute dans le cloud et que la machine locale sert de client, le MacBook Neo est amplement utile
  • Il peut aussi gérer de façon fiable un traitement local occasionnel des données

Conclusion

• Malgré son positionnement d’entrée de gamme, le MacBook Neo peut mener à bien de lourdes charges de travail de données avec DuckDB
• Même face à un environnement cloud, l’avantage du SSD local ressort nettement
• Il est présenté comme un appareil au minimum de spécifications permettant aux développeurs et analystes de données de concilier portabilité et performances expérimentales