Python 在源代码下存储数据，隐藏在注释中

我使用数据库已经有一段时间了，我发现我的最佳选择是在shell脚本本身中存储由shell脚本收集的数据。有时是单行日志，用于跟踪quick项目中的数据，但有时是写入其中的JSON对象（我发现加载速度比未打开的.JSON文件快）

下面是一个Python的示例

# ====================================================
#   Don't write below this line, live database below.
# ====================================================
# "scores":{"Adam":2,"John":6,"Steve":1,"Tim":35}
# "teams":{"shockwave":{"wins":5,"losses":2},"jellyfish":{"wins":3,"losses":4}}

使用这种方法，我发现只保留一个文件的好处是：安全性、性能、易用性、易于运输和备份、数据库冲突的可能性最小，以及总体的简单性。我还知道，这是sqllite用来保持开发人员易于实现的体系结构

然而，我确实关心编写好的代码，并且想知道这种方法的任何缺点

• 当数据库变大时，即使在处理其他数据时没有查看，注释中的大量数据是否会降低程序的重量

• 在文件变得不稳定之前，文件的大小是否有限制

• 为什么不经常使用这种方法

• 有没有可以让我更好地实现这一点的资源

• 有什么我没想到的吗

---

在你回答之前，我知道只有一个10TB的文件需要一个进程来处理是不切实际的。我喜欢制作集群和神经元，它们可以一起工作，也可以单独工作，并且通常将这种方法用于较小的实现。所以在回答问题时请记住这一点，因为我知道有更好的大规模解决方案可供行业使用。

请记住，并非所有文件系统都支持大型文件。代码编辑器可能并不总是喜欢太大的文件。如果您的程序恰好在写入数据的中间终止，您可能会得到需要修复的数据库，大多数其他数据库已经这样做了。它可能加载得更快，但这可能是一个有限的用例。在写入源文件时，还需要小心。操作系统可能允许多个进程对文件进行写访问。我同意，并且已经从有限的代码编辑器中吸取了教训。通常情况下，我的源代码是多个文件，因为处理堆积如山的代码只会使事情变得更复杂，我只需使用一个脚本，将所有内容整齐地绑定到一个编译好的文件中，但在完成后仍然可读。至于重写数据库，我使用一个“忙”/“可用”系统来防止写冲突，所有的写操作都是通过echo命令完成的，以最大限度地减少写操作的时间。相关：这在一定程度上是可行的，但仅限于系统当时能够处理的RAM数量。该实现的问题是，每次Python代码运行时，它都必须加载该字典或该字符串，但如果该字符串的大小为12个库，并且至少一次运行只需ping一个服务器，该怎么办？自从我写了这个问题以来，进一步的发展促使我将页面底部的存储代码转换为base64，以实现更安全的错误处理和稳定性。