版本：4.0

通过 Arrow Flight SQL 与 StarRocks 交互

从 v3.5.1 起，StarRocks 支持通过 Apache Arrow Flight SQL 协议进行连接。

概述

借助 Arrow Flight SQL 协议，您可以执行普通的 DDL、DML、DQL 语句，并使用 Python 代码或 Java 代码通过 Arrow Flight SQL ADBC 或 JDBC 驱动读取大规模数据。

该方案从 StarRocks 列式执行引擎到客户端建立了一条全列式数据传输管道，消除了传统 JDBC 和 ODBC 接口中常见的频繁行列转换和序列化开销，使 StarRocks 能够以零拷贝、低延迟、高吞吐量的方式传输数据。

应用场景

Arrow Flight SQL 集成使 StarRocks 特别适用于：

数据科学工作流，其中 Pandas 和 Apache Arrow 等工具需要列式数据。
数据湖分析，需要对海量数据集进行高吞吐量、低延迟的访问。
机器学习，快速迭代和处理速度至关重要。
实时分析平台，必须以最小延迟交付数据。

借助 Arrow Flight SQL，您可以获益于：

端到端列式数据传输，消除列式与行式格式之间的高代价转换。
零拷贝数据移动，降低 CPU 和内存开销。
低延迟和极高吞吐量，加速分析和响应速度。

技术方案

传统上，StarRocks 在内部以列式 Block 结构组织查询结果。然而，在使用 JDBC、ODBC 或 MySQL 协议时，数据必须经过：

在服务端序列化为基于行的字节流。
通过网络传输。
反序列化还原为目标结构（通常需要重新转换为列式格式）。

这三步过程会带来：

高序列化/反序列化开销。
复杂的数据转换。
随数据量增长而增加的延迟。

与 Arrow Flight SQL 的集成通过以下方式解决了这些问题：

从 StarRocks 执行引擎直接到客户端，全程保留列式格式。
利用 Apache Arrow 的内存列式表示，该表示针对分析工作负载进行了优化。
使用 Arrow Flight 协议进行高速传输，无需中间转换即可实现高效流式传输。

Arrow Flight

该设计提供了真正的零拷贝传输，比传统方法更快且更节省资源。

此外，StarRocks 为 Arrow Flight SQL 提供了通用 JDBC 驱动，使应用程序无需牺牲 JDBC 兼容性或与其他支持 Arrow Flight 的系统的互操作性，即可采用这条高性能传输路径。

对于 BE 节点无法被客户端直接访问的部署场景（例如私有网络或 Kubernetes 集群），StarRocks 提供了 Arrow Flight 代理功能。启用后，FE 可作为代理将 Arrow 数据从 BE 节点路由到客户端，在满足网络拓扑约束的同时保留列式传输的优势。该代理模式会带来少量性能开销，但可在无法直接连接 BE 的环境中启用 Arrow Flight SQL 访问。

性能对比

综合测试表明，数据检索速度有了显著提升。在各种数据类型（整数、浮点数、字符串、布尔值及混合列）下，Arrow Flight SQL 的性能始终优于传统的 PyMySQL 和 Pandas read_sql 接口。主要结果包括：

读取 1000 万行整数数据时，执行时间从约 35 秒降至 0.4 秒（约快 85 倍）。
对于混合列表，性能提升达到 160 倍加速。
即使在较简单的查询中（例如单字符串列），性能提升也超过 12 倍。

平均而言，Arrow Flight SQL 实现了：

20 倍至 160 倍的传输速度提升，具体取决于查询复杂度和数据类型。
由于消除了冗余序列化步骤，CPU 和内存使用量明显降低。

这些性能提升直接转化为更快的仪表盘响应、更流畅的数据科学工作流，以及实时分析更大规模数据集的能力。

有关如何在客户端代码中实现这些数字的详细分解——JDBC 访问器方法、原始 VectorSchemaRoot 消耗、Parquet 写入器——以及每个调优步骤相对于 MySQL JDBC 的实测加速效果，请参阅 Arrow Flight SQL 最佳实践.

