StarRocks 2.5.22 混合部署实战文档（CDH环境）

[1. 项目背景与环境](#1. 项目背景与环境)

节点分配

[2. 核心规划 (避坑关键)](#2. 核心规划 (避坑关键))

[2.1 端口规划表](#2.1 端口规划表)

[2.2 目录规划](#2.2 目录规划)

[3. 部署前置准备 (nd11, nd12, nd13)](#3. 部署前置准备 (nd11, nd12, nd13))

[3.1 系统配置 (需 sudo 权限)](#3.1 系统配置 (需 sudo 权限))

[3.2 检查 CPU AVX2 支持](#3.2 检查 CPU AVX2 支持)

[3.3 创建数据目录](#3.3 创建数据目录)

[3.4 准备安装包](#3.4 准备安装包)

[4. FE 部署步骤](#4. FE 部署步骤)

[4.1 修改 FE 配置](#4.1 修改 FE 配置)

[4.2 启动 Leader 节点 (nd11)](#4.2 启动 Leader 节点 (nd11))

[4.3 启动 Follower 节点 (nd12, nd13)](#4.3 启动 Follower 节点 (nd12, nd13))

[4.4 注册 Follower 节点](#4.4 注册 Follower 节点)

[5. BE 部署步骤](#5. BE 部署步骤)

[5.1 修改 BE 配置](#5.1 修改 BE 配置)

[5.2 启动 BE](#5.2 启动 BE)

[5.3 注册 BE 节点](#5.3 注册 BE 节点)

[5.4 关闭 FE/BE 服务](#5.4 关闭 FE/BE 服务)

[6. Hadoop/Paimon 集成配置 (及遇到的兼容性问题)](#6. Hadoop/Paimon 集成配置 (及遇到的兼容性问题))

[6.1 分发配置文件](#6.1 分发配置文件)

[6.2 尝试创建 Paimon Catalog (失败)](#6.2 尝试创建 Paimon Catalog (失败))

[7. 部署过程中的故障排查 (Troubleshooting)](#7. 部署过程中的故障排查 (Troubleshooting))

[故障 1：JDK 版本警告](#故障 1：JDK 版本警告)

[故障 2：nd13 节点脑裂 (Alive: false)](#故障 2：nd13 节点脑裂 (Alive: false))

[8. 总结](#8. 总结)

[9. 基础测试（增删改查）](#9. 基础测试（增删改查）)

[7.1 插入数据](#7.1 插入数据)

[7.2 更新数据](#7.2 更新数据)

[7.3 删除数据](#7.3 删除数据)

1. 项目背景与测试动因 基于当前 Paimon+OLAP 流批一体数仓架构的建设需求，项目组虽已识别出 Doris 在大字段（Large Field）处理上的优势，但为了保障技术选型的严谨性与全面性，仍需引入 StarRocks 作为对照组进行性能基准测试（Benchmarking）。

本次部署旨在构建一个与 Doris 架构平行的测试环境。考虑到项目启动时，业界主流的稳定版本均为 2.x 系列，因此选定 StarRocks 2.5.22 （LTS 版本）与 Apache Doris 2.1.10 进行同代产品的横向对比，以客观评估两者在现代数据湖场景下的综合表现。

2. 测试目标 本次测试将聚焦于"数据湖分析（Data Lake Analytics）"场景，核心目标是量化对比 StarRocks 与 Doris 在以下维度的性能差异：

数据湖联邦查询性能 ：对比两者通过 External Catalog 挂载 Hive 数据源时的查询响应速度与资源消耗。
选型辅助决策：通过实测数据，明确 StarRocks 在非大字段场景下是否具备显著的性能优势，从而为数仓分层架构中不同业务场景的引擎选择提供数据支撑。

3.补充说明

StarRocks 2.x不支持对Paimon的操作，官网描述网址：Paimon catalog | StarRocks

调研架构图如下：

1. 项目背景与环境

操作系统: CentOS 7 (CDH 6.3.2 环境混合部署)
节点配置:
- CPU: 10核
- 内存: 14GB (资源紧缺，需精细调优)
- 存储: 400GB SSD
部署用户 : bigdata
Java 环境 : /usr/java/jdk1.8.0_181-cloudera

