企业官网建设流程全解析

网页设计100例,整站优化包年,wordpress出现乱码,wordpress换地址目录 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 Le…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 BE5.3 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 1JDK 版本警告故障 2nd13 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PaimonOLAP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 2.5.22LTS 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:bigdataJava 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.206nd1-nd5 nd6 nd11 nd12 nd13 nd14 nd15 nd16CDH6.3.210.x.xx.201-10.x.xx.205nd1-nd5Paimon1.1.1采用FE (Frontend) BE (Backend) 混合部署模式共 3 个节点。IPHostname角色部署组件10.x.xx.149nd11FE Leader BEDoris2.1.10 StarRocks 2.5.2210.x.xx.151nd12FE Follower BEDoris2.1.10 StarRocks 2.5.2210.x.xx.156nd13FE Follower BEDoris2.1.10 StarRocks 2.5.222. 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18040StarRocks 若使用 default10000 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FEhttp_port803018030FE Web 界面FErpc_port902019020FE 内部通信FEquery_port903019030MySQL 客户端连接FEedit_log_port901019010BDBJE 高可用通信BEbe_port906019060Thrift ServerBEwebserver_port804028040BE Web 界面 (特殊)BEheartbeat_service_port905019050心跳服务BEbrpc_port806018060数据传输2.2 目录规划安装目录/home/bigdata/starrocks-2.5/StarRocks-2.5.22FE 元数据目录/home/bigdata/starrocks-2.5/metaBE 数据目录/home/bigdata/starrocks-2.5/storage3. 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 655353.2 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/storage3.4 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.confvi /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-cloudera4.2 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 --daemon4.4 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.confvi /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 10.8.15.0/245.2 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 --daemon5.3 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 Cluster5.4 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.sh6. 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 CatalogCREATE 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 1JDK 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 2nd13 节点脑裂 (Alive: false)现象nd13 启动后在SHOW FRONTENDS中状态为Alive: falseErrMsg: 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。/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 FRONTENDSnd13 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, modew, encodingutf-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(fCREATE DATABASE IF NOT EXISTS {DB_NAME}) cursor.execute(fUSE {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(fTRUNCATE 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, count10): data [] for i in range(1, count 1): name fUser_{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 fINSERT 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 fSELECT * 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(fRow: {row}) measure_time def update_random_data(cursor, update_count3): cursor.execute(fSELECT 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 fUPDATE {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_count2): cursor.execute(fSELECT 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 fDELETE 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_usernameSSH_USER, ssh_passwordSSH_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( host127.0.0.1, # 连接本机 portserver.local_bind_port, # 使用隧道端口 userSR_DB_USER, passwordSR_DB_PWD, charsetutf8mb4, cursorclasspymysql.cursors.DictCursor, autocommitTrue ) cursor conn.cursor() # 3. 执行测试逻辑 init_db_and_table(cursor) insert_data_batch(cursor, count100) 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_count5) time.sleep(1) query_and_log(cursor, 更新后) delete_random_data(cursor, delete_count5) 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 ID22, New Score97 2025-12-09 17:47:53,970 - INFO - - 更新 ID69, New Score99 2025-12-09 17:47:54,033 - INFO - - 更新 ID52, New Score95 2025-12-09 17:47:54,104 - INFO - - 更新 ID64, New Score98 2025-12-09 17:47:54,168 - INFO - - 更新 ID9, New Score96 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 ID44 2025-12-09 17:47:55,333 - INFO - - 删除 ID24 2025-12-09 17:47:55,396 - INFO - - 删除 ID46 2025-12-09 17:47:55,466 - INFO - - 删除 ID53 2025-12-09 17:47:55,536 - INFO - - 删除 ID90 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 rootshow 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