结合你此前关注的DuckDB相关技术细节背景，以下是从存储层到执行层的完整全链路运行过程：

1. 存储层：Segment 数据组织

DuckDB 采用单文件块式存储，默认块大小为 ‌256KB‌，表数据被拆分为多个独立的Segment，每个Segment对应磁盘上的连续块，按列存储完成数据持久化，同时通过WAL日志保障ACID事务特性。

2. 内存层：DataChunk 加载

查询触发后，DuckDB 将磁盘上的Segment按列批量读取到内存，封装为DataChunk结构，每个DataChunk固定行数（通常为1024行），作为算子间传递数据的最小单元，避免逐行处理的性能开销。

3. 执行层：Filter 下推过滤

DataChunk 进入流水线后，Filter算子优先执行谓词下推，提前过滤掉不符合条件的数据行，大幅减少后续算子需要处理的数据量，降低内存占用与计算开销。

4. 核心算子：Morsel-Driven Hash Join

过滤后的DataChunk 被切分为多个Morsel（细粒度数据分片），驱动Hash Join并行执行：先构建分桶哈希表，再由多个工作线程独立认领Morsel完成探测，无全局锁竞争，充分利用多核CPU，实现高吞吐的连接计算。

该全流程基于DuckDB的推送式执行引擎设计，可通过缓冲区背压机制自动暂停/恢复流水线，适配大表查询场景。

你可以参考 DuckDB 官方技术文档 查看完整的底层实现细节。

需要我为你梳理该全流程的性能优化关键参数配置清单吗？可以帮你进一步提升DuckDB大表查询的执行效率。