实用脚本能自动管理SQLite数据库吗？

本文目录导读：

1. 场景一：使用 Shell 脚本（Linux/macOS 环境）
2. 场景二：使用 Python 脚本（跨平台，功能更强大）
3. 实用技巧与注意事项

完全可以,而且用脚本自动管理 SQLite 数据库是非常实用且常见的做法，无论是备份、迁移、清理、定期维护，还是执行复杂的数据库操作，脚本都能把这些任务从手动操作中解放出来。

你可以用多种脚本语言来完成这个任务,最常见的是 Shell 脚本（Linux/macOS）和 Python（跨平台），下面我会分为两种主要场景来介绍实用脚本的写法。

使用 Shell 脚本（Linux/macOS 环境）

Shell 脚本非常轻量，适合在服务器上作为定时任务（Cron Job）执行，它可以直接调用 sqlite3 命令行工具。

核心功能：数据库备份

一个简单的备份脚本,自动生成带时间戳的备份文件。

脚本文件：backup_sqlite.sh

#!/bin/bash
# 配置区域
DB_PATH="/path/to/your/database.db"
BACKUP_DIR="/path/to/backup/folder"
TIMESTAMP=$(date +"%Y%m%d_%H%M%S")
BACKUP_FILE="$BACKUP_DIR/db_backup_$TIMESTAMP.db"
# 创建备份目录（如果不存在）
mkdir -p $BACKUP_DIR
# 执行备份 (sqlite3 .backup 命令是最安全的方式，防止写损坏)
sqlite3 $DB_PATH ".backup $BACKUP_FILE"
# 可选：删除7天前的旧备份
find $BACKUP_DIR -name "db_backup_*.db" -type f -mtime +7 -delete
echo "Backup completed: $BACKUP_FILE"

如何运行：

• 添加执行权限：chmod +x backup_sqlite.sh
• 手动运行：./backup_sqlite.sh
• 设置定时任务（每天凌晨2点）：在终端输入 crontab -e 然后添加：

  0 2 * * * /path/to/backup_sqlite.sh

核心功能：数据库优化与清理

SQLite 数据库在频繁删除和插入后，文件大小可能不会自动缩小，需要定期执行 VACUUM 和 REINDEX。

脚本文件：optimize_sqlite.sh

#!/bin/bash
DB_PATH="/path/to/your/database.db"
LOG_FILE="/var/log/sqlite_optimize.log"
# 记录开始时间
echo "=== Optimization started at $(date) ===" >> $LOG_FILE
# 执行 VACUUM（重建数据库文件，回收空间）
sqlite3 $DB_PATH "VACUUM;"
echo "VACUUM done." >> $LOG_FILE
# 执行 ANALYZE（更新查询优化器的统计信息）
sqlite3 $DB_PATH "ANALYZE;"
echo "ANALYZE done." >> $LOG_FILE
# 执行 REINDEX（重新建立索引，解决索引碎片）
sqlite3 $DB_PATH "REINDEX;"
echo "REINDEX done." >> $LOG_FILE
# 可选：执行完整性检查
sqlite3 $DB_PATH "PRAGMA integrity_check;" >> $LOG_FILE
echo "=== Optimization finished at $(date) ===" >> $LOG_FILE