节点分配

前置组件分配

IP	主机名	角色	版本
10.x.xx.201-10.x.xx.205 10.x.xx.215 10.x.xx.149 10.x.xx.151 10.x.xx.156 10.x.xx.157 10.x.xx.167 10.x.xx.206	nd1-nd5 nd6 nd11 nd12 nd13 nd14 nd15 nd16	CDH	6.3.2
10.x.xx.201-10.x.xx.205	nd1-nd5	Paimon	1.1.1

采用 FE (Frontend) + BE (Backend) 混合部署 模式，共 3 个节点。

IP	Hostname	角色	部署组件
10.x.xx.149	nd11	FE Leader + BE	Doris2.1.10 + StarRocks 2.5.22
10.x.xx.151	nd12	FE Follower + BE	Doris2.1.10 + StarRocks 2.5.22
10.x.xx.156	nd13	FE Follower + BE	Doris2.1.10 + StarRocks 2.5.22

2. 核心规划 (避坑关键)

由于 Doris 和 StarRocks 默认端口完全冲突，且同一节点 Doris 占用了部分 180xx 端口，必须严格规划 StarRocks 端口。

2.1 端口规划表

策略：基于默认端口 +10000。 特殊处理 ：由于 Doris BE 的 webserver_port 占用了 18040，StarRocks 若使用 default+10000 也会是 18040，因此将 StarRocks 的 BE Web 端口调整为 28040。

组件	配置文件参数	StarRocks 默认	StarRocks 2.5 实配	说明
FE	`http_port`	8030	18030	FE Web 界面
FE	`rpc_port`	9020	19020	FE 内部通信
FE	`query_port`	9030	19030	MySQL 客户端连接
FE	`edit_log_port`	9010	19010	BDBJE 高可用通信
BE	`be_port`	9060	19060	Thrift Server
BE	`webserver_port`	8040	28040	BE Web 界面 (特殊)
BE	`heartbeat_service_port`	9050	19050	心跳服务
BE	`brpc_port`	8060	18060	数据传输

2.2 目录规划

安装目录 ：/home/bigdata/starrocks-2.5/StarRocks-2.5.22
FE 元数据目录 ：/home/bigdata/starrocks-2.5/meta
BE 数据目录 ：/home/bigdata/starrocks-2.5/storage

3. 部署前置准备 (nd11, nd12, nd13)

3.1 系统配置 (需 sudo 权限)

由于这三个节点部署了Doris 2.1.10，因此下述的配置我这里没有进行修改。

bash 复制代码

# 1. 关闭 Swap
sudo swapoff -a
# (可选) 永久关闭: sudo sed -i '/swap/s/^/#/' /etc/fstab

# 2. 修改文件句柄限制
sudo vim /etc/security/limits.conf
# 添加或修改以下内容:
* soft nofile 65535
* hard nofile 65535
* soft nproc 65535
* hard nproc 65535

3.2 检查 CPU AVX2 支持

StarRocks 2.x 默认需要 AVX2 指令集支持。

bash 复制代码

cat /proc/cpuinfo | grep avx2
# 如果有输出则支持。

有输出：继续下一步。
无输出 ：您需要下载 Doris 的 x64-noavx2 版本安装包，否则 BE 启动会报错 Illegal instruction。

3.3 创建数据目录

bash 复制代码

mkdir -p /home/bigdata/starrocks-2.5/meta
mkdir -p /home/bigdata/starrocks-2.5/storage

3.4 准备安装包

将安装包上传并解压：

bash 复制代码

cd /home/bigdata/starrocks-2.5
tar -zxvf StarRocks-2.5.22.tar.gz

经过漫长的解压，最终显示如下：

4. FE 部署步骤

4.1 修改 FE 配置

操作节点 ：nd11, nd12, nd13 文件路径 ：/home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe/conf/fe.conf

bash 复制代码

vi /home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe/conf/fe.conf

bash 复制代码

# 1. 核心目录与端口
meta_dir = /home/bigdata/starrocks-2.5/meta
http_port = 18030
rpc_port = 19020
query_port = 19030
edit_log_port = 19010

# 2. 网络绑定 (CDH多网卡环境必须配置)
priority_networks = 10.8.15.0/24

# 3. 指定 JDK (解决 CDH 默认 JDK 环境问题)
JAVA_HOME = /usr/java/jdk1.8.0_181-cloudera

4.2 启动 Leader 节点 (nd11)

bash 复制代码

cd /home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe
./bin/start_fe.sh --daemon

