第4.1章：StarRocks数据导出--导出总览

一般来说，业务上涉及到的数据导出包括表结构导出和表数据导出，通常用来进行数据备份或数据迁移。

一、表结构导出

StarRocks的元数据持久化在FE的BDB中，并不能直接访问或者导出，不过为了兼容MySQL协议，StarRocks在information_schema库下面也模拟了一部分，至少获取表结构信息是足够的。举一个场景，假设我们在StarRocks中的表非常多，我们希望将表中的字段名称、注释或类型等做成页面展示或者搜索，就可以直接去information_schema.columns表中去取相关的信息。

StarRocks目前还未支持批量导出建表语句，社区也有同学问起过该功能的排期，其实低调内涵的Astralidea老大（StarRocks研发）早就在git上分享了一款表结构导出工具：

GitHub - Astralidea/olapdb-toolhttps://github.com/Astralidea/olapdb-tool

工具介绍言简意赅：

OlapDb Tools

A set of Tools For OlapDb

olapdump - dump mysql/starrocks/doris table structure

olapdb-tool需要依赖Python3和PyMSQL，这两个工具的安装可以参考第3.0章：StarRocks SSB性能测试，按照咱们的安装方式，导出命令的语法为：

python3 olapdump.py [-h HOST] [-P PORT] [-u USER] [-p PASSWORD] [-d DATABASE]

例如：

python3 olapdump.py -h192.168.110.101 -P9030 -uroot -proot -dssb_1g > dump_ssb.sql

备注：Astralidea大在git上提到olapdb-tool需要安装argparse和pymysql，如果当前系统中已经有Python3，可以依次执行：python3 -> help() -> modules，在交互式命令行中查看已有的模块。

二、表数据导出

StarRocks中表数据的导出方式就比较丰富了，按数据读取方式的不同，可以大致分为以下四类：

读取方式	读取工具	数据去向	适用量级
Connector	Flink Connector、Spark Connector	较灵活	较灵活[常用于ETL]
Export/Backup	StarRocks Broker	HDFS、OSS、S3等	较灵活[常用于较大数据量的备份或迁移]
JDBC	Flink、Spark、DataX（mysqlreader）等	较灵活	GB级[效率不高]
第三方可视化工具	DBeaver、Navicat、SQLyog、Datagrip等	本地文件	MB级[仅供测试]

其中，JDBC我们肯定不陌生，在操作上也不复杂，将StarRocks视为MySQL来处理就可以，通常仅用于小数据量的数据，同时效率可能也不是很高。

需要注意的是，StarRocks目前还未支持使用SQL语句直接导出数据到本地，如果需要导出的数据量不大，可以使用第三方工具自带的导出功能，或者，借助mysql client导出，例如：

mysql -h192.168.110.101 -uroot -proot -P9030 -Ne "use loong;select * from car_status;" > /out/dump_car.csv

注意：使用JDBC SQL或者mysql client的方式时需要合理的调整StarRocks的查询超时时间。

从推荐程度上，表中前两项为官方提供的导出方式，最为推荐，也适用于较大量级的数据量。Flink Connector Source和DataX mysqlreader我们已经在导入部分的3.4章与3.5章中介绍过了，后面的章节，我们会主要介绍Export、Spark Connector以及Backup/Restore。