拆开 Anki:SQLite 数据库里藏着你的整个记忆系统

原创2026-10-09 18:48:301,680 阅读
文章标签:教育桌面应用

拆开 Anki:SQLite 数据库里藏着你的整个记忆系统

在绝大多数人的认知里,Anki 是一个"背单词软件":正面问题、背面答案、按遗忘曲线弹出复习卡片。但在工程师的视角下,这个判断错得离谱。Anki 真正在做的事情,是把"记忆"建模成一套可读、可写、可分析的数据结构——每一次点击"认识/不认识/模糊",都在更新一组精心设计的数字;而承载这一切的,只是一个再普通不过的 SQLite 文件。

这就是为什么社区里反复出现同一个论断:"Anki 不是背单词工具,而是一套基于间隔重复的认知操作系统。"这句话并非修辞。当你把 collection.anki2 拖进任意一个 SQLite 查看器,你会看到一张几乎可以直接读懂的"记忆工程"蓝图。本文不再停留在使用层面,而是直接拆开这个文件,看看你的整个记忆系统到底是如何被存下来的。

五张表,就是记忆系统的全部家当

Anki 的数据库 schema 定义在仓库的 rslib/src/storage/schema11.sql 中。整个系统只有五张核心表:col、notes、cards、revlog、graves。五张表之间靠整型外键连接,构成一条清晰的数据链路。

  • col:单行的"元数据表",保存集合的创建时间、修改时间、schema 版本、同步序号,以及序列化成 JSON 的全局配置、牌组、笔记类型与模板;
  • notes:笔记(Note),即你录入的"问题-答案"原文,字段以 \x1f(单位分隔符)拼接存储;
  • cards:卡片(Card),笔记通过模板实例化出的复习单元,也是调度算法的直接作用对象;
  • revlog:复习日志,每一次答题的完整记录,是整个系统最有价值的数据资产;
  • graves:删除墓碑,记录哪些对象被删过,供同步时把删除操作传播到其他设备。

理解这张表结构,就理解了 Anki 的第一个设计决策:内容与调度彻底分离。你编辑笔记内容,不影响任何调度数据;你重新排列牌组,也不触碰笔记原文。notes 与 cards 通过 nid 关联,一条笔记可以派生多张卡片(ord 字段标明它对应模板中的第几个),这正是"一个知识点多角度考察"的底层支持——见 rslib/src/storage/card/mod.rs 中 all_cards_of_note 的实现。

cards 表:一张卡片的内存画像

cards 表的每一行,都是一个独立记忆单元的"当前状态快照"。看它的字段定义,调度算法的全部状态机就暴露无遗:

CREATE TABLE cards (
  id integer PRIMARY KEY,
  nid integer NOT NULL,      -- 所属笔记
  did integer NOT NULL,      -- 所属牌组
  ord integer NOT NULL,      -- 模板序号
  type integer NOT NULL,     -- 卡片类型
  queue integer NOT NULL,    -- 当前队列
  due integer NOT NULL,      -- 到期时间
  ivl integer NOT NULL,      -- 间隔
  factor integer NOT NULL,   -- 简易度
  reps integer NOT NULL,     -- 复习次数
  lapses integer NOT NULL,   -- 遗忘次数
  ...
);

字段的枚举语义定义在 rslib/src/card/mod.rs。type(卡片类型)只有四档:New=0、Learn=1、Review=2、Relearn=3;而 queue(队列)则精细得多——New=0、Learn=1、Review=2、DayLearn=3、PreviewRepeat=4,还有三个负值代表不可用状态:Suspended=-1(暂停)、SchedBuried=-2(调度原因被搁置)、UserBuried=-3(手动搁置)。负值的设计让"不可用"状态天然排在任何正常队列之后,索引查询无需额外条件。

due 字段的语义随队列变化:新卡片存位置号、学习中的卡片存 Unix 时间戳(精确到秒)、复习中的卡片存"距集合创建日的天数"。这样一个字段用三种编码,换来的是调度查询可以全部走索引——rslib/src/storage/card/due_cards.sql 中那条取到期卡片的 SQL,核心条件不过 queue = ? AND due <= ? 两行。

factor 存的是放大 1000 倍的简易度(2500 表示 250%),ivl 用正负号区分"天"与"秒"两种粒度(正数按天、负数按秒,见 rslib/src/revlog/mod.rs 中的注释)。复习次数 reps、遗忘次数 lapses 也直接落表,浏览器里"该卡片已复习 37 次、遗忘 5 次"的统计,不过是两次列求和。

值得一提的是,新版 Anki 把 FSRS 的记忆状态(稳定度、难度、期望保留率、衰减系数、上次复习时间)序列化进 cards.data 这个 JSON 列,由 rslib/src/storage/card/data.rs 中的 CardData 结构负责读写。数据库为了支持这些新维度,在 rslib/src/storage/sqlite.rs 里注册了一批自定义 SQL 函数,比如 extract_fsrs_variable(data, 's') 直接提取稳定度、extract_fsrs_retrievability(...) 在 SQL 层计算当前可提取率。这意味着"按记忆难度排序复习"这类需求,可以写成一条普通 SQL 完成——把算法推理下沉到数据库层,是 Anki 后期架构一个很深的优化。

revlog:一份被大多数人忽视的行为日志

如果说 cards 是记忆系统的"当前态",revlog 就是它的"全量操作日志"。每一次按键答题,都会向这张表追加一条记录:

