Flask + SQLite 单文件部署:一个校园系统的运维取舍
Flask + SQLite 单文件部署:一个校园系统的运维取舍
为什么没上云数据库
我们这套校园自习空间调度系统,最终是打包成一个 zip、解压、pip install、python app.py 就能跑。
数据库是项目目录下的一个 zhizuo.db 文件。
很多人第一反应是"为什么不直接上 RDS"。对校园场景,我们的理由很实际:
1. 交付对象是评委会/学院老师,他们不会给一台服务器让你连;
2. 数据量小(3 万条预约、几百个座位),SQLite 完全够;
3. 数据不涉密但要好迁移:一个文件,拷走就是全部数据,比导出 SQL 更省事;
4. 零运维:没有账号密码、没有连接池、没有网络抖动。
代价当然也有,下面说清楚我们怎么处理的。
取舍一:并发写
SQLite 默认的写锁是库级的,Flask 开了 threaded=True 之后,多个请求同时写会偶发
database is locked。
我们做了三件事:
conn = sqlite3.connect(DB_PATH, timeout=20) # 1. 等待锁而不是立刻失败
conn.execute("PRAGMA journal_mode = WAL") # 2. WAL 允许读写并行
conn.row_factory = sqlite3.Row # 3. 行可按字段名取值,代码更清晰
WAL 模式是收益最大的一步:读者不会阻塞写者,写入也不会卡住所有查询。
配合 timeout=20,在校园这种并发量下(几十 QPS 以内)基本无感。
取舍二:连接管理
我们没引入连接池,而是"每次查询开一个连接、用完就关":
def query(sql, args=()):
conn = get_conn()
try:
return [dict(r) for r in conn.execute(sql, args).fetchall()]
finally:
conn.close()
初看很浪费,但实测单次开连接的耗时在微秒级(本机文件,无网络往返),
而换成连接池会引入新的复杂度(连接泄漏、线程不安全)。在这个量级下,简单就是正确。
取舍三:把"初始化"做成幂等
app.py 启动时调 ensure_data():
db.init_db() # 建表(CREATE TABLE IF NOT EXISTS)
if db.is_empty(): # 没有数据才生成演示数据
seed.generate()
这样带来一个很实用的效果:评委拿到包,跑起来就有数据;而重复启动不会覆盖已有数据。
需要重置时,代码里还留了 init_db(force=True)(删库重建)和一个"重新生成演示数据"的按钮。
取舍四:时间字段存字符串,不存时间戳
预约日期存 'YYYY-MM-DD',小时存整数 8~22。理由:
• 日历查询(近 7 天、某个区间)直接字符串比较,可读性极好,SQL 里肉眼可验证;
• 不涉及时区换算,避免"存 UTC、显示本地"这类坑;
• 真要排序也能用 ORDER BY date(ISO 格式天然有序)。
代价是不能直接做"跨时区"的场景——校园场景不需要,就不为它付复杂度。
取舍五:备份就是复制文件
我们给管理员的操作说明只有一句:"把 data/zhizuo.db 复制到 U 盘即可备份"。
没有导出、没有定时任务、没有权限体系。
如果以后要上云,迁移路径也清楚:表结构和查询都是标准 SQL,
把 sqlite3 换成 pymysql/psycopg + 连接池即可,业务代码几乎不动。
什么情况下不该这么选
要诚实地说清楚边界:
| 场景 | 结论 |
|---|---|
| 单机、几十并发、数据 < 100 万行 | ✅ SQLite 很合适 |
| 多实例部署(负载均衡后多进程写) | ❌ 必须换数据库 |
| 需要行级锁 / 高并发写 | ❌ 换 PostgreSQL / MySQL |
| 数据合规要求审计日志、权限隔离 | ⚠️ SQLite 需要自己补 |
小结
技术选型不是"越强越好",而是匹配交付场景。
校园系统真正的痛点是"能不能一键跑起来、数据能不能带走",
这两点上,一个文件比一台数据库服务强得多——前提是你清楚它的并发边界在哪。
- 点赞
- 收藏
- 关注作者
评论(0)