【n8n教程】：Data Table——无需数据库的轻量级数据存储方案
n8n 在 v1.113.0 版本推出了革命性的原生 Data Table 功能，彻底改变了工作流中数据存储的方式。这个功能让初学者无需掌握复杂的 SQL 语句或部署外部数据库，就能直接在 n8n 内部存储、管理和操作结构化数据。本教程将带你从零开始，轻松掌握这一强大功能。
为什么需要 Data Table？
传统的 n8n 工作流要保存数据，通常需要依赖 Google Sheets、Airtable 等外部工具，这不仅增加了系统的复杂性，还会遇到 API 限制和速度问题。而原生 Data Table 彻底解决了这个痛点。它是一个 内置的轻量级数据库，具有以下核心优势：
- • 无需外部依赖：不用部署 MySQL、PostgreSQL 等专业数据库软件
- • 零代码操作：完全可视化界面，非技术人员也能轻松上手
- • 深度集成：与工作流节点无缝衔接，数据操作变得极其简单
- • 性能优秀：对于小到中型数据，访问和写入速度快速
- • 免费使用：所有 n8n 用户都能免费使用此功能
n8n Data Table 工作流程图
快速开始：创建你的第一个 Data Table
步骤 1：准备环境
首先确保你的 n8n 版本不低于 v1.113.0。如果使用云端 n8n 或自托管版本，检查你的版本号，必要时升级到最新版本。
步骤 2：创建数据表
- 1. 登录你的 n8n 实例后，在左侧导航栏找到 Data tables 菜单
- 2. 点击右上角的下拉箭头，选择 Create Data table
- 3. 输入你的表名称（如
customers、orders、feedback） - 4. 点击 Create 按钮
系统会自动为你创建三个必需字段：
- •
id：自动递增的唯一标识符 - •
createdAt：记录创建时间，自动生成 - •
updatedAt：记录最后修改时间，自动生成
步骤 3：定义数据字段
创建表后，你需要添加用于存储具体业务数据的字段。点击 Add Column 可以添加新的字段，每个字段都需要选择合适的数据类型：
| 字段类型 | 用途 | 示例 |
|---|---|---|
| String | 文本、邮箱、电话等 | 姓名、邮箱地址 |
| Number | 数字、金额、计数等 | 价格、数量、评分 |
| Boolean | 是/否、开/关等 | 是否订阅、是否已支付 |
| Date | 日期和时间 | 出生日期、订单日期 |
建议：在创建字段时充分考虑你的使用场景，确定每个字段的类型和名称是否准确。
核心操作详解：7 种数据表节点操作
Data Table 节点提供了完整的 CRUD（Create, Read, Update, Delete）操作能力。以下是所有操作的详细说明：
1. Insert — 新增数据
场景：表单提交后保存数据、添加新用户、创建订单等。
在工作流中添加 Data Table 节点，选择操作为 Insert：
- • 选择目标表格
- • 在 Values to insert 中映射表单字段到表格列
- • 节点执行时会自动生成
id、createdAt和updatedAt
示例：用户填写表单后，表单数据直接插入表格。
2. Get — 查询数据
场景：搜索用户信息、获取满足条件的订单列表等。
配置 Get 操作时：
- • 设置筛选条件（相等、不相等、包含等）
- • 可选择返回所有数据或限制返回行数（默认 50 行）
- • 支持多条件组合过滤
3. Update — 更新数据
场景：修改订单状态、更新用户信息、改变任务完成状态等。
选择 Update 操作：
- • 指定更新条件（哪一行或哪几行）
- • 设置要更新的字段和新值
- •
updatedAt字段会自动更新为当前时间
4. Upsert — 插入或更新
场景：数据同步、防止重复创建、智能更新等。
这是最智能的操作：
- • 如果数据存在，则更新该行
- • 如果数据不存在，则新增该行
- • 无需先检查数据是否存在，系统自动处理
优势：大大简化了工作流逻辑，避免了重复数据的产生。
5. Delete — 删除数据
场景：清理过期数据、删除无效记录、执行数据清理等。
选择 Delete 操作：
- • 指定删除条件
- • 可先进行 Dry Run（模拟删除）查看将删除哪些数据
- • 确认后执行真实删除
⚠️ 重要警告：Data Table 目前没有备份或恢复机制，误删的数据会永久丢失。建议删除前务必三思！
6. If Row Exists — 检查数据是否存在
场景：条件分支、验证数据存在性、根据检查结果执行不同操作。
这个节点返回布尔值（true/false）：
- • 如果找到符合条件的行，返回 true
- • 可直接与 IF 节点结合，控制工作流分支
7. If Row Does Not Exist — 检查数据是否不存在
场景：与 If Row Exists 相反的逻辑检查。
用途相同，但返回条件相反：
- • 如果没有找到符合条件的行，返回 true
- • 常用于：注册新用户前检查邮箱是否已存在
实战案例：用户反馈收集系统
现在通过一个完整的实例来展示 Data Table 的实际应用。这个工作流展示了从表单收集、数据存储到结果反馈的完整流程。