# ./bin/stop_fe.sh

上述Tip只是一个警告，可以使用如下命令进行查看

bash 复制代码

cat /home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe/log/fe.out

由截图看出 nd11 进程已经存活，并且成功加入集群，当前状态为 LEADE。

bash 复制代码

netstat -nltp | grep 19030

如果有输出，说明服务正常，可以继续后续操作。

4.3 启动 Follower 节点 (nd12, nd13)

关键：首次启动建议使用 --helper 指定 Leader 地址，防止网络隔离导致节点自选为 Master。

在 nd12 上执行：

bash 复制代码

/home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe/bin/start_fe.sh --helper 10.x.xx.149:19010 --daemon

在 nd13 上执行：

bash 复制代码

/home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe/bin/start_fe.sh --helper 10.x.xx.149:19010 --daemon

4.4 注册 Follower 节点

在 nd11 上通过 MySQL 客户端连接并注册另外两个节点。

bash 复制代码

# 连接 nd11
mysql -h 10.8.15.149 -P 19030 -u root

sql 复制代码

-- SQL 执行
ALTER SYSTEM ADD FOLLOWER "10.x.xx.151:19010";
ALTER SYSTEM ADD FOLLOWER "10.x.xx.156:19010";

sql 复制代码

SHOW FRONTENDS;

网址查看：StarRocks Cluster

用户：root

密码：空

5. BE 部署步骤

5.1 修改 BE 配置

操作节点 ：nd11, nd12, nd13 文件路径 ：/home/bigdata/starrocks-2.5/StarRocks-2.5.22/be/conf/be.conf

bash 复制代码

vi /home/bigdata/starrocks-2.5/StarRocks-2.5.22/be/conf/be.conf

sql 复制代码

# 1. 端口配置 (注意 webserver_port 为 28040)
be_port = 19060
webserver_port = 28040
heartbeat_service_port = 19050
brpc_port = 18060

# 2. 存储路径
storage_root_path = /home/bigdata/starrocks-2.5/storage

# 3. 网络绑定
priority_networks = 10.8.15.0/24

5.2 启动 BE

在三个节点依次执行：

bash 复制代码

/home/bigdata/starrocks-2.5/StarRocks-2.5.22/be/bin/start_be.sh --daemon

5.3 注册 BE 节点

回到 nd11 的 MySQL 客户端执行：

sql 复制代码

ALTER SYSTEM ADD BACKEND "10.x.xx.149:19050";
ALTER SYSTEM ADD BACKEND "10.x.xx.151:19050";
ALTER SYSTEM ADD BACKEND "10.x.xx.156:19050";

sql 复制代码

SHOW FRONTENDS;

网址查看：StarRocks Cluster

5.4 关闭 FE/BE 服务

bash 复制代码

# 启动 FE:
sh fe/bin/start_fe.sh --daemon
# 停止 FE:
sh fe/bin/stop_fe.sh
# 启动 BE:
sh be/bin/start_be.sh --daemon
#停止 BE:
sh be/bin/stop_be.sh

6. Hadoop/Paimon 集成配置 (及遇到的兼容性问题)

为了让 StarRocks 读取 HDFS 上的数据，必须分发 Hadoop 配置文件。

6.1 分发配置文件

将 CDH 的核心配置复制到 StarRocks 的 conf 目录：

bash 复制代码

# 在 nd11, nd12, nd13 上分别执行
# FE
cp /home/bigdata/doris/conf/cdh_conf/core-site.xml /home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe/conf/
cp /home/bigdata/doris/conf/cdh_conf/hive-site.xml /home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe/conf/
cp /home/bigdata/doris/conf/cdh_conf/hdfs-site.xml /home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe/conf/
# BE
cp /home/bigdata/doris/conf/cdh_conf/core-site.xml /home/bigdata/starrocks-2.5/StarRocks-2.5.22/be/conf/
cp /home/bigdata/doris/conf/cdh_conf/hive-site.xml /home/bigdata/starrocks-2.5/StarRocks-2.5.22/be/conf/
cp /home/bigdata/doris/conf/cdh_conf/hdfs-site.xml /home/bigdata/starrocks-2.5/StarRocks-2.5.22/be/conf/

