为何macOS下向大型SQLite数据库插入数据性能远低于Windows？

针对你遇到的旧SQLite数据库在macOS插入慢、Windows快的问题，核心差异出在旧库的系统适配性而非脚本或硬件本身，以下是具体诊断方向和解决步骤：

1. 调整SQLite同步模式 #

macOS上SQLite默认可能启用了最严格的FULL同步模式（确保数据安全但牺牲性能），而Windows可能默认用NORMAL。可以手动降低同步级别测试：

# 直接用sqlite3连接时设置
import sqlite3
conn = sqlite3.connect("your_database.db")
# 设置为NORMAL（平衡安全与性能）或OFF（性能最高但断电可能丢数据）
conn.execute("PRAGMA synchronous = NORMAL;")

# 使用SQLAlchemy时，在连接字符串中指定
from sqlalchemy import create_engine
engine = create_engine("sqlite:///your_database.db?synchronous=NORMAL")

2. 检查并切换日志模式 #

旧库可能因日志模式（如WAL）在macOS的APFS文件系统下出现性能瓶颈，尝试切换到DELETE模式：

conn.execute("PRAGMA journal_mode = DELETE;")
conn.commit()

如果切换后性能提升，说明WAL模式与APFS的文件锁定/缓存机制不兼容，可长期使用DELETE模式，或尝试重建数据库时指定WAL并优化系统缓存。

3. 开启外部SSD的写入缓存 #

macOS默认可能关闭了外部SSD的写入缓存，而Windows默认开启。操作步骤：

• 打开「磁盘工具」，选中外部SSD
• 点击「显示」→「显示信息」
• 勾选「启用写入缓存」（注意：开启后突然断电可能导致数据丢失）

4. 检查数据库页面大小与磁盘块匹配度 #

旧数据库创建时的页面大小可能与macOS磁盘块大小不匹配，导致额外IO开销：

1. 查看数据库页面大小：

print(conn.execute("PRAGMA page_size;").fetchone()[0])

2. 查看macOS磁盘块大小：

diskutil info /Volumes/你的SSD名称 | grep "Block Size"

如果两者不匹配，需重新创建数据库（页面大小创建后无法修改），导入旧数据后再插入新表。

5. 整理数据库碎片 #

3200张表的旧数据库可能存在大量碎片，macOS文件系统对碎片更敏感，执行VACUUM整理：

conn.execute("VACUUM;")
conn.commit()

注意：VACUUM需要约等于数据库大小的空闲磁盘空间，耗时较长，建议在空闲时执行。

6. 升级SQLite版本 #

macOS自带的SQLite版本通常较旧，而Windows的Python可能绑定了更新的版本，性能差异可能源于此：

1. 查看当前SQLite版本：

import sqlite3
print(sqlite3.sqlite_version)

2. macOS上可通过Homebrew安装新版SQLite，并让Python优先使用：

brew install sqlite3
# 重新安装Python时指定使用brew的SQLite，或调整环境变量

内容的提问来源于stack exchange，提问作者MLpranav