使用事务批量插入数据是FMDB高效存储海量数据的关键技巧。在插入大量数据时，避免逐条执行INSERT语句，而是开启一个事务，将所有插入操作包裹在beginTransaction和commit中，这样可以大大减少数据库的I/O开销。例如：[self.db beginTransaction]; for (int i=0; i<10000; i++) { [self.db executeUpdate:@"INSERT INTO table (col) VALUES (?)" , @(i)]; } [self.db commit]; 这比单条插入快10倍以上。

技巧一：批量插入

FMDB支持批量执行SQL语句，使用FMDatabaseQueue来处理并发写入。创建队列后，在队列的inDatabase块中执行批量插入，避免主线程阻塞。代码示例：FMDatabaseQueue *queue = [FMDatabaseQueue databaseQueueWithPath:dbPath]; [queue inDatabase:^(FMDatabase *db) { [db beginTransaction]; for (...) { [db executeUpdate:...]; } [db commit]; }]; 这能轻松处理百万级数据插入。

索引优化

为频繁查询的字段创建索引，但不要过度索引。插入海量数据前，删除不必要的索引，数据导入完成后重建。示例：[db executeUpdate:@"CREATE INDEX idx_name ON table(col)"]; 对于时间戳或ID字段，优先建索引，能将查询速度提升百倍。

使用WAL模式

将SQLite设置为WAL模式，能提高并发读写性能。在打开数据库后执行：[db executeUpdate:@"PRAGMA journal_mode=WAL;"]; 这让读写操作并行进行，非常适合海量数据场景，避免传统rollback journal的锁竞争。

分表分库策略

海量数据时，按时间或用户ID分表存储。比如每天一张表，月份归档旧表。代码中动态生成表名如table_202301，插入时选择对应表，查询时union或分别查，管理起来简单高效。

内存缓存结合

结合NSCache或第三方缓存库，先缓存热点数据到内存，减少数据库访问。对于海量日志数据，只存增量，定期归档到历史表，保持主表轻量。

数据压缩存储

对文本或JSON数据用NSKeyedArchiver序列化后存BLOB字段，或用zlib压缩。插入前压缩，查询后解压，节省50%存储空间，特别适合大文本海量存储。

FAQ
Q: FMDB插入百万数据要多久？
A: 使用事务和队列，大概几分钟，视设备而定。
Q: 怎么避免数据库锁死？
A: 用FMDatabaseQueue处理多线程，并用WAL模式。
Q: 分表怎么查询跨表数据？
A: 用临时视图或分别查询后合并数组。
Q: 数据库文件太大怎么办？
A: 定期VACUUM清理，结合分表归档。