复制完成后重启所有 FE 和 BE。

6.2 尝试创建 Paimon Catalog (失败)

参考 Doris 的写法，尝试在 StarRocks 2.5 中创建 Catalog：

sql 复制代码

CREATE EXTERNAL CATALOG paimon_catalog PROPERTIES (
    "type" = "paimon",
    "paimon.catalog.type" = "filesystem",
    "paimon.catalog.warehouse" = "hdfs://nd1:8020/user/hive/warehouse"
);

结果报错 ：ERROR 1064 (HY000): [type : paimon] is not supported

结论：StarRocks 2.5 版本不支持原生的 Paimon Catalog 。该功能在 StarRocks 3.1+ 版本才发布。建议：如需使用 Paimon，建议升级至 StarRocks 3.2 LTS 版本。

7. 部署过程中的故障排查 (Troubleshooting)

故障 1：JDK 版本警告

现象：启动 FE 时提示 Tips: JAVA_UPDATE_VER is 181...。原因：环境中使用的是 jdk1.8.0_181。StarRocks 2.5 默认开启 G1GC，而低于 1.8.0_192 的版本在 G1GC 上存在严重 Bug。解决：

短期方案：若进程能启动，可暂时忽略（如日志所示）。
长期方案：在 fe.conf 中配置 JAVA_HOME 指向更高版本的 JDK (如 JDK 11 或 JDK 8u202+)。

故障 2：nd13 节点脑裂 (Alive: false)

现象：

nd13 启动后，在 SHOW FRONTENDS 中状态为 Alive: false，ErrMsg: got exception。
查看 fe.log 发现报错：failed to read after retried 1 times! ... Got RestartRequiredException, will exit.
日志中该节点曾短暂宣称自己是 LEADER。

原因： nd13 的元数据（BDBJE 日志）与当前集群 Leader (nd12) 不一致，发生了"脑裂"或数据损坏。通常是由于配置错误时多次重启或未指定 Helper 启动导致的。

解决方案：

停止进程 ：kill 掉 nd13 的 FE 进程。
清空元数据：
复制代码
```
rm -rf /home/bigdata/starrocks-2.5/meta/*
```
(注意：仅删除 meta 目录下的内容，不要删目录本身)

重新加入：指定 Helper 强制同步 Leader 数据。

复制代码

/home/bigdata/starrocks-2.5/StarRocks-2.5.22/fe/bin/start_fe.sh --helper 10.x.xx.151:19010 --daemon

验证：再次查看 SHOW FRONTENDS，nd13 恢复正常 (Alive: true)。

8. 总结

本次部署成功实现了在 CDH 集群上 StarRocks 2.5.22 与 Doris 2.1.10 的共存。

端口管理：通过 "+10000" 策略及特殊处理 webserver 端口，完美避开了冲突。
稳定性：解决了 JDK 版本告警及 FE 脑裂问题。
局限性：确认 StarRocks 2.5 版本无法直接通过 External Catalog 支持 Paimon，后续计划升级至 StarRocks 3.x 以获得完整的湖仓分析能力。

9. 基础测试（增删改查）

将下述测试代码保存为starrocks2_test.py【python解释器：3.8.20、windows系统：11】

python 复制代码

# -*- coding: utf-8 -*-
import pymysql
import random
import time
import logging
import functools
from sshtunnel import SSHTunnelForwarder

# ================= 配置信息 =================

# 1. SSH 连接信息 (保持不变，连接 nd11)
SSH_HOST = '10.x.xx.149'       # StarRocks FE Leader IP (nd11)
SSH_PORT = 22
SSH_USER = 'xxxxx'
SSH_PASSWORD = 'xxxxxxxxxxxxxxxxx' 

# 2. StarRocks 数据库信息
SR_LOCAL_HOST = '127.0.0.1'    # 在服务器看来，StarRocks 是跑在本地的
SR_QUERY_PORT = 19030          # 【关键修改】StarRocks FE MySQL 端口
SR_DB_USER = 'root'
SR_DB_PWD = ''                 # 默认无密码
DB_NAME = 'python_perf_test_sr' # 改个名字区分 Doris
TABLE_NAME = 'student_scores_perf_sr'

LOG_FILE = 'starrocks2_test_report.log'

