模块 6.4 · SQL 与 SQLite

数据库正传

看数据库如何又快又好地把数据存好、查快

上一节的文件方案，埋了三个问题

文件存储系统的三个问题

🐢

效率

存一条
要重写整份文件

💥

并发

多人同时
脏写 / 脏读

🧨

健壮

写一半崩了
一坏全坏

存储，是普世的需求

这些，又是人人都会遇到的问题

1

一条经验

七步之内，必有解药

在计算机领域，只要是人人都可能遇到的问题，就一定有人早已做好了专门的东西——这一次，它就是数据库。

关系型

非关系型

服务式

嵌入式

较少见

MySQL

PostgreSQL

ClickHouse

MariaDB

MongoDB

Redis

SQLite

DuckDB

1

维度① 数据模型 · 先看数据长什么样

数据的三种形态

结构化

商品价茶12笔5

🔗

单商品1茶2笔

整整齐齐的表，还能互相关联

半结构化

{ "name": "茶", "price": 12 }
{ "name": "笔", "tag": "文具" }

有结构但松散，像 JSON，字段可以对不齐

非结构化

🖼 🎬 📄

图片、视频、大段文本

维度① 数据模型 · 配什么库

关系型 vs 非关系型

关系型（大多数）

数据存成一张张规整的表，用一种叫 SQL 的通用语言读写。MySQL / PostgreSQL / SQLite 都是。

非关系型 · NoSQL

要求更松散。典型是文档型的 MongoDB，存进去的东西长得就像 JSON。

对象存储（图片、视频）也算非关系型，但一般不叫它数据库，就叫“对象存储”。

维度② 服务方式 · 怎么连上它

嵌入式 vs 服务式

🖥 服务式 · 连它要一串配置

host db.example.com:5432

database mydb

user admin

password ••••••••

常驻进程、守着端口，多应用 · 并发 · 权限——生产主流。

📦 嵌入式 · 连它只要一个文件

test.db

不启动、不占端口。SQLite 就是——import sqlite3 打开这个文件即用。

你手机里此刻就躺着几十个 SQLite——微信聊天记录、浏览器历史，底下都是它。

关系型

非关系型

服务式

嵌入式

较少见

MySQL

PostgreSQL

ClickHouse

MariaDB

MongoDB

Redis

SQLite

DuckDB

12

关系型数据库的通用语言

常用的四句 SQL

sql

CREATE TABLE 表名 (字段名字段类型, 字段名字段类型, ……)-- 建一张表

INSERT INTO 表名 (字段, 字段, ……) VALUES (值, 值, ……)-- 插入一行

SELECT 字段, 字段 FROM 表名 WHERE 条件-- 按条件查询

DELETE FROM 表名 WHERE 条件-- 按条件删除

建表时，先定好每列的类型

不同的数据库支持的数据类型不同

类别	MySQL	PostgreSQL	SQLite
整数	`INT` / `BIGINT`	`INTEGER` / `BIGINT`	`INTEGER`
小数	`DECIMAL` / `FLOAT`	`NUMERIC` / `REAL`	`REAL`
文本	`VARCHAR` / `TEXT`	`VARCHAR` / `TEXT`	`TEXT`
日期时间	`DATE` / `DATETIME`	`DATE` / `TIMESTAMP`	无 · 用 TEXT 存
布尔	`TINYINT(1)`	`BOOLEAN`	无 · 用 0/1

建一张电影表 films

用 CREATE TABLE 创建一个表

sqlpython

CREATE TABLE 表名 (字段名字段类型, 字段名字段类型, ……)

CREATE TABLE films (title TEXT, language TEXT, release_date TEXT, created_at TEXT)

CREATE TABLE films (id INTEGER, title TEXT, language TEXT, release_date TEXT, created_at TEXT)

CREATE TABLE films (id INTEGER PRIMARY KEY AUTOINCREMENT, title TEXT, language TEXT, release_date TEXT, created_at TEXT)

cur.execute("CREATE TABLE films (id INTEGER PRIMARY KEY AUTOINCREMENT, title TEXT, language TEXT, release_date TEXT, created_at TEXT)")

cur.execute(""" CREATE TABLE films ( id INTEGER PRIMARY KEY AUTOINCREMENT, title TEXT, language TEXT, release_date TEXT, created_at TEXT ) """)

films

id	title	language	release_date	created_at	字段名	字段名

12345

往 films 里插一条

用 INSERT 插入数据

sqlpython

INSERT INTO 表名 (字段, 字段, ……) VALUES (值, 值, ……)

cur.execute(""" INSERT INTO films (title, language, release_date, created_at) VALUES ('肖申克的救赎', '英语', '1994-09-23', datetime('now')) """) conn.commit()

films

id	title	language	release_date	created_at
1	肖申克的救赎	英语	1994-09-23	2026-…

1

把数据查出来

用 SELECT 查询数据

sqlpython

SELECT 字段名1, 字段名2 FROM 表名 WHERE 条件表达式

SELECT * FROM films WHERE language = '日语'

SELECT * FROM films

cur.execute("SELECT * FROM films").fetchall()

查询结果

id	title	language	release_date	created_at
1	肖申克的救赎	英语	1994-09-23	2026-…

123

删一条记录

用 DELETE 删除数据

python

cur.execute("DELETE FROM films WHERE id = 2")

conn.commit()

再认两个，不演示

UPDATE 与 DROP

sql

UPDATE 表名 SET 字段名 = 值 WHERE 条件表达式

DROP TABLE 表名

🔎 搜索奥德赛花样年华欢迎来龙餐馆 ' OR '1'='1

python

cur.execute("SELECT * FROM films WHERE title = '肖申克的救赎奥德赛花样年华欢迎来龙餐馆' OR '1'='1'")

cur.execute("SELECT * FROM films WHERE title = ?", ["值"])

123456789

数据量大了，才见真章

三个关键字：排序 · 逆序 · 限量

ORDER BY

按某列排序
（默认从小到大）

DESC

加在后面
改成从大到小

LIMIT n

只取前 n 条

SELECT * FROM films ORDER BY created_at DESC LIMIT 5　-- 最近入库 5 条

高光时刻

一句，顶三行

python · 6.3 文件版

records = load_history() # 全读进内存

records.reverse() # 自己倒序

return records[:10] # 自己切片

sql · 数据库版

SELECT * FROM history ORDER BY created_at DESC LIMIT 10

第一招

… ORDER BY created_at DESC LIMIT 10

内存

哪个更大？

硬盘 · 全表

123456

第二招

输出

内存 · 大小固定

段③段⑦

段⑦段①

段①段⑤

段⑤段②

段②段③

段⑧段⑧

段④段④

段⑥段⑥

硬盘 · 临时文件（有序段）

硬盘 · 全表（无序）

12345678

第三招

… ORDER BY created_at DESC LIMIT 10

内存

硬盘

索引 · 按 created_at 排好序

全表 · 无序

1234

这一节，理清两件事

为什么会需要数据库
数据库长什么样