使用方法

按照以下步骤，通过 Arrow Flight SQL 协议使用 Python ADBC Driver 连接 StarRocks 并与之交互。完整代码示例请参阅附录。

备注

前提条件：Python 3.9 或更高版本。

步骤 1：安装库

使用 pip 从 PyPI 安装 adbc_driver_manager 和 adbc_driver_flightsql：

pip install adbc_driver_manager
pip install adbc_driver_flightsql

将以下模块或库导入您的代码：

必需库：

import adbc_driver_manager
import adbc_driver_flightsql.dbapi as flight_sql

可选模块（用于提升可用性和调试体验）：

import pandas as pd       # Optional: for better result display using DataFrame
import traceback          # Optional: for detailed error traceback during SQL execution
import time               # Optional: for measuring SQL execution time

步骤 2：连接到 StarRocks

备注

如果您想通过命令行启动 FE 服务，可以使用以下任意一种方式：
- 指定环境变量 JAVA_TOOL_OPTIONS。
```
export JAVA_TOOL_OPTIONS="--add-opens=java.base/java.nio=org.apache.arrow.memory.core,ALL-UNNAMED"
```
- 在 fe.conf 中指定 FE 配置项 JAVA_OPTS，这样可以追加其他 JAVA_OPTS 值。
```
JAVA_OPTS="--add-opens=java.base/java.nio=org.apache.arrow.memory.core,ALL-UNNAMED ..."
```
如果您想在 IntelliJ IDEA 中运行服务，必须在 Run/Debug Configurations 的 Build and run 中添加以下选项：
```
--add-opens=java.base/java.nio=org.apache.arrow.memory.core,ALL-UNNAMED
```

配置 StarRocks

在通过 Arrow Flight SQL 连接 StarRocks 之前，您必须先配置 FE 和 BE 节点，以确保 Arrow Flight SQL 服务已启用并监听指定端口。

在 FE 配置文件 fe.conf 和 BE 配置文件 be.conf 中，将 arrow_flight_port 设置为可用端口。修改配置文件后，重启 FE 和 BE 服务以使修改生效。

备注

FE 和 BE 必须设置不同的 arrow_flight_port。

示例：

// fe.conf
arrow_flight_port = 9408
// be.conf
arrow_flight_port = 9419

配置 Arrow Flight 代理（可选）

如果您的 BE 节点无法从客户端应用程序直接访问（例如，部署在私有网络或 Kubernetes 环境中），您可以在 FE 上启用 Arrow Flight 代理功能，将 BE 节点的数据通过 FE 进行路由。

代理功能由两个全局变量控制：

arrow_flight_proxy_enabled：控制是否启用代理模式。默认值为 true。启用后会有轻微的性能开销。
arrow_flight_proxy：指定代理主机名。若为空（默认值），则当前 FE 节点充当代理。如果使用不同的代理端点，可将其设置为特定主机名。

要为所有会话全局配置这些变量：

-- 启用或禁用代理模式（默认启用）
SET GLOBAL arrow_flight_proxy_enabled = true;

-- 设置特定的代理主机名（可选，默认为当前 FE）
SET GLOBAL arrow_flight_proxy = 'your-proxy-hostname:Port';

备注

代理功能默认启用，与直接连接 BE 相比，可能导致吞吐量降低 8-10%。如果您的客户端可以直接访问 BE 节点的网络，或者 FE 侧内存资源有限，可以禁用代理以获得最佳性能：SET GLOBAL arrow_flight_proxy_enabled = false;。
当 arrow_flight_proxy 为空时，票据将自动通过客户端最初连接的 FE 节点进行路由。
重要：arrow_flight_proxy 和 arrow_flight_proxy_enabled 设置应使用 SET GLOBAL 进行全局配置。不支持会话级别的设置。
需要重启会话：更改代理设置仅影响新会话。现有的 Arrow Flight SQL 会话将继续使用其原始设置，直到重新连接。

建立连接

在客户端，使用以下信息创建 Arrow Flight SQL 客户端：

StarRocks FE 的主机地址
Arrow Flight 在 StarRocks FE 上监听所使用的端口
具有必要权限的 StarRocks 用户的用户名和密码

