SQLite 是目前部署最广泛的数据库引擎，它几乎存在于每一台智能手机和电脑中。与 MySQL、PostgreSQL 等需要独立服务进程的数据库不同，SQLite 是一个嵌入式的、零配置的轻型数据库。本文将探讨 SQLite 在个人项目中的优势场景和性能优化技巧。

SQLite数据库

一、为什么选择 SQLite 而非 MySQL

对于个人开发者和小型项目而言，SQLite 相比 MySQL 有诸多优势：

  • 零配置：不需要安装数据库服务、不需要配置端口、不需要创建用户和密码
  • 服务器无关：数据存储在一个 .db 文件中，拷贝文件即完成数据迁移
  • 极低资源占用：读写百万级数据时内存占用通常不超过 50MB
  • 内置支持：Python、PHP、Node.js 等各种语言都有内置的 SQLite 支持，无需安装额外驱动
  • 适合读多写少：SQLite 使用读者-写者锁，对于分析型场景（如我的基金信号分析工具）非常高效
适用场景判断：如果应用每天写入低于 10 万条、并发请求小于 50、数据量在 TB 以下，SQLite 通常是最优解。我的信号分析工具正好符合这个场景。

二、SQLite 与 Python 的无缝集成

Python 标准库自带 sqlite3 模块，无需 pip install 任何东西即可使用：

import sqlite3 # 创建连接（文件不存在会自动创建） conn = sqlite3.connect('mydata.db') conn.row_factory = sqlite3.Row # 让查询结果像 dict 一样使用 cursor = conn.cursor() # 建表 cursor.execute(''' CREATE TABLE IF NOT EXISTS signals ( id INTEGER PRIMARY KEY AUTOINCREMENT, code TEXT NOT NULL, date TEXT NOT NULL, signal_value REAL, strategy TEXT ) ''') # 批量插入（事务批量提交性能极高） data = [('004241', '2026-06-15', 0.85, 'strategy_a')]*1000 cursor.executemany( 'INSERT INTO signals (code, date, signal_value, strategy) VALUES (?,?,?,?)', data ) conn.commit() # 查询 cursor.execute('SELECT * FROM signals WHERE code=?', ('004241',)) for row in cursor.fetchall(): print(row['code'], row['signal_value'])

三、性能优化：WAL 模式与索引

SQLite性能优化

3.1 启用 WAL 模式

SQLite 默认使用 rollback journal 模式，写入时锁定整个数据库。WAL（Write-Ahead Logging）模式允许读写并发，显著提升性能：

cursor.execute('PRAGMA journal_mode=WAL') cursor.execute('PRAGMA synchronous=NORMAL') cursor.execute('PRAGMA cache_size=-8000') # 8MB 缓存 cursor.execute('PRAGMA temp_store=MEMORY')

在我的实际测试中，开启 WAL 后批量写入速度提升了约 3 倍，查询延迟降低了 40%。

3.2 索引优化

没有索引的 SQLite 查询会做全表扫描。以下是我在信号数据库中使用的索引策略：

-- 单列索引：加速等值查询 CREATE INDEX IF NOT EXISTS idx_signals_code ON signals(code); -- 复合索引：加速"按基金+日期范围"的联合查询 CREATE INDEX IF NOT EXISTS idx_signals_code_date ON signals(code, date); -- 查看索引使用情况 EXPLAIN QUERY PLAN SELECT * FROM signals WHERE code='004241' AND date > '2026-01-01';
经验法则：WHERE 条件中频繁出现的列、JOIN 的关联列、ORDER BY 和 GROUP BY 的列都应创建索引。但索引不是越多越好，每个索引都会增加写入开销和磁盘空间。

四、多文件数据库的跨库查询

SQLite 原生支持 ATTACH 命令，可以将多个 .db 文件挂载到同一个连接中，实现跨库 JOIN 查询，这在我的项目中非常实用：

conn = sqlite3.connect('main.db') conn.execute("ATTACH DATABASE 'signals.db' AS sig") conn.execute("ATTACH DATABASE 'info.db' AS info") result = conn.execute(''' SELECT s.code, i.name, s.signal_value FROM sig.signals s JOIN info.fund_list i ON s.code = i.code WHERE s.date = '2026-06-15' ORDER BY s.signal_value DESC ''').fetchall()

五、数据备份与同步策略

SQLite 数据库的备份极其简单——直接复制文件即可。但在生产环境中需要注意以下几点：

  • 使用 VACUUM INTO 在线备份：在服务运行中热备份，无需停机
  • rsync 增量同步：利用 rsync 的文件块对比能力，只传输变更部分，60MB 数据库实际传输可能只有 5MB
  • 避免在同步源执行 VACUUM：VACUUM 会重写整个文件，破坏增量同步的效率
# Python 中执行热备份 conn.execute("VACUUM INTO 'backup_20260615.db'") # 用 rsync 增量同步到远程服务器 # rsync -av --inplace signals.db user@server:/opt/data/

总结

SQLite 不是"玩具数据库"，而是一个经过 20 年打磨、部署量超过一万亿的工业级产品。对于个人开发者而言，选择 SQLite 意味着零运维成本和不俗的性能表现。本文介绍的 WAL 模式、索引策略和跨库查询技巧，构成了一个完整的 SQLite 最佳实践框架，希望能为读者在个人项目中的数据存储选择提供有价值的参考。