是否存在无需使用数据库的Python sqlite3替代模块？

针对小数据量、无持久化需求、需要规避磁盘数据库连接开销的场景，有以下几个可直接落地的Python实现方案，按迁移成本从低到高排序：

• 标准库sqlite3自带纯内存模式（优先推荐）
  不需要安装任何第三方依赖，直接将连接参数指定为:memory:即可创建完全驻留内存的数据库实例，不会生成任何磁盘文件，无磁盘IO带来的连接损耗，所有API和你之前使用文件模式的sqlite3完全一致，迁移零成本。
  示例代码：

  import sqlite3
  # 初始化内存数据库，连接耗时为亚毫秒级
  conn = sqlite3.connect(":memory:")
  cur = conn.cursor()
  # 后续建表、增删改查、事务操作和普通sqlite3用法完全相同
  cur.execute("CREATE TABLE data (id INTEGER PRIMARY KEY, val TEXT)")
  cur.execute("INSERT INTO data VALUES (?, ?)", (1, "test_record"))
  conn.commit()
  

  该模式下数据库的生命周期和当前连接对象绑定，连接关闭后内存会自动回收，完全符合仅用变量存储数据的需求。如果你之前用文件模式sqlite3连接慢，优先换这个方案试，基本可以解决连接耗时过长的问题。

• Python内置数据结构自定义存储
  如果你的数据操作逻辑简单，不需要SQL语法支持，完全可以不用数据库类模块，直接用内置的list、dict、dataclass组合实现内存存储，没有任何额外开销，性能最高。
  简单参考实现：

  from dataclasses import dataclass
  from typing import Dict, List
  
  # 定义表结构
  @dataclass
  class Record:
      rid: int
      content: str
  
  # 内存存储+索引
  table_data: List[Record] = []
  id_index: Dict[int, int] = {}
  
  # 基础CRUD方法
  def add_record(rec: Record):
      if rec.rid in id_index:
          raise ValueError("重复ID")
      idx = len(table_data)
      table_data.append(rec)
      id_index[rec.rid] = idx
  
  def get_by_id(rid: int):
      return table_data[id_index[rid]] if rid in id_index else None
  

• 轻量第三方内存数据库
  如果需要更完善的查询能力、不想自己实现CRUD逻辑，可以选择以下纯Python实现的模块：

  • TinyDB：文档型嵌入式数据库，默认支持纯内存存储，不需要连接步骤，初始化即生成内存存储实例，API简洁，支持条件查询、聚合等常用操作，依赖极少。
  • DuckDB：支持:memory:连接参数的分析型内存数据库，针对内存计算做了专项优化，连接速度快，API风格和sqlite3接近，适合需要做复杂数据聚合的场景。

补充说明：正常情况下本地磁盘的sqlite3连接耗时本身极低，如果你的文件模式sqlite连接耗时异常高，可以先排查是否把数据库文件放在了网络挂载盘、机械盘坏道目录，或者是否存在未正常关闭连接导致的锁文件残留问题。

内容的提问来源于stack exchange，提问作者TNB