同一批货，换一套分拣设备，出库速度可能差一倍。这个社区挑战把类似问题搬到数据管线：参赛者用自选语言和数据引擎，查询 Backblaze 公开的半十亿行硬盘运行记录，完成五项分析任务。数据采用 Apache Iceberg——一种为大型分析数据集补上表结构、快照和分区管理的开放表格式，因此大家面对的是同一张表，而非各家的专有格式。
目前公开提交里，单机组限制为 8 vCPU、32 GiB 内存。以同一位贡献者在 Apple M4 Pro 上的结果为例，DuckDB 查询指定日期的硬盘规模耗时 3.4047 秒，Polars 为 7.3692 秒；但分析硬盘型号构成时，Polars 又以 2.9198 秒略快于 DuckDB 的 3.0511 秒。这个反转比总榜名次更有意思：引擎选择、查询实现和数据裁剪方式，会随任务不同而改变收益。项目要求公开代码、硬件与缓存状态，不过成绩由贡献者自行报告，并非受控测试，适合用来理解工程取舍，不宜当作通用性能定论。