示例：

FE_HOST = "127.0.0.1"
FE_PORT = 9408

conn = flight_sql.connect(
    uri=f"grpc://{FE_HOST}:{FE_PORT}",
    db_kwargs={
        adbc_driver_manager.DatabaseOptions.USERNAME.value: "root",
        adbc_driver_manager.DatabaseOptions.PASSWORD.value: "",
    }
)
cursor = conn.cursor()

连接建立后，您可以通过返回的 Cursor 执行 SQL 语句与 StarRocks 进行交互。

步骤 3.（可选）预定义工具函数

这些函数用于格式化输出、统一格式并简化调试。您可以在代码中选择性地定义它们以进行测试。

# =============================================================================
# 用于更好地格式化输出和执行 SQL 的工具函数
# =============================================================================

# 打印章节标题
def print_header(title: str):
    """
    Print a section header for better readability.
    """
    print("\n" + "=" * 80)
    print(f"🟢 {title}")
    print("=" * 80)

# 打印正在执行的 SQL 语句
def print_sql(sql: str):
    """
    Print the SQL statement before execution.
    """
    print(f"\n🟡 SQL:\n{sql.strip()}")

# 打印结果 DataFrame
def print_result(df: pd.DataFrame):
    """
    Print the result DataFrame in a readable format.
    """
    if df.empty:
        print("\n🟢 Result: (no rows returned)\n")
    else:
        print("\n🟢 Result:\n")
        print(df.to_string(index=False))

# 打印错误堆栈信息
def print_error(e: Exception):
    """
    Print the error traceback if SQL execution fails.
    """
    print("\n🔴 Error occurred:")
    traceback.print_exc()

# 执行 SQL 语句并打印结果
def execute(sql: str):
    """
    Execute a SQL statement and print the result and execution time.
    """
    print_sql(sql)
    try:
        start = time.time()  # Optional: start time for execution time measurement
        cursor.execute(sql)
        result = cursor.fetchallarrow()  # Arrow Table
        df = result.to_pandas()  # Optional: convert to DataFrame for better display
        print_result(df)
        print(f"\n⏱️  Execution time: {time.time() - start:.3f} seconds")
    except Exception as e:
        print_error(e)

步骤 4. 与 StarRocks 交互

本节将引导您完成一些基本操作，例如创建表、加载数据、检查表元数据、设置变量以及运行查询。

备注

以下列出的输出示例基于前述步骤中描述的可选模块和工具函数实现。

创建数据库和表以加载数据，并检查表结构。

# 第 1 步：删除并创建数据库
print_header("Step 1: Drop and Create Database")
execute("DROP DATABASE IF EXISTS sr_arrow_flight_sql FORCE;")
execute("SHOW DATABASES;")
execute("CREATE DATABASE sr_arrow_flight_sql;")
execute("SHOW DATABASES;")
execute("USE sr_arrow_flight_sql;")

# 第 2 步：创建表
print_header("Step 2: Create Table")
execute("""
CREATE TABLE sr_arrow_flight_sql_test
(
    k0 INT,
    k1 DOUBLE,
    k2 VARCHAR(32) NULL DEFAULT "" COMMENT "",
    k3 DECIMAL(27,9) DEFAULT "0",
    k4 BIGINT NULL DEFAULT '10',
    k5 DATE
)
DISTRIBUTED BY HASH(k5) BUCKETS 5
PROPERTIES("replication_num" = "1");
""")
execute("SHOW CREATE TABLE sr_arrow_flight_sql_test;")

示例输出：

================================================================================
🟢 Step 1: Drop and Create Database
================================================================================

🟡 SQL:
DROP DATABASE IF EXISTS sr_arrow_flight_sql FORCE;
/Users/starrocks/test/venv/lib/python3.9/site-packages/adbc_driver_manager/dbapi.py:307: Warning: Cannot disable autocommit; conn will not be DB-API 2.0 compliant
  warnings.warn(

🟢 Result:

StatusResult
           0

⏱️  Execution time: 0.025 seconds

🟡 SQL:
SHOW DATABASES;

🟢 Result:
   
          Database
      _statistics_
              hits
information_schema
               sys

⏱️  Execution time: 0.014 seconds

🟡 SQL:
CREATE DATABASE sr_arrow_flight_sql;

🟢 Result:

