SQLite — 嵌入式 SQL 数据库

待复核

是什么

SQLite 是一个完整的 SQL 数据库，但它不是独立服务器，而是一个文件 + 一个动态库。日常类比：postgresql 是要预约的医院（先起进程、再建连接、再说话）；SQLite 是放在抽屉里的医疗手册——打开就能查，看完合上。

你写：

import sqlite3
conn = sqlite3.connect('mydb.db')
conn.execute('SELECT * FROM users')

没起服务器、没监听端口、没装客户端——mydb.db 这个文件本身就是数据库。这种”嵌入式”运行模式，是它和 PostgreSQL / MySQL 最根本的差别。

为什么重要

不理解 SQLite 的”小而无处不在”，下面这些事都解释不通：

为什么全球部署量第一的数据库是它（不是 MySQL，也不是 Oracle）——你手机里的 iOS / Android 系统数据库都是 SQLite
为什么它强调100% 分支 / MC/DC 测试覆盖——按航空软件 DO-178B 的测试思路做（项目本身未宣称正式取证），测试代码量远超源码
为什么作者选了公共领域许可（Public Domain）——不要钱、不限商用、不要署名，连开源协议都嫌啰嗦
为什么 2020 年后又出现了 Cloudflare D1 / Turso / LiteFS 这些”边缘云 SQLite”——一个二十多年前的库，在云原生时代被重新发现

核心要点

SQLite 的设计可以拆成 三个反直觉的选择：

嵌入式（Embedded）：不是独立进程，是链接到你应用里的动态库。SELECT 语句的执行不跨进程边界——就是普通函数调用，没有 TCP / socket 开销。
单文件存储：整个数据库就是一个 .db 文件，包括表结构、索引、数据、视图。复制文件 = 完整备份；删文件 = 删库；想发给同事？直接发文件就行。
Serverless：这里的 serverless 不是云厂商那种按请求计费，而是没有独立数据库进程——不需要安装服务、不开端口、不要权限管理。读小数据集时比 PostgreSQL 快一个数量级——少了网络往返这一步。

加起来叫 “SQL as a library，not as a service”。

实践案例

案例 1：命令行三秒建库

sqlite3 mydb.db "CREATE TABLE users(id INTEGER, name TEXT); INSERT INTO users VALUES(1, 'Alice');"

逐部分解释：

sqlite3 mydb.db "..." 打开（或创建）名为 mydb.db 的文件，并在里面执行 SQL
CREATE TABLE / INSERT 把表结构和一行数据写进这个文件
跑完后 ls mydb.db 看到的那个文件就是完整数据库；rm mydb.db 等于删库

案例 2：Python 嵌入式调用

import sqlite3
conn = sqlite3.connect('mydb.db')
cursor = conn.execute('SELECT id, name FROM users WHERE id = ?', (1,))
print(cursor.fetchone())  # (1, 'Alice')
conn.close()

逐部分解释：

sqlite3 是 Python 标准库自带的——不用 pip install
connect('mydb.db') 把数据库文件挂进当前进程，没有服务器、没有端口
? 占位符传参，避免把用户输入直接拼进 SQL（防注入的基本写法）

案例 3：WAL 模式解锁并发

默认 SQLite 写时锁全库，读写互斥。开 WAL（Write-Ahead Log）模式：

PRAGMA journal_mode=WAL;

逐部分解释：

默认模式：写的时候读者也要等，像单车道施工
WAL：读者继续走原来的数据文件，写者把新改动追加到旁边的 WAL 日志
定期 checkpoint 把日志合并回主文件；这一行 PRAGMA 把「单用户玩具」推到「中等读并发可用」

踩过的坑

写并发性能差：SQLite 同一时刻只允许一个写者（即使开了 WAL）。多进程同时写会排队甚至超时。要高写入并发？换 PostgreSQL。
类型系统极弱：SQLite 是动态类型——你声明 name TEXT，但 INSERT INTO users VALUES(1, 12345) 也会成功（数字被存成 TEXT）。生产代码必须自己校验，别指望数据库挡住脏数据。
没有内置全文搜索方案：要做搜索得编译 FTS5 扩展（很多发行版默认带，但不是所有）。LIKE '%word%' 不走索引、慢得像爬。
大数据集性能下降：单库超过 100 GB 后，VACUUM、备份、迁移都变慢；写并发瓶颈也更明显。要做分库分表？SQLite 不是合适的工具——这是它的设计取舍。
没有用户和权限：所有访问者通过文件系统权限管理，没有 GRANT / REVOKE。多租户场景请绕道。

适用 vs 不适用场景

适用：

移动端 / 桌面端本地存储（手机 App 缓存、Electron 应用、配置数据）
测试和原型（不想为单测起一个 PostgreSQL 容器）
读多写少的中小站：大致单写者、库体积到几十 GB 仍常见（个人博客、文档站、小型 CMS）
边缘计算（Cloudflare D1 / Turso 把 SQLite 部署到全球边缘节点）

