标题和作者
本文的标题为 SQLite Tags Benchmark: Comparing 5 Tagging Strategies。作者为 Simon Willison。文档的主题是对在 SQLite 数据库中实现标签功能的不同策略进行性能对比的基准测试。作者背景方面，Simon Willison 是一名开发者和技术研究员，擅长数据库和 Web 技术，他利用 Claude Code 工具进行了本次自动化性能测试，旨在探索数据库标签管理的最佳实践。
摘要
本文通过使用 Claude Code 工具运行微基准测试，对比了在 SQLite 数据库中实现标签功能的不同策略。虽然通常已有关于数据库标签实现的研究，但本文通过具体的实验，旨在量化不同方法在实际性能上的差异，从而为开发者提供明确的选择依据。实验具体使用了多种手段，包括传统的关联表、全文搜索、LIKE 查询以及 JSON 数组结合函数等。实验结果显示，传统的多对多表结构表现最佳，而 FTS5（全文搜索）紧随其后。原本预期较慢的 LIKE 全表扫描表现出乎意料地好，但使用 JSON 数组配合 jsoneach() 函数的全表扫描则非常缓慢。此外，本文还解释了诸如“微基准测试”、“多对多关系”、“FTS5”以及“jsoneach()”等关键术语的含义，以确保即使是非专业领域的读者也能理解实验背景和方法。
主要主题和概念
主题一：自动化性能评估
What：本文旨在通过 Claude Code 工具对五种不同的 SQLite 标签实现方案进行自动化的微基准测试，以量化各方案的性能差异。
Why：在数据库设计和应用开发中，选择正确的数据结构对性能至关重要，但往往缺乏直观的数据支持，因此需要通过实验来验证哪种方案更高效。
How：利用 Claude Code 运行自动化测试脚本，对各种方案的查询速度进行精确测量和对比。
术语解释：微基准测试是一种专注于测量代码微小部分（如单个函数调用或简单查询）性能的测试方法，不同于端到端的性能测试，它能更精准地定位性能瓶颈。Claude Code 是一个代码辅助工具，在此文中被用来执行自动化测试。
主题二：标签存储策略对比
What：本文涵盖了五种不同的标签存储策略，包括传统的多对多表结构、SQLite 的全文搜索扩展 FTS5、使用 LIKE 进行模糊匹配、使用 JSON 数组存储标签以及结合 jsoneach() 函数处理 JSON 数据。
Why：不同的存储策略在查询效率、数据一致性和存储空间上各有优劣，开发者需要根据具体的应用场景（如是否需要全文搜索、标签数量多少等）来选择最合适的方案。
How：通过编写测试代码，对这五种方案进行相同的操作，记录它们的执行时间，从而分析出哪种方案在特定场景下表现最优。
术语解释：多对多关系是指两个实体之间存在双向关联，例如文章和标签，一篇文章可以有多个标签，一个标签也可以属于多篇文章，通常需要中间表来维护这种关系。FTS5 是 SQLite 的一个扩展，提供了强大的全文搜索功能，允许用户快速查找包含特定关键词的文本。jsoneach() 是 SQLite 中的一个函数，用于迭代 JSON 数组或对象中的元素，常用于处理嵌套的 JSON 数据。
重要引文
论点：传统的多对多表结构在性能上优于其他策略，特别是使用 JSON 数组配合 jsoneach() 的方法非常缓慢。
论据：原文指出“Traditional many-to-many tables won, but FTS5 came a close second. Full table scans with LIKE queries performed better than I expected, but full table scans with JSON arrays and jsoneach() were much slower.”
论证：作者通过对比五种不同的实现方式，发现传统的关联表设计（即多对多表）在执行速度上领先，而 FTS5 作为全文搜索方案紧随其后。同时，作者观察到 LIKE 查询的全表扫描速度比预想中快，反倒是使用 JSON 数组存储标签并结合 jsoneach() 函数进行查询的方式速度极慢，从而有力地证明了该方案不适合用于高频查询场景。
术语解释：多对多表即维护两个实体之间多对多关系的数据库表结构，通常涉及两个主表和一个关联表。FTS5 是全文搜索扩展，提供类似搜索引擎的搜索能力。jsoneach() 函数用于遍历 JSON 数据结构，但在处理大型数据集时可能效率低下，因此文中指出其性能较差。
总结
本文最引人注目的发现是，在 SQLite 中实现标签功能时，最简单直接的传统多对多表结构竟然是性能最好的选择，这打破了某些开发者可能倾向于使用更复杂或现代技术栈（如 JSON）的固有观念。实验还揭示了一个反直觉的现象：全表扫描配合 LIKE 查询的表现优于使用 JSON 数组配合 json_each() 的方法，这意味着在性能敏感的场景下，简单的 LIKE 查询可能比处理复杂的 JSON 数据结构更高效。FTS5 虽然排名第二，但在需要全文搜索功能的场景下是一个极佳的替代方案。未来，这一基准测试结果将帮助开发者在设计数据库架构时，不再盲目追求复杂的存储方式，而是根据实际性能测试数据来做出最优选择。