SQLite 作为嵌入式单文件数据库，常被视为轻量级工具，但其在高 TPS 场景下的潜力常常被低估。Anders Murphy 在 M1 Pro MacBook 上基准测试显示，使用单一 account 表（id 主键 + balance），填充 10 亿行数据后，通过 WAL 模式和特定 PRAGMA 配置，结合批处理，可实现超过 10 万 TPS 的混合读写吞吐。这证明了 SQLite 在无网络延迟、单机场景下的 “非理性有效性”，特别适合日志系统、实时分析或缓存等读多写少的高并发应用。
核心优势在于嵌入式设计：无网络开销，避免 Amdahl 定律下锁持有时间放大问题；单写者模型虽限制并发写，但允许高效批处理。基准中，Postgres 在 10ms 网络延迟 + 可序列化隔离下仅 660 TPS，而 SQLite 无网络即 44k TPS，批处理后飙升至 186k TPS（纯写），混合读写仍超 100k TPS。证据来自虚拟线程模拟高突发并发，Pareto 用户分布模拟真实热点访问（99.95% 事务集中于 0.05% 用户）。
要落地此性能，首先配置 PRAGMA 参数，建立读写分离连接池：
PRAGMA 参数清单（连接初始化时执行）：
journal_mode = WAL：启用写前日志，实现读写并发，避免传统回滚日志锁竞争。synchronous = NORMAL：平衡耐久性和性能，减少 fsync 调用（生产慎用 OFF）。cache_size = 15625：约 64MB 缓存（负值 KB，正值页数 * page_size），提升热点命中。page_size = 4096：匹配常见文件系统页，提升 I/O 效率（建库前设）。temp_store = MEMORY：临时表 / 索引用内存，加速排序 / 聚合。busy_timeout = 5000：写锁等待 5s，重试避免忙等。
连接池实践（伪代码，参考 Clojure sqlite4clj）：
writer: 单连接，CPU-bound 线程池处理写。
readers: 核心数（如 8）连接池，并发读。
其次，索引与统计优化：
- 主键 id 已自带索引；热点字段加覆盖索引，如
CREATE INDEX idx_balance ON account(balance);。 - 执行
ANALYZE;更新查询规划器统计，确保选择器准确（大表后必跑）。 - 避免
SELECT COUNT(*)（O (n) 扫描），用 Meta.Count 或维护影子计数。
批处理是 TPS 关键，利用单写者：
- 动态批处理：队列积累事务，阈值提交（如 32k 批）。
- SAVEPOINT 内嵌事务：
SAVEPOINT sp; UPDATE ...; [app logic]; UPDATE ...; RELEASE sp;失败仅回滚内层。 - 读写分离：读用 reader 池，写异步批入 writer，避免阻塞。
避免 ORM：ORM 抽象层增 Prepare / 网络模拟开销，直接原生 SQL（如 sqlite3 或 JDBC）。基准用低级驱动，绕过 ORM 反射。
监控与风险：
- 阈值：WAL 文件 < 主 DB 1GB；CPU < 80%；TPS 降 20% 触发 ANALYZE/VACUUM。
- 回滚：synchronous=OFF 风险数据丢失，用 litestream 流复制备份。
- 限界：单写者，高纯写 >10k TPS 瓶颈；无 MVCC，序列化隔离下长事务慎用。多机用 projections 或 rqlite。
落地 checklist：
- 建空库：PRAGMA page_size=4096; VACUUM;
- 填充数据：事务批 100k 行 INSERT。
- 配置 PRAGMA，建索引 + ANALYZE。
- 部署池：1 writer + N readers。
- 测试：虚拟线程 1M 并发，Pareto 用户，测 TPS。
- 生产：litestream 备份，定期 OPTIMIZE (VACUUM+ANALYZE)。
此方案参数经基准验证，适用于单机高吞吐场景，远胜网络 DB 初始锁争。
资料来源：
- Anders Murphy 基准文章：“SQLite 支持嵌套事务 SAVEPOINT，实现细粒度回滚同时批处理。”
- HN 讨论：https://news.ycombinator.com/item?id=42217092
- SQLite 文档：PRAGMA、WAL 章节。
（正文 1256 字）