StatusResult
           0

⏱️  Execution time: 0.012 seconds

🟡 SQL:
SHOW DATABASES;

🟢 Result:

           Database
       _statistics_
               hits
 information_schema
sr_arrow_flight_sql
                sys

⏱️  Execution time: 0.005 seconds

🟡 SQL:
USE sr_arrow_flight_sql;

🟢 Result:

StatusResult
           0

⏱️  Execution time: 0.006 seconds

================================================================================
🟢 Step 2: Create Table
================================================================================

🟡 SQL:
CREATE TABLE sr_arrow_flight_sql_test
(
    k0 INT,
    k1 DOUBLE,
    k2 VARCHAR(32) NULL DEFAULT "" COMMENT "",
    k3 DECIMAL(27,9) DEFAULT "0",
    k4 BIGINT NULL DEFAULT '10',
    k5 DATE
)
DISTRIBUTED BY HASH(k5) BUCKETS 5
PROPERTIES("replication_num" = "1");

🟢 Result:

StatusResult
           0

⏱️  Execution time: 0.021 seconds

🟡 SQL:
SHOW CREATE TABLE sr_arrow_flight_sql_test;

🟢 Result:

                   Table                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                  Create Table
sr_arrow_flight_sql_test CREATE TABLE `sr_arrow_flight_sql_test` (\n  `k0` int(11) NULL COMMENT "",\n  `k1` double NULL COMMENT "",\n  `k2` varchar(32) NULL DEFAULT "" COMMENT "",\n  `k3` decimal(27, 9) NULL DEFAULT "0" COMMENT "",\n  `k4` bigint(20) NULL DEFAULT "10" COMMENT "",\n  `k5` date NULL COMMENT ""\n) ENGINE=OLAP \nDUPLICATE KEY(`k0`)\nDISTRIBUTED BY HASH(`k5`) BUCKETS 5 \nPROPERTIES (\n"compression" = "LZ4",\n"fast_schema_evolution" = "true",\n"replicated_storage" = "true",\n"replication_num" = "1"\n);

⏱️  Execution time: 0.005 seconds

插入数据、运行一些查询并设置变量。

# 第 3 步：插入数据
print_header("Step 3: Insert Data")
execute("""
INSERT INTO sr_arrow_flight_sql_test VALUES
    (0, 0.1, "ID", 0.0001, 1111111111, '2025-04-21'),
    (1, 0.20, "ID_1", 1.00000001, 0, '2025-04-21'),
    (2, 3.4, "ID_1", 3.1, 123456, '2025-04-22'),
    (3, 4, "ID", 4, 4, '2025-04-22'),
    (4, 122345.54321, "ID", 122345.54321, 5, '2025-04-22');
""")

# 第 4 步：查询数据
print_header("Step 4: Query Data")
execute("SELECT * FROM sr_arrow_flight_sql_test ORDER BY k0;")

# 第 5 步：会话变量
print_header("Step 5: Session Variables")
execute("SHOW VARIABLES LIKE '%query_mem_limit%';")
execute("SET query_mem_limit = 2147483648;")
execute("SHOW VARIABLES LIKE '%query_mem_limit%';")

# 第 6 步：聚合查询
print_header("Step 6: Aggregation Query")
execute("""
SELECT k5, SUM(k1) AS total_k1, COUNT(1) AS row_count, AVG(k3) AS avg_k3
FROM sr_arrow_flight_sql_test
GROUP BY k5
ORDER BY k5;
""")

示例输出：

================================================================================
🟢 Step 3: Insert Data
================================================================================

🟡 SQL:
INSERT INTO sr_arrow_flight_sql_test VALUES
    (0, 0.1, "ID", 0.0001, 1111111111, '2025-04-21'),
    (1, 0.20, "ID_1", 1.00000001, 0, '2025-04-21'),
    (2, 3.4, "ID_1", 3.1, 123456, '2025-04-22'),
    (3, 4, "ID", 4, 4, '2025-04-22'),
    (4, 122345.54321, "ID", 122345.54321, 5, '2025-04-22');

🟢 Result:

StatusResult
           0

⏱️  Execution time: 0.149 seconds

================================================================================
🟢 Step 4: Query Data
================================================================================