# ================= 日志与工具模块 (通用) =================
def setup_logger():
    logger = logging.getLogger("StarRocksTester")
    logger.setLevel(logging.INFO)
    if logger.hasHandlers():
        logger.handlers.clear()
    file_handler = logging.FileHandler(LOG_FILE, mode='w', encoding='utf-8')
    console_handler = logging.StreamHandler()
    formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
    file_handler.setFormatter(formatter)
    console_handler.setFormatter(formatter)
    logger.addHandler(file_handler)
    logger.addHandler(console_handler)
    return logger

logger = setup_logger()

def measure_time(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.time()
        logger.info(f"正在执行: [{func.__name__}] ...")
        try:
            result = func(*args, **kwargs)
            duration = time.time() - start_time
            logger.info(f"执行完成: [{func.__name__}] | 耗时: {duration:.4f} 秒")
            return result
        except Exception as e:
            duration = time.time() - start_time
            logger.error(f"执行失败: [{func.__name__}] | 耗时: {duration:.4f} 秒 | 错误: {e}")
            raise e
    return wrapper

# ================= 业务逻辑 =================

@measure_time
def init_db_and_table(cursor):
    cursor.execute(f"CREATE DATABASE IF NOT EXISTS {DB_NAME}")
    cursor.execute(f"USE {DB_NAME}")
    
    # 【关键修改】StarRocks 建表语法
    # 使用 Primary Key 模型 (适合频繁更新/删除)
    # 注意: Primary Key 列必须是 NOT NULL
    create_sql = f"""
    CREATE TABLE IF NOT EXISTS {TABLE_NAME} (
        id INT NOT NULL COMMENT "用户ID", 
        name VARCHAR(50) COMMENT "姓名",
        age INT COMMENT "年龄",
        score INT COMMENT "分数",
        update_time DATETIME COMMENT "更新时间"
    )
    PRIMARY KEY(id)
    DISTRIBUTED BY HASH(id) BUCKETS 3
    PROPERTIES (
        "replication_num" = "1" 
    );
    """
    # 说明：
    # 1. replication_num = 1: 保证即使之前 nd11 挂了，只要有一个节点活着也能建表成功。
    #    如果是生产环境建议设为 3。
    # 2. BUCKETS 3: 对应你的节点数。
    
    cursor.execute(create_sql)
    cursor.execute(f"TRUNCATE TABLE {TABLE_NAME}")
    logger.info(f"数据库 {DB_NAME} 和表 {TABLE_NAME} 已初始化 (Primary Key 模型)")

@measure_time
def insert_data_batch(cursor, count=10):
    data = []
    for i in range(1, count + 1):
        name = f"User_{i:03d}"
        age = random.randint(18, 30)
        score = random.randint(50, 100)
        data.append((i, name, age, score))
    # SQL 语法与 MySQL/Doris 兼容
    sql = f"INSERT INTO {TABLE_NAME} (id, name, age, score, update_time) VALUES (%s, %s, %s, %s, NOW())"
    cursor.executemany(sql, data)
    logger.info(f"成功插入 {count} 条数据")

@measure_time
def query_and_log(cursor, stage_name):
    # StarRocks 默认会对主键排序，但为了保险加上 ORDER BY
    sql = f"SELECT * FROM {TABLE_NAME} ORDER BY id"
    cursor.execute(sql)
    results = cursor.fetchall()
    logger.info(f"--- [{stage_name}] 当前总行数: {len(results)} ---")
    if results:
        # 只打印前3条
        for row in results[:3]: logger.info(f"Row: {row}")

@measure_time
def update_random_data(cursor, update_count=3):
    cursor.execute(f"SELECT id FROM {TABLE_NAME}")
    all_ids = [row['id'] for row in cursor.fetchall()]
    if not all_ids: return
    target_ids = random.sample(all_ids, min(len(all_ids), update_count))
    for uid in target_ids:
        new_score = random.randint(95, 100)
        # StarRocks Primary Key 模型支持高性能 UPDATE
        sql = f"UPDATE {TABLE_NAME} SET score = %s, update_time = NOW() WHERE id = %s"
        cursor.execute(sql, (new_score, uid))
        logger.info(f" -> 更新 ID={uid}, New Score={new_score}")