不适用：

高并发写入（多人同时下单、IM 消息流）→ 用 PostgreSQL / MySQL
多机写扩展 / 原生跨机复制与分布式事务 → SQLite 本职是单机文件库（多进程可共享同一文件，但不是集群数据库）
需要细粒度权限控制（行级 RLS、用户组）→ 用 PostgreSQL
内置 JSON 复杂查询 / 物化视图 → SQLite 都有，但 PostgreSQL 更强

历史小故事（可跳过）

2000 年：D. Richard Hipp 在为美国海军写一个船舶导弹的辅助软件，找数据库时发现 PostgreSQL 太重、文件型 dbm 太弱，干脆自己写一个嵌入式 SQL 库——这就是 SQLite 1.0。
2004 年：Hipp 把 SQLite 放到 Public Domain——不收钱、不限商用、不要求署名。这个决定让它后来横扫移动端。
2010 年起：Android 选 SQLite 作为系统数据库；iOS Core Data 底层也是 SQLite；Firefox / Chrome 用它存历史和书签。地球上每台联网设备里都有 SQLite。
2015 / 2018 年：JSON1 扩展约在 3.9（2015）进入主线；Window Function 在 3.25.0（2018-09）加入，开始向 PostgreSQL 看齐。
2022 年：Cloudflare 发布 D1——SQLite 跑在 Workers 边缘节点上，每个请求就近访问数据。
2022–2024 年：LiteFS / Turso 等把 SQLite 拓展成可复制、跨区域同步——一个二十多年前的”单机库”，在云原生时代变成边缘存储的常见底座。

学到什么

嵌入式 vs 服务器 是数据库设计最根本的分叉——一边追求”能在所有地方运行”，一边追求”在中央节点高吞吐”
简单 + 充分测试 比”功能丰富 + 半成品”打得远——SQLite 用最少的特性、最深的测试，赢了 20 年
公共领域许可 是 SQLite 横扫嵌入式市场的隐藏推手——商业代码、闭源固件都能直接用
设计的关键不是加什么，是不加什么——SQLite 主动拒绝”客户端 / 服务器”这一层，于是有了别人没有的简单
测试是护城河：按航空软件 DO-178B 的思路做 100% MC/DC 覆盖（项目本身未宣称正式取证），让小团队维护的库能跑在数十亿设备上
Public Domain 比 MIT 更松：不要求保留版权声明，闭源固件也不会因为“忘了贴 license”出问题

关联

postgresql —— 服务器型关系数据库的代表，与 SQLite 形成”重 vs 轻”的设计对照
duckdb —— 同属嵌入式阵营，但 DuckDB 偏分析（OLAP），SQLite 偏事务（OLTP）
duckdb-wasm —— 把分析库塞进浏览器，可和 SQLite 的”库即文件”对照
leveldb —— 嵌入式 KV，没有 SQL；理解”库 vs 引擎”边界
mysql —— 另一条客户端/服务器路线，部署量常被拿来和 SQLite 对比

反向链接

foundationdb —— FoundationDB — 把事务、日志和存储拆开，再用仿真守住正确性
ingres-1976 —— INGRES 1976 — Berkeley 平行实现的关系数据库
sequel-1974 —— SEQUEL 1974 — 让数据库”听懂”近似英语的查询
anytype-ts —— Anytype — 本地优先块编辑器
bbolt —— bbolt — Go 嵌入式 B+ 树 KV
bitcoin-core —— Bitcoin Core — 比特币参考实现
django —— Django — 全功能 batteries-included 的 Python web 框架
duckdb —— DuckDB — 嵌入式列存 OLAP
duckdb-wasm —— duckdb-wasm — 把分析数据库塞进浏览器标签页
go-ethereum —— Go-Ethereum (Geth) — 以太坊主流 Go 客户端
home-assistant —— Home Assistant Core — 本地优先的家庭自动化大脑
immich —— Immich — 把家庭照片从别人的云里救回自己机器
leveldb —— LevelDB — Google LSM 库
lmdb —— LMDB — 内存映射 KV 库
logseq —— Logseq — 块结构离线知识库
minetest —— Minetest (Luanti) — 开源世界的 Minecraft
mongodb —— MongoDB — 文档型 NoSQL 数据库
mysql —— MySQL — 全球最流行关系数据库
postgresql —— PostgreSQL — 工业级关系数据库
rt-thread —— RT-Thread — 中文社区主导的物联网 RTOS
signal-android —— Signal Android — 让 Android 上的每条消息都只有两端能看见
signal-ios —— Signal iOS — 让 iPhone 上的每条消息都只有两端能看见
sled —— sled — Rust 现代 BTree + LSM 混合嵌入式 KV
trilium —— Trilium — 树形层级笔记系统
unqlite —— UnQLite — C 写的嵌入式 NoSQL 双模数据库
valkey —— Valkey — Redis 7.2.4 的开源 fork

SQLite — 嵌入式 SQL 数据库

是什么

为什么重要

核心要点

实践案例

案例 1：命令行三秒建库

案例 2：Python 嵌入式调用

案例 3：WAL 模式解锁并发

踩过的坑

适用 vs 不适用场景

历史小故事（可跳过）

学到什么

延伸阅读

关联

反向链接