🟡 SQL:
SELECT * FROM sr_arrow_flight_sql_test ORDER BY k0;

🟢 Result:
                                                             
0      0.10000   ID      0.000100000 1111111111 2025-04-21
1      0.20000 ID_1      1.000000010          0 2025-04-21
2      3.40000 ID_1      3.100000000     123456 2025-04-22
3      4.00000   ID      4.000000000          4 2025-04-22
4 122345.54321   ID 122345.543210000          5 2025-04-22

⏱️  Execution time: 0.019 seconds

================================================================================
🟢 Step 5: Session Variables
================================================================================

🟡 SQL:
SHOW VARIABLES LIKE '%query_mem_limit%';

🟢 Result:

  Variable_name Value
query_mem_limit     0

⏱️  Execution time: 0.005 seconds

🟡 SQL:
SET query_mem_limit = 2147483648;

🟢 Result:

StatusResult
           0
   
⏱️  Execution time: 0.007 seconds

🟡 SQL:
SHOW VARIABLES LIKE '%query_mem_limit%';

🟢 Result:

  Variable_name        Value
  query_mem_limit 2147483648

⏱️  Execution time: 0.005 seconds

================================================================================
🟢 Step 6: Aggregation Query
================================================================================

🟡 SQL:
SELECT k5, SUM(k1) AS total_k1, COUNT(1) AS row_count, AVG(k3) AS avg_k3
FROM sr_arrow_flight_sql_test
GROUP BY k5
ORDER BY k5;

🟢 Result:
                                               
2025-04-21      0.30000 2     0.500050005000
2025-04-22 122352.94321 3 40784.214403333333
   
⏱️  Execution time: 0.014 second

步骤 5. 关闭连接

在您的代码中包含以下部分以关闭连接。

# 第 7 步：关闭
print_header("Step 7: Close Connection")
cursor.close()
conn.close()
print("✅ Test completed successfully.")

示例输出：

================================================================================
🟢 Step 7: Close Connection
================================================================================
✅ Test completed successfully.

Process finished with exit code 0

大规模数据传输的使用场景

Python

通过 Python 中的 ADBC Driver 连接到 StarRocks（支持 Arrow Flight SQL）后，您可以使用各种 ADBC API 将 Clickbench 数据集从 StarRocks 加载到 Python 中。

代码示例：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import adbc_driver_manager
import adbc_driver_flightsql.dbapi as flight_sql
from datetime import datetime

# ----------------------------------------
# StarRocks Flight SQL 连接设置
# ----------------------------------------
# 根据需要替换 URI 和凭据
my_uri = "grpc://127.0.0.1:9408"  # Default Flight SQL port for StarRocks
my_db_kwargs = {
    adbc_driver_manager.DatabaseOptions.USERNAME.value: "root",
    adbc_driver_manager.DatabaseOptions.PASSWORD.value: "",
}

# ----------------------------------------
# SQL 查询（ClickBench：hits 表）
# ----------------------------------------
# 根据需要替换为实际的表和数据集
sql = "SELECT * FROM clickbench.hits LIMIT 1000000;"  # Read 1 million rows

# ----------------------------------------
# 方法 1：fetchallarrow + to_pandas
# ----------------------------------------
def test_fetchallarrow():
    conn = flight_sql.connect(uri=my_uri, db_kwargs=my_db_kwargs)
    cursor = conn.cursor()
    start = datetime.now()
    cursor.execute(sql)
    arrow_table = cursor.fetchallarrow()
    df = arrow_table.to_pandas()
    duration = datetime.now() - start

    print("\n[Method 1] fetchallarrow + to_pandas")
    print(f"Time taken: {duration}, Arrow table size: {arrow_table.nbytes / 1024 / 1024:.2f} MB, Rows: {len(df)}")
    print(df.info(memory_usage='deep'))

# ----------------------------------------
# 方法 2：fetch_df（推荐）
# ----------------------------------------
def test_fetch_df():
    conn = flight_sql.connect(uri=my_uri, db_kwargs=my_db_kwargs)
    cursor = conn.cursor()
    start = datetime.now()
    cursor.execute(sql)
    df = cursor.fetch_df()
    duration = datetime.now() - start

    print("\n[Method 2] fetch_df (recommended)")
    print(f"Time taken: {duration}, Rows: {len(df)}")
    print(df.info(memory_usage='deep'))