@measure_time
def delete_random_data(cursor, delete_count=2):
    cursor.execute(f"SELECT id FROM {TABLE_NAME}")
    all_ids = [row['id'] for row in cursor.fetchall()]
    if not all_ids: return
    target_ids = random.sample(all_ids, min(len(all_ids), delete_count))
    for uid in target_ids:
        # StarRocks Primary Key 模型支持高性能 DELETE
        sql = f"DELETE FROM {TABLE_NAME} WHERE id = %s"
        cursor.execute(sql, (uid,))
        logger.info(f" -> 删除 ID={uid}")

# ================= 主流程 =================

def main_process():
    server = None
    conn = None
    try:
        logger.info(">>> 1. 正在建立 SSH 隧道 ...")
        # 建立 SSH 隧道
        server = SSHTunnelForwarder(
            (SSH_HOST, SSH_PORT),
            ssh_username=SSH_USER,
            ssh_password=SSH_PASSWORD,
            # 【关键】映射远程的 19030 (StarRocks 端口) 到本地
            remote_bind_address=(SR_LOCAL_HOST, SR_QUERY_PORT) 
        )
        server.start()
        logger.info(f">>> SSH 隧道建立成功! 映射 StarRocks 端口 {SR_QUERY_PORT} -> 本地 {server.local_bind_port}")

        # 2. 连接数据库
        logger.info(">>> 正在连接 StarRocks ...")
        conn = pymysql.connect(
            host='127.0.0.1',             # 连接本机
            port=server.local_bind_port,  # 使用隧道端口
            user=SR_DB_USER,
            password=SR_DB_PWD,
            charset='utf8mb4',
            cursorclass=pymysql.cursors.DictCursor,
            autocommit=True
        )
        cursor = conn.cursor()
        
        # 3. 执行测试逻辑
        init_db_and_table(cursor)
        
        insert_data_batch(cursor, count=100)
        time.sleep(1) # 等待数据可见（StarRocks 通常是准实时的）
        query_and_log(cursor, "插入后")
        
        update_random_data(cursor, update_count=5)
        time.sleep(1)
        query_and_log(cursor, "更新后")
        
        delete_random_data(cursor, delete_count=5)
        time.sleep(1)
        query_and_log(cursor, "删除后")
        
        logger.info(">>> StarRocks 基本功能测试全部通过 <<<")

    except Exception as e:
        logger.error(f"主流程发生错误: {e}")
    finally:
        # 清理资源
        if conn:
            conn.close()
            logger.info("数据库连接已关闭")
        if server:
            server.stop()
            logger.info("SSH 隧道已关闭")

if __name__ == "__main__":
    main_process()

