PickleDB—Python 小白也能玩转的超轻量键值库，秒级读写惊艳全场

PickleDB 是什么？
PickleDB 本质上是个 纯 Python 实现的键值存储，底层靠 pickle（序列化）+ orjson（高速 JSON）来写磁盘。它的目标很简单：把数据当成普通的 Python 对象（list、dict、str …）直接塞进去，想取就取，像操作本地变量一样自然。别看名字里有 “pickle”，实则它并不只会“腌黄瓜”，更像是 轻量级的本地 NoSQL，随装随用，零依赖，几行代码就能搞定。

它解决了哪些痛点？

常见痛点	PickleDB 的解决方案
配置繁琐	只需要 pip install pickledb，不需要额外的服务进程或服务器。
学习成本高	API 极简：db.set(key, value)、db.get(key)，和普通字典几乎一样。
性能瓶颈	采用 orjson 进行序列化，写磁盘快，读内存更快，毫秒级响应。
数据安全	支持原子保存（atomic save），即使程序崩溃也不会导致文件损坏。
异步需求	提供 AsyncPickleDB，配合 aiofiles 能在 async 环境下使用。

安装 & 使用教程

1. 安装（一条命令搞定）pip install pickledb
2. 创建数据库（默认会在当前目录生成 mydb.db）import pickledb

# 第一个参数是文件路径，第二个参数表明是否自动保存
db = pickledb.load('mydb.db', auto_dump=True)
3. 基本操作（和字典几乎一模一样）# 写入
db.set('name', '小明')
db.set('age', 28)

# 读取
print(db.get('name')) # → 小明
print(db.get('age')) # → 28

# 删除
db.rem('age')

# 列表/字典存储
db.set('scores', [85, 90, 78])
db.set('profile', {'city': '北京', 'job': '程序员'})
4. 手动保存（如果 auto_dump=False）db.dump() # 将内存中的数据写入磁盘
5. 异步版（适配 FastAPI、Starlette 等）from pickledb import AsyncPickleDB

async def demo():
db = await AsyncPickleDB.load('async.db')
await db.set('token', 'abc123')
token = await db.get('token')
print(token)

优缺点一览

优点	缺点
✅ 极简 API：几行代码即可完成增删改查。	❌ 全量加载：整个 DB 必须放在内存，超大数据集受限。
✅ 零依赖：仅依赖标准库 + orjson，部署轻松。	❌ 功能有限：不支持复杂查询、事务、索引等高级特性。
✅ 原子保存：写文件时自动采用临时文件+替换，防止数据损坏。	❌ 单线程写：并发写入仍需自行加锁。
✅ 支持异步：AsyncPickleDB 配合 aiofiles，适配现代异步框架。	❌ 不适合大规模分布式：只能本地单机使用。
✅ 跨平台：Windows、Linux、macOS 通吃。	❌ 缺少可视化管理工具：只能通过代码或手动编辑文件。

性能小实验（来自官方 benchmark）

Entries（条目）	Memory Load Time	Retrieval Time	Save Time
1M	1.21 sec	0.90 sec	0.17 sec
10M	14.11 sec	10.30 sec	1.67 sec
50M	93.79 sec	136.42 sec	61.08 sec

测试环境：StarLabs StarLite Mk IV（Quad‑Core Intel® Pentium® Silver N5030 @ 1.10 GHz，8 GB RAM），系统为 elementary OS 7.1 Horus。

可以看到，即使是几千万条记录，PickleDB 依旧在秒级读取和写入，足以满足大多数小型服务、原型开发、个人工具的需求。

总结 & 小贴士

• 如果你只需要 本地轻量的键值存储，不想折腾 MySQL、Redis 那套生态，PickleDB 完全可以直接上手。
• 用它来保存 配置、缓存、实验数据 再合适不过；但如果业务涉及 大数据量、并发写入或复杂查询，还是思考更专业的数据库。
• 记得 开启 auto_dump=True 或在关键节点手动 dump()，确保数据不丢。
• 代码里如果出现 pickle.UnpicklingError，大致率是文件被意外截断，重新生成或恢复备份即可。

项目地址：https://github.com/patx/pickledb