# ----------------------------------------
# 方法 3：adbc_execute_partitions（用于并行读取）
# ----------------------------------------
def test_execute_partitions():
    conn = flight_sql.connect(uri=my_uri, db_kwargs=my_db_kwargs)
    cursor = conn.cursor()
    start = datetime.now()
    partitions, schema = cursor.adbc_execute_partitions(sql)

    # 读取第一个分区（演示用）
    cursor.adbc_read_partition(partitions[0])
    arrow_table = cursor.fetchallarrow()
    df = arrow_table.to_pandas()
    duration = datetime.now() - start

    print("\n[Method 3] adbc_execute_partitions (parallel read)")
    print(f"Time taken: {duration}, Partitions: {len(partitions)}, Rows: {len(df)}")
    print(df.info(memory_usage='deep'))

# ----------------------------------------
# 运行所有测试
# ----------------------------------------
if __name__ == "__main__":
    test_fetchallarrow()
    test_fetch_df()
    test_execute_partitions()

结果表明，从 StarRocks 加载 100 万行 Clickbench 数据集（105 列，780 MB）仅需 3 秒。

[Method 1] fetchallarrow + to_pandas
Time taken: 0:00:03.219575, Arrow table size: 717.42 MB, Rows: 1000000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000000 entries, 0 to 999999
Columns: 105 entries, CounterID to CLID
dtypes: int16(48), int32(19), int64(6), object(32)
memory usage: 2.4 GB

[Method 2] fetch_df (recommended)
Time taken: 0:00:02.358840, Rows: 1000000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000000 entries, 0 to 999999
Columns: 105 entries, CounterID to CLID
dtypes: int16(48), int32(19), int64(6), object(32)
memory usage: 2.4 GB

[Method 3] adbc_execute_partitions (parallel read)
Time taken: 0:00:02.231144, Partitions: 1, Rows: 1000000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000000 entries, 0 to 999999
Columns: 105 entries, CounterID to CLID
dtypes: int16(48), int32(19), int64(6), object(32)
memory usage: 2.4 GB

Arrow Flight SQL JDBC 驱动

Arrow Flight SQL 协议提供了一个与标准 JDBC 接口兼容的开源 JDBC 驱动。您可以轻松将其集成到各种 BI 工具（如 Tableau、Power BI、DBeaver 等）中以访问 StarRocks 数据库，就像使用传统 JDBC 驱动一样。该驱动的一个显著优势是支持基于 Apache Arrow 的高速数据传输，大大提高了查询和数据传输的效率。其用法与传统 MySQL JDBC 驱动几乎相同，您只需在连接 URL 中将 jdbc:mysql 替换为 jdbc:arrow-flight-sql 即可无缝切换。查询结果仍以标准 ResultSet 格式返回，确保与现有 JDBC 处理逻辑的兼容性。

备注

请注意，如果您使用的是 Java 9 或更高版本，必须在 Java 代码中添加 --add-opens=java.base/java.nio=ALL-UNNAMED 以暴露 JDK 的内部结构。否则，您可能会遇到某些错误。

如果您想通过命令行启动 FE 服务，可以使用以下任一方式：
- 指定环境变量 JAVA_TOOL_OPTIONS。
```
export JAVA_TOOL_OPTIONS="--add-opens=java.base/java.nio=org.apache.arrow.memory.core,ALL-UNNAMED"
```
- 在 fe.conf中指定 FE 配置项 JAVA_OPTS 的值，以便追加其他值。
```
JAVA_OPTS="--add-opens=java.base/java.nio=org.apache.arrow.memory.core,ALL-UNNAMED ..."
```
如果您想在 IntelliJ IDEA 中进行调试，必须在 Run/Debug Configurations 中的 Build and run 添加以下选项：
```
--add-opens=java.base/java.nio=org.apache.arrow.memory.core,ALL-UNNAMED
```

