在开发视频播放器时，记录用户的观看历史和播放进度是提升用户体验的核心功能之一。相比于轻量级的键值对存储方案，SQLite数据库在处理结构化数据、复杂查询以及批量记录管理方面具有显著优势。通过合理的表结构设计和索引优化，我们可以构建一个高效且可靠的历史记录存储模块，确保用户每次打开应用时都能无缝衔接上次的观看体验。
视频历史记录的数据库表结构设计
设计一个优秀的数据库表结构是实现历史记录功能的基础。我们需要考虑视频的唯一标识、播放地址、当前播放位置、视频总时长以及最后观看的时间戳。视频的唯一标识通常可以使用视频URL的哈希值或者后端返回的视频ID。如果仅依赖URL作为主键，可能会因为URL参数变化导致重复记录，因此建议生成一个独立的哈希值作为主键，或者使用自增ID配合视频ID的唯一索引。
下面是一个标准的视频历史记录表结构设计。我们将表命名为video_history，其中包含了视频的基本信息和播放状态。通过为video_id建立唯一索引，可以确保每个视频只保留一条最新的历史记录，避免数据冗余。
CREATE TABLE IF NOT EXISTS video_history (
id INTEGER PRIMARY KEY AUTOINCREMENT,
video_id TEXT NOT NULL,
video_url TEXT NOT NULL,
title TEXT,
cover_url TEXT,
current_position INTEGER DEFAULT 0,
duration INTEGER DEFAULT 0,
last_play_time INTEGER NOT NULL,
UNIQUE(video_id) ON CONFLICT REPLACE
);
CREATE INDEX IF NOT EXISTS idx_last_play_time ON video_history(last_play_time DESC);
在上述表结构中，我们使用了UNIQUE(video_id) ON CONFLICT REPLACE约束。这意味着当插入相同video_id的记录时，新记录会自动替换旧记录。这种设计极大地简化了业务逻辑，我们不需要在代码中先查询记录是否存在再决定是更新还是插入，直接执行插入语句即可完成历史记录的覆盖更新。同时，为last_play_time字段建立降序索引，能够大幅提升按时间倒序查询历史记录列表的效率。
核心数据操作逻辑与代码实现
有了表结构之后，接下来就是实现数据的增删改查逻辑。在视频播放过程中，播放器会不断触发进度回调。如果每次回调都去更新数据库，不仅会造成性能浪费，还可能导致数据库频繁锁定。通常的做法是在播放器暂停、退出或者每隔固定时间间隔时，才执行一次数据库更新操作。
下面是使用Python语言演示如何向数据库中插入或更新历史记录的代码示例。这里使用了参数化查询来防止SQL注入，并利用了前面定义的ON CONFLICT REPLACE特性，直接执行插入操作即可完成数据更新。
import sqlite3
import time
def save_video_history(db_path, video_info):
# video_info 包含 video_id, video_url, title, cover_url, current_position, duration
conn = sqlite3.connect(db_path)
cursor = conn.cursor()
current_time = int(time.time())
sql = '''INSERT OR REPLACE INTO video_history
(video_id, video_url, title, cover_url, current_position, duration, last_play_time)
VALUES (?, ?, ?, ?, ?, ?, ?)'''
cursor.execute(sql, (
video_info.get('video_id'),
video_info.get('video_url'),
video_info.get('title'),
video_info.get('cover_url'),
video_info.get('current_position', 0),
video_info.get('duration', 0),
current_time
))
conn.commit()
conn.close()
查询历史记录列表同样是一个高频操作。用户打开历史记录页面时，我们需要按最后观看时间倒序分页获取数据。分页查询可以避免一次性加载过多数据导致内存溢出。通过LIMIT和OFFSET关键字，我们可以轻松实现分页功能。同时，在查询出结果后，还需要计算视频的已观看百分比，以便在UI界面上展示进度条。
查询性能优化与并发处理机制
随着用户使用时间的增长，历史记录表的数据量可能会变得非常庞大。如果不做任何优化，查询历史记录列表可能会出现明显的卡顿。除了前面提到的为last_play_time建立索引外，我们还可以对历史记录的数量进行限制。例如，只保留最近的一千条记录，当插入新记录导致总数超过限制时，自动删除最旧的记录。这样可以控制数据库文件大小，保持查询的高效性。
在多线程环境下操作SQLite数据库时，必须妥善处理并发问题。SQLite默认使用的是数据库级别的写锁，如果多个线程同时尝试写入数据，会抛出database is locked异常。为了解决这个问题，我们可以使用WAL（Write-Ahead Logging）模式。开启WAL模式后，读写操作可以并发执行，大幅提升了数据库的吞吐量。
PRAGMA journal_mode=WAL;
此外，在批量保存播放进度时，合理使用事务也是提升性能的关键。如果在一个循环中执行多次插入或更新操作，每次操作都会隐式地开启和提交事务，导致大量的磁盘I/O。将这些操作包裹在一个显式的事务中，可以使得所有操作在最后一次commit时统一写入磁盘，性能提升往往能达到数十倍。对于视频播放器这种需要频繁更新进度的应用来说，事务机制是不可或缺的优化手段。