CREATE TABLE revlog (
  id integer PRIMARY KEY,    -- 毫秒级时间戳,天然有序
  cid integer NOT NULL,      -- 卡片 ID
  ease integer NOT NULL,     -- 按下的按钮(1-4;0 表示手动重排)
  ivl integer NOT NULL,      -- 本次给出的新间隔
  lastIvl integer NOT NULL,  -- 上次间隔
  factor integer NOT NULL,   -- 答题后的简易度/难度
  time integer NOT NULL,     -- 本次答题耗时(毫秒)
  type integer NOT NULL      -- 复习类型
);

type 的语义远比"复习/学习"丰富:Learning=0、Review=1、Relearning=2、Filtered=3(过滤牌组中的提前复习,旧版叫 Cram)、Manual=4(手动设置到期日)、Rescheduled=5(FSRS 重排)。这一枚举定义在 rslib/src/revlog/mod.rs。

这张表的价值在于:它是你全部学习行为的历史档案,且永不因复习而覆盖。你一周前对某张卡片的迟疑、某天深夜连续三次的"忘记",都完整留在 revlog 里。今天统计页上每一张折线图,全部由这张表驱动——rslib/src/stats/graphs/mod.rs 中 graph_data() 把 revlog 一次性读入内存,然后分别计算复习量、保留率、间隔分布、按钮分布、时段分布;studied_today 则是 rslib/src/storage/revlog/studied_today.sql 里一条按时间窗过滤的聚合查询。甚至在打开"卡片信息"面板时,rslib/src/stats/card.rs 会回放这张卡片的全部 revlog 条目,重建它每一次复习前后的记忆状态。

把复习数据当产品数据来分析,Anki 给出的答案是:每一张卡片都是一个"用户",revlog 是埋点日志,cards 是实时状态表。统计功能不是事后拼装的营销看板,而是从第一天就写进 schema 的核心设计。这也解释了为什么社区文章反复提醒"不要轻易清空复习记录"——那不只是删数据,而是销毁了算法和个人学习史的完整证据链。

Anki 的统计视图:从 revlog 聚合出的复习量、保留率与记忆稳定性曲线

本地优先:一个普通文件给用户的底气

Anki 把全部数据装进一个单文件 SQLite,这不是妥协,而是刻意选择。它带来的第一个直接红利是数据主权:不需要登录、不需要联网、不需要担心服务商关停,你的记忆备份就是复制粘贴一个 .anki2 文件。文件即接口,这也催生了庞大的第三方生态——CSDN 上的评测文章反复强调 Anki 的"数据控制权"和"开源架构",根源就在这里。

第二个红利是工程上的可靠性。看 rslib/src/storage/sqlite.rs 中打开数据库的代码:page_size=4096、journal_mode=wal、locking_mode=exclusive、显式 busy_timeout。WAL 模式让读操作不阻塞写操作,复习界面滚动时后台同步写入不会卡顿;checkpoint() 方法负责把 WAL 中的内容合并回主库,保证"复制文件即安全备份"。

本地优先并不意味着放弃多端同步。schema 里处处为同步留好了接口:每张表都有 usn(更新序号)列,本地修改标记为 -1,同步后由服务端替换为全局递增序号(见 rslib/src/storage/sync.rs);graves 表专门记录删除操作,让"删卡片"这件事也能跨设备传播。更妙的是版本管理:col.ver 记录 schema 版本,仓库里保存了从 schema 11 到 18 的整套升级/降级脚本(见 rslib/src/storage/upgrades 目录,例如 schema18_upgrade.sql)。新客户端打开旧库会自动升级,旧客户端打开新库则自动降级——close() 时主动写回旧版本(rslib/src/storage/sqlite.rs 中的 downgrade_to),保证"升级了 Anki 之后还能装回旧版"。这套双向迁移机制,让"我的数据永远是我的"从口号变成了可验证的行为。

还有一处容易被忽略的细节:为了支持撤销操作,代码里用 SQLite savepoint 充当事务边界(注释明说"Anki 当前用长事务作为撤销机制")。一个学习工具愿意在数据层为撤销付出如此成本,恰恰说明它把用户数据当作一等公民来对待。

结语:记忆系统是数据系统

把 Anki 拆到数据层,会发现它的核心竞争力从来不是某个算法公式,而是一套把认知过程数据化的表结构设计。内容与调度分离、状态快照与操作日志并存、单文件本地存储加双向 schema 迁移——这些决策让"记忆"第一次变成可导出、可分析、可迁移、可编程的资产。

下次在 Anki 里按下一个按钮时,不妨想一想:你的手指落下的瞬间,SQLite 里有一行 revlog 被写入,一张 cards 记录被更新,而整条记忆曲线,正沿着这套严谨的数据结构,安静地向前延伸。

登录后查看全文
anki