对应的log文件内容如下：

bash 复制代码

2025-12-09 17:47:37,910 - INFO - >>> 1. 正在建立 SSH 隧道 ...
2025-12-09 17:47:38,440 - INFO - >>> SSH 隧道建立成功! 映射 StarRocks 端口 19030 -> 本地 60970
2025-12-09 17:47:38,440 - INFO - >>> 正在连接 StarRocks ...
2025-12-09 17:47:38,969 - INFO - 正在执行: [init_db_and_table] ...
2025-12-09 17:47:39,187 - INFO - 数据库 python_perf_test_sr 和表 student_scores_perf_sr 已初始化 (Primary Key 模型)
2025-12-09 17:47:39,187 - INFO - 执行完成: [init_db_and_table] | 耗时: 0.2184 秒
2025-12-09 17:47:39,188 - INFO - 正在执行: [insert_data_batch] ...
2025-12-09 17:47:49,567 - INFO - 成功插入 100 条数据
2025-12-09 17:47:49,567 - INFO - 执行完成: [insert_data_batch] | 耗时: 10.3799 秒
2025-12-09 17:47:50,568 - INFO - 正在执行: [query_and_log] ...
2025-12-09 17:47:53,689 - INFO - --- [插入后] 当前总行数: 100 ---
2025-12-09 17:47:53,689 - INFO - Row: {'id': 1, 'name': 'User_001', 'age': 24, 'score': 72, 'update_time': datetime.datetime(2025, 12, 9, 17, 47, 39)}
2025-12-09 17:47:53,689 - INFO - Row: {'id': 2, 'name': 'User_002', 'age': 28, 'score': 87, 'update_time': datetime.datetime(2025, 12, 9, 17, 47, 43)}
2025-12-09 17:47:53,690 - INFO - Row: {'id': 3, 'name': 'User_003', 'age': 30, 'score': 73, 'update_time': datetime.datetime(2025, 12, 9, 17, 47, 43)}
2025-12-09 17:47:53,690 - INFO - 执行完成: [query_and_log] | 耗时: 3.1219 秒
2025-12-09 17:47:53,690 - INFO - 正在执行: [update_random_data] ...
2025-12-09 17:47:53,897 - INFO -  -> 更新 ID=22, New Score=97
2025-12-09 17:47:53,970 - INFO -  -> 更新 ID=69, New Score=99
2025-12-09 17:47:54,033 - INFO -  -> 更新 ID=52, New Score=95
2025-12-09 17:47:54,104 - INFO -  -> 更新 ID=64, New Score=98
2025-12-09 17:47:54,168 - INFO -  -> 更新 ID=9, New Score=96
2025-12-09 17:47:54,168 - INFO - 执行完成: [update_random_data] | 耗时: 0.4779 秒
2025-12-09 17:47:55,168 - INFO - 正在执行: [query_and_log] ...
2025-12-09 17:47:55,184 - INFO - --- [更新后] 当前总行数: 100 ---
2025-12-09 17:47:55,185 - INFO - Row: {'id': 1, 'name': 'User_001', 'age': 24, 'score': 72, 'update_time': datetime.datetime(2025, 12, 9, 17, 47, 39)}
2025-12-09 17:47:55,185 - INFO - Row: {'id': 2, 'name': 'User_002', 'age': 28, 'score': 87, 'update_time': datetime.datetime(2025, 12, 9, 17, 47, 43)}
2025-12-09 17:47:55,185 - INFO - Row: {'id': 3, 'name': 'User_003', 'age': 30, 'score': 73, 'update_time': datetime.datetime(2025, 12, 9, 17, 47, 43)}
2025-12-09 17:47:55,185 - INFO - 执行完成: [query_and_log] | 耗时: 0.0168 秒
2025-12-09 17:47:55,185 - INFO - 正在执行: [delete_random_data] ...
2025-12-09 17:47:55,270 - INFO -  -> 删除 ID=44
2025-12-09 17:47:55,333 - INFO -  -> 删除 ID=24
2025-12-09 17:47:55,396 - INFO -  -> 删除 ID=46
2025-12-09 17:47:55,466 - INFO -  -> 删除 ID=53
2025-12-09 17:47:55,536 - INFO -  -> 删除 ID=90
2025-12-09 17:47:55,537 - INFO - 执行完成: [delete_random_data] | 耗时: 0.3513 秒
2025-12-09 17:47:56,537 - INFO - 正在执行: [query_and_log] ...
2025-12-09 17:47:56,552 - INFO - --- [删除后] 当前总行数: 95 ---
2025-12-09 17:47:56,552 - INFO - Row: {'id': 1, 'name': 'User_001', 'age': 24, 'score': 72, 'update_time': datetime.datetime(2025, 12, 9, 17, 47, 39)}
2025-12-09 17:47:56,552 - INFO - Row: {'id': 2, 'name': 'User_002', 'age': 28, 'score': 87, 'update_time': datetime.datetime(2025, 12, 9, 17, 47, 43)}
2025-12-09 17:47:56,553 - INFO - Row: {'id': 3, 'name': 'User_003', 'age': 30, 'score': 73, 'update_time': datetime.datetime(2025, 12, 9, 17, 47, 43)}
2025-12-09 17:47:56,553 - INFO - 执行完成: [query_and_log] | 耗时: 0.0154 秒
2025-12-09 17:47:56,553 - INFO - >>> StarRocks 基本功能测试全部通过 <<<
2025-12-09 17:47:56,553 - INFO - 数据库连接已关闭
2025-12-09 17:47:56,617 - INFO - SSH 隧道已关闭

去nd11执行下述语句进行查看：

bash 复制代码

mysql -h 10.x.xx.149 -P 19030 -u root

sql 复制代码

show databases;
use python_perf_test_sr;
show tables;

sql 复制代码

select * from student_scores_perf_sr;

7.1 插入数据

这里展示部分数据，可以看出插入了100条测试数据：

7.2 更新数据

控制台打印结果如下：

终端验证，部分数据展示如下：

7.3 删除数据

控制台打印结果如下：

终端验证，部分数据展示如下：