sqlite 是轻量级数据库，适用于小型的数据存储应用场景。
在 Linux 系统测试了一下 sqlite 的模糊查询功能：从 100w 条数据里（文件夹/文件名称），模糊查询字符串。
- 极端情况，搜索一个字符或一个汉字，从请求到返回结果耗时约 400 毫秒。
- 正常情况，搜索词组，耗时 200 毫秒左右，感觉效率还不错。
1. 需求
数据库保存系统的文件夹/文件名，根据字符串进行模糊搜索。
2. 建库
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 系统
cat /proc/version
Linux version 3.10.0-1127.19.1.el7.x86_64
# 安装高版本 sqlite
wget https://www.sqlite.org/2023/sqlite-autoconf-3440200.tar.gz
tar zxf sqlite-autoconf-3440200.tar.gz
cd sqlite-autoconf-3440200
./configure --prefix=/usr/local --enable-fts5
make -j4
make install
ln -s /usr/local/bin/sqlite3 /usr/bin/sqlite3
# 版本
sqlite3 --version
3.44.2 2023-11-24 ... (64-bit)
# 建库
sqlite3 db_file_objs.db
3. 实现
3.1. 脚本
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
import os, sys
import sqlite3
from datetime import datetime
import time
# 建表
def create_table(c):
c.execute("create table if not exists file_object ( \
id INTEGER PRIMARY KEY AUTOINCREMENT, \
name TEXT NOT NULL, \
path TEXT NOT NULL, \
type UNSIGNED SHORT NOT NULL, \
date TEXT NOT NULL);"
)
# 遍历文件夹/文件，插入数据
def recursive_file_search(conn, dir_path):
obj_cnt = 0
cur = conn.cursor()
for root, dirs, files in os.walk(dir_path):
for dir in dirs:
obj_cnt += 1
path = os.path.join(root, dir)
cur.execute("insert into file_object (name, path, type, date) \
values (?, ?, ?, ?)", \
(dir, path, 1, datetime.now().strftime('%Y-%m-%d')))
for file in files:
obj_cnt += 1
path = os.path.join(root, file)
cur.execute("insert into file_object (name, path, type, date) \
values (?, ?, ?, ?)", \
(file, path, 2, datetime.now().strftime('%Y-%m-%d')))
# 提交事务
conn.commit()
return obj_cnt
# 模糊查找数据
def search(conn, text):
cur = conn.cursor()
cur.execute("select * from file_object where name like '%{}%'".format(text))
return cur.fetchall()
if __name__ == "__main__":
if len(sys.argv) < 3:
print("pls input args: [cmd][arg]")
exit(1)
cmd = sys.argv[1]
data = sys.argv[2]
print("cmd: {}, data: {}".format(cmd, data))
c = sqlite3.connect('db_file_objs.db')
c.text_factory = str
if cmd == 'create':
create_table(c)
start_time = time.time()
cnt = recursive_file_search(c, data)
time_elapsed = (time.time() - start_time) * 1000
print("cnt: {}, time val: {} ms".format(cnt, time_elapsed))
elif cmd == 'search':
start_time = time.time()
results = search(c, data)
time_elapsed = (time.time() - start_time) * 1000
print("cnt: {}, time val: {} ms".format(len(results), time_elapsed))
else:
print("invalid cmd: {}".format(cmd))
# 关闭数据库连接
c.close()
3.2. 测试结果
从 1,043,249 条数据里，模糊搜索关键字，详细数据：
- 极端情况，搜索一个字符或一个汉字，从请求到返回结果耗时约 400 毫秒。
- 正常情况，搜索词组，耗时 200 毫秒左右。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# 遍历根目录，将文件/文件夹名称插入数据库。
➜ python folder.py create /
cmd: create, data: /
cnt: 481533, time val: 11612.842083 ms
# 查询数据量
➜ sqlite3 ./db_file_objs.db
SQLite version 3.44.2 2023-11-24 11:41:44
sqlite> select count(*) from file_object;
1043249
# 搜索带有 '请' 关键字的名称。
➜ python folder.py search '请'
cmd: search, data: 请
cnt: 2, time val: 403.656959534 ms
# 搜索带有 'mp4' 关键字的名称。
➜ python folder.py search 'mp4'
cmd: search, data: mp4
cnt: 34, time val: 386.833906174 ms
# 搜索带有 'Makefile' 关键字的名称。
➜ python folder.py search 'Makefile'
cmd: search, data: Makefile
cnt: 6469, time val: 237.241029739 ms
4. 小结
- sqlite 使用了 like 模糊搜索。
- 因为被搜索内容是文件夹/文件名称，可能搜索的内容长度不会太大，所以效率比较高。
- 如果设置更多的 where sql 条件，搜索的速度应该还能加快。
- 如果数据量很大，被搜索内容很多，可以尝试使用全文搜索（FTS）。
