完整教程：StarRocks 2.5.22 混合部署实战文档（CDH环境）

目录

1. 项目背景与环境

节点分配

2. 核心规划 (避坑关键)

2.1 端口规划表

2.2 目录规划

3. 部署前置准备 (nd11, nd12, nd13)

3.1 系统配置 (需 sudo 权限)

3.2 检查 CPU AVX2 支持

3.3 创建数据目录

3.4 准备安装包

4. FE 部署步骤

4.1 修改 FE 配置

4.2 启动 Leader 节点 (nd11)

4.3 启动 Follower 节点 (nd12, nd13)

4.4 注册 Follower 节点

5. BE 部署步骤

5.1 修改 BE 配置

5.2 启动 BE

5.3 注册 BE 节点

5.4 关闭 FE/BE 服务

6. Hadoop/Paimon 集成配置 (及遇到的兼容性问题)

6.1 分发配置文件

6.2 尝试创建 Paimon Catalog (失败)

7. 部署过程中的故障排查 (Troubleshooting)

故障 1：JDK 版本警告

故障 2：nd13 节点脑裂 (Alive: false)

8. 总结

9. 基础测试（增删改查）

7.1 插入数据

7.2 更新数据

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。

# 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。

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

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：

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

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

# 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)

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

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。

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：

/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：

/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。

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

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

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

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

# 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：

/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：

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";

SHOW FRONTENDS;

网址查看：StarRocks Cluster

5.4 关闭 FE/BE 服务

# 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：

# 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：

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：

1. 短期方案：若进程能启动，可暂时忽略（如日志所示）。

2. 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：

1. 停止进程：kill 掉 nd13 的 FE 进程。

2. 清空元数据：

   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)

3. 重新加入：指定 Helper 强制同步 Leader 数据。

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

4. 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】

# -*- 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：

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：

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

show databases;
use python_perf_test_sr;
show tables;

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：