使用 Python 脚本（跨平台，功能更强大）

Python 的 sqlite3 模块是标准库的一部分，无需额外安装，并且可以处理更复杂的逻辑，比如数据迁移、条件性清理、发送通知等。

核心功能：自动化数据归档（删除旧数据）

假设你有一个日志表 logs，想自动删除 30 天前的记录，并记录删除条数。

脚本文件：archive_old_data.py

#!/usr/bin/env python3
import sqlite3
import datetime
DB_PATH = "/path/to/your/database.db"
RETENTION_DAYS = 30  # 保留最近30天的数据
def archive_old_records():
    try:
        conn = sqlite3.connect(DB_PATH)
        cursor = conn.cursor()
        # 计算30天前的日期
        cutoff_date = datetime.datetime.now() - datetime.timedelta(days=RETENTION_DAYS)
        cutoff_str = cutoff_date.strftime("%Y-%m-%d %H:%M:%S")
        # 删除旧记录，并获取删除了多少行
        cursor.execute("DELETE FROM logs WHERE created_at < ?", (cutoff_str,))
        deleted_count = cursor.rowcount
        # 提交事务
        conn.commit()
        print(f"Archived {deleted_count} old records (before {cutoff_str}).")
        # 可选：重新缩小数据库文件大小
        cursor.execute("VACUUM;")
        print("VACUUM completed.")
    except Exception as e:
        print(f"An error occurred: {e}")
        if conn:
            conn.rollback()
    finally:
        if conn:
            conn.close()
if __name__ == "__main__":
    archive_old_records()

核心功能：跨数据库数据迁移

从生产数据库（pro.db）中抽取部分数据，插入到分析数据库（analysis.db）中。

#!/usr/bin/env python3
import sqlite3
PROD_DB = "pro.db"
ANALYSIS_DB = "analysis.db"
def migrate_sales_data():
    conn_prod = None
    conn_analysis = None
    try:
        conn_prod = sqlite3.connect(PROD_DB)
        conn_analysis = sqlite3.connect(ANALYSIS_DB)
        cursor_prod = conn_prod.cursor()
        cursor_analysis = conn_analysis.cursor()
        # 1. 从生产库获取昨天的新增销售记录
        cursor_prod.execute("""
            SELECT id, product_id, amount, created_at
            FROM sales
            WHERE created_at >= datetime('now', '-1 day')
        """)
        sales_data = cursor_prod.fetchall()
        # 2. 确保分析库有对应的表
        cursor_analysis.execute("""
            CREATE TABLE IF NOT EXISTS sales_analysis (
                id INTEGER PRIMARY KEY,
                product_id INTEGER,
                amount REAL,
                created_at TEXT
            )
        """)
        # 3. 插入数据（使用 executemany 提高效率）
        if sales_data:
            cursor_analysis.executemany("""
                INSERT OR IGNORE INTO sales_analysis (id, product_id, amount, created_at)
                VALUES (?, ?, ?, ?)
            """, sales_data)
            conn_analysis.commit()
            print(f"Migrated {len(sales_data)} new sales records.")
        else:
            print("No new sales records to migrate.")
    except Exception as e:
        print(f"Migration failed: {e}")
        if conn_analysis:
            conn_analysis.rollback()
    finally:
        if conn_prod:
            conn_prod.close()
        if conn_analysis:
            conn_analysis.close()
if __name__ == "__main__":
    migrate_sales_data()

实用技巧与注意事项

1. 安全性第一：

   • 在修改数据的脚本中,一定要使用 事务（conn.commit() 和 conn.rollback() 或 try...except）。
   • 执行破坏性操作（如 DELETE 或 DROP）前，先执行备份。

2. 错误处理：

   • Shell 脚本中使用 set -e 可以让脚本在遇到任何错误时立即退出。
   • Python 脚本务务必使用 try...except...finally 来确保数据库连接被关闭。

3. WAL 模式（WAL = Write-Ahead Logging）：

   • 对于高并发的读写场景,可以在脚本开头执行 PRAGMA journal_mode=WAL;，这能显著提升性能。

4. 外部监控与通知：

   • 脚本执行结果可以通过邮件（mail 命令）、Slack Webhook（用 curl）或生成日志文件来通知管理员。

5. 并发处理：

   • 脚本最好在没有人使用数据库的时候执行，比如凌晨。
   • 如果必须在线运行,使用 .backup 命令而不是直接复制文件，sqlite3 .backup 命令能保证一致性。

实用脚本绝对能自动管理 SQLite 数据库，只需要一个文本编辑器、几分钟时间，你就能写出一个替代手动操作、稳定运行多年的自动化脚本。