工作流设计
这个系统包含以下步骤：
- 1. 表单触发：用户提交反馈表单（姓名、邮箱、反馈内容、满意度评分）
- 2. 数据验证：检查用户邮箱是否已提交过反馈
- 3. 存储数据：将反馈数据插入 Data Table
- 4. 发送确认：向用户邮箱发送反馈收到的确认邮件
- 5. 后续处理：管理员可以查看和更新反馈状态
核心配置步骤
第一步：创建反馈数据表
- • 表名：
feedback - • 字段：
- •
name(String) — 用户姓名 - •
email(String) — 用户邮箱 - •
feedback(String) — 反馈内容 - •
rating(Number) — 满意度评分（1-5） - •
status(String) — 处理状态（未处理/已处理）
- •
第二步：配置表单触发节点
- • 添加 Form Trigger 节点
- • 设置四个表单字段对应上述数据表字段
第三步：检查邮箱是否重复
使用 "If Row Exists" 节点
条件：email 字段等于用户输入的邮箱
第四步：插入反馈数据
操作：Insert
目标表：feedback
映射字段：
- • name ← $json.name
- • email ← $json.email
- • feedback ← $json.feedback
- • rating ← $json.rating
- • status ← "未处理"
第五步：发送确认邮件
- • 使用 Email Send 节点
- • 收件人：{{$json.email}}
- • 邮件内容可以包含感谢信息和预期处理时间
重要限制和最佳实践
了解 Data Table 的限制对于正确使用至关重要：
存储限制
- • 默认容量：每个 Data Table 最多 50MB 数据
- • 接近限制提示：当达到容量的 80% 时会收到警告
- • 超限后果：超过限制后无法手动添加数据，工作流插入/更新操作会报错
字段限制
- • 列名不支持中文：字段名必须使用英文
- • 固定字段无法删除：
id、createdAt、updatedAt无法删除 - • 支持的数据类型：仅 String、Number、Boolean、Date 四种
数据安全
- • 无自动备份：误删数据无法恢复
- • 权限管理：项目级 Data Table 对项目所有成员可见；个人空间的表仅创建者可见
最佳实践
- 1. 命名规范：使用英文蛇形命名法（如
user_name、order_id） - 2. 定期检查容量：监控表的大小，必要时归档老数据
- 3. 备份重要数据：定期导出重要数据到 CSV 或其他系统
- 4. 谨慎删除：确保删除逻辑正确后再执行删除操作
- 5. 避免过大数据行：不支持存储图片、视频等大文件
Data Table vs. 其他方案
在选择数据存储方案时，理解 Data Table 的优劣势很重要：
| 功能 | Data Table | 外部数据库 | Google Sheets | Variables |
|---|---|---|---|---|
| 可视化表格 | ✓ | ✗ | ✓ | ✗ |
| 行列关系 | ✓ | ✓ | ✓ | ✗ |
| 无需配置 | ✓ | ✗ | ✗ | ✓ |
| 跨项目访问 | ✗ | 可能 | 可能 | ✗ |
| 适合大数据 | ✗ | ✓ | ✗ | ✗ |
| 价格 | 免费 | 付费 | 免费 | 免费 |
选择建议：
- • 小型、轻量数据：使用 Data Table
- • 大规模数据或复杂查询：使用外部数据库（PostgreSQL、MongoDB）
- • 跨工作流共享值：使用 Variables
- • 需要图表和协作：使用 Google Sheets 或 Airtable
常见问题解答
Q: Data Table 能存储多少数据？
A: 默认 50MB 限制，可在自托管环境中通过环境变量 N8N_DATA_TABLES_MAX_SIZE_BYTES 扩大。
Q: 导入包含 Data Table 的工作流后节点无法配置？
A: 这是已知问题。解决方案是在导入后手动重新配置 Data Table 节点设置。
Q: 能否在多个工作流中共享同一个 Data Table？
A: 可以。同一项目中的所有工作流都能访问该项目的所有 Data Table。
Q: 如何备份 Data Table 中的数据？
A: 使用 Get 节点查询所有数据，然后通过 CSV Export 或 Google Sheets 导出实现备份。
总结
n8n Data Table 是一个强大的功能，它为工作流中的数据管理打开了新的可能性。无论你是完全的初学者还是有一定基础的用户，都能快速掌握这个工具。从表单提交、数据查询到复杂的数据同步，Data Table 都能胜任。最重要的是，你不再需要为了存储几百条数据而苦恼于配置数据库。开始使用 Data Table，让你的工作流更加灵活、高效和易于维护吧！
引用链接
[1] 官方文档: https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.datatable/
[2] n8n系列教程: https://www.undsky.com/blog/?category=n8n教程#