1. 为什么我们需要理解.db文件？

如果把数据库比作一栋大楼，那么数据库文件就是它的建筑图纸。SQLite作为轻量级嵌入式数据库，其文件格式设计精妙，隐藏着数据组织、索引结构、事务处理的核心逻辑。无论是性能优化还是数据恢复，掌握.db文件的结构都至关重要。

2. 初识.db文件格式

2.1 文件头的秘密

每个SQLite数据库的第一页（Page 1）存放着文件头，包含魔数字节、页大小、版本号等元数据。通过hexdump工具可直观观察（示例基于Linux环境）：

hexdump -C test.db | head -n 5

# 输出片段解析：
# 00000000  53 51 4c 69 74 65 20 66  6f 72 6d 61 74 20 33 00  |SQLite format 3.|
# 前16字节为固定标识符"SQLite format 3"
# 第16字节后的内容依次为页大小、文件版本等
2.2 页（Page）的物理结构

.db文件由固定大小的页组成（默认4096字节），每个页可能存储表数据、索引或B-Tree节点。页分为四种类型：

  • 0x0D：B-Tree内部页
  • 0x05：B-Tree叶子页
  • 0x02：索引内部页
  • 0x0A：索引叶子页

3. 逻辑存储：B-Tree与表的映射

3.1 表的物理组织示例

以下Python代码创建包含B-Tree结构的表（技术栈：Python + sqlite3）：

import sqlite3

conn = sqlite3.connect('demo.db')
cursor = conn.cursor()

# 创建包含主键的表（自动生成B-Tree结构）
cursor.execute('''
    CREATE TABLE users (
        id INTEGER PRIMARY KEY,
        name TEXT NOT NULL,
        age INTEGER
    )
''')

# 插入样本数据触发页分配
cursor.executemany(
    'INSERT INTO users (name, age) VALUES (?, ?)',
    [('Alice', 30), ('Bob', 25), ('Charlie', 28)]
)
conn.commit()
3.2 B-Tree页的层级关系

假设页大小1KB，数据插入过程如下：

  1. 根页（Page 1）存储表结构元数据
  2. 当数据量超过单页容量时，根页分裂为内部页+叶子页
  3. 插入第15条记录时可能触发二次分裂，形成层级结构

4. 逆向解析实战：手动提取数据

4.1 读取系统表sqlite_master
# 获取所有表的创建语句
cursor.execute("SELECT sql FROM sqlite_master WHERE type='table'")
for row in cursor:
    print(row[0])  # 输出：CREATE TABLE users(...)
4.2 直接访问二进制内容（需注意版本兼容性）：
# 读取第2页的原始内容（假设为第一个数据页）
with open('demo.db', 'rb') as f:
    f.seek(4096)  # 跳过第1页文件头
    page2_data = f.read(4096)
    # 此处可解析B-Tree页头和数据记录

5. 关联技术解密

5.1 写入日志与原子性

SQLite通过**预写日志（WAL）**保证事务：

# 查看是否启用WAL模式（技术栈：SQLite命令行）
sqlite3 demo.db "PRAGMA journal_mode=WAL;"
5.2 碎片整理机制

当删除数据产生空闲页时，VACUUM命令可重组文件：

conn.execute('VACUUM')  # 重建数据库文件

6. 核心应用场景

  1. 移动端应用：微信本地聊天记录存储
  2. 嵌入式设备：智能手表运动数据记录
  3. 开发测试：Django框架的默认测试数据库

7. 技术优缺点对比

优势 劣势
零配置部署 无原生网络协议
单文件存储 并发写入性能受限
ACID事务支持 最大文件尺寸140TB

8. 关键注意事项

  1. 版本兼容：不同SQLite版本的页格式可能存在差异
  2. 文件操作：直接修改二进制需先备份原文件
  3. 锁机制：写操作期间避免移动数据库文件
  4. 恢复方案：.db-wal和.db-shm文件需配套保存

9. 总结与展望

理解.db文件结构就像获得数据库的X光透视能力，不仅能优化索引设计，还为数据恢复提供底层支持。随着物联网设备爆发式增长，SQLite在边缘计算场景的应用将更加广泛。