Arrow Flight 示例

点击此处查看 POM 依赖

<properties>
    <adbc.version>0.15.0</adbc.version>
</properties>

<dependencies>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-driver-jdbc</artifactId>
        <version>${adbc.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-core</artifactId>
        <version>${adbc.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-driver-manager</artifactId>
        <version>${adbc.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-sql</artifactId>
        <version>${adbc.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-driver-flight-sql</artifactId>
        <version>${adbc.version}</version>
    </dependency>
</dependencies>

代码示例：

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.Statement;

public class ArrowFlightSqlIntegrationTest {

    private static final String JDBC_URL = "jdbc:arrow-flight-sql://127.0.0.1:9408"
            + "?useEncryption=false"
            + "&useServerPrepStmts=false"
            + "&useSSL=false"
            + "&useArrowFlightSql=true";

    private static final String USER = "root";
    private static final String PASSWORD = "";

    private static int testCaseNum = 1;

    public static void main(String[] args) {
        try {
            // 加载 Arrow Flight SQL JDBC 驱动
            Class.forName("org.apache.arrow.driver.jdbc.ArrowFlightJdbcDriver");

            try (Connection conn = DriverManager.getConnection(JDBC_URL, USER, PASSWORD);
                    Statement stmt = conn.createStatement()) {

                testUpdate(stmt, "DROP DATABASE IF EXISTS sr_arrow_flight_sql FORCE;");
                testQuery(stmt, "SHOW PROCESSLIST;");
                testUpdate(stmt, "CREATE DATABASE sr_arrow_flight_sql;");
                testQuery(stmt, "SHOW DATABASES;");
                testUpdate(stmt, "USE sr_arrow_flight_sql;");
                testUpdate(stmt, "CREATE TABLE sr_table_test (id INT, name STRING) ENGINE=OLAP PRIMARY KEY (id) " +
                        "DISTRIBUTED BY HASH(id) BUCKETS 1 " +
                        "PROPERTIES ('replication_num' = '1');");
                testUpdate(stmt, "INSERT INTO sr_table_test VALUES (1, 'Alice'), (2, 'Bob');");
                testQuery(stmt, "SELECT * FROM sr_arrow_flight_sql.sr_table_test;");
            }
        } catch (Exception e) {
            e.printStackTrace();
        }

    }

    /**
     * Executes a query and prints the result to the console.
     */
    private static void testQuery(Statement stmt, String sql) throws Exception {
        System.out.println("Test Case: " + testCaseNum);
        System.out.println("▶ Executing query: " + sql);
        ResultSet rs = stmt.executeQuery(sql);
        try {
            System.out.println("Result:");
            int columnCount = rs.getMetaData().getColumnCount();
            while (rs.next()) {
                for (int i = 1; i <= columnCount; i++) {
                    System.out.print(rs.getString(i) + "\t");
                }
                System.out.println();
            }
        } finally {
            rs.close();
        }
        testCaseNum++;
        System.out.println();
    }

    /**
     * Executes an update (DDL or DML) and prints the result to the console.
     */
    private static void testUpdate(Statement stmt, String sql) throws Exception {
        System.out.println("Test Case: " + testCaseNum);
        System.out.println("▶ Executing update: " + sql);
        stmt.executeUpdate(sql);
        System.out.println("Result: ✅ Success");
        testCaseNum++;
        System.out.println();
    }
}

执行结果：

Test Case: 1
▶ Executing update: DROP DATABASE IF EXISTS sr_arrow_flight_sql FORCE;
Result: ✅ Success

Test Case: 2
▶ Executing query: SHOW PROCESSLIST;
Result:
192.168.124.48_9010_1751449846872	16777217	root			Query	2025-07-02 18:46:49	0	OK	SHOW PROCESSLIST;	false	default_warehouse	

Test Case: 3
▶ Executing update: CREATE DATABASE sr_arrow_flight_sql;
Result: ✅ Success

Test Case: 4
▶ Executing query: SHOW DATABASES;
Result:
_statistics_	
information_schema	
sr_arrow_flight_sql	
sys	

Test Case: 5
▶ Executing update: USE sr_arrow_flight_sql;
Result: ✅ Success

Test Case: 6
▶ Executing update: CREATE TABLE sr_table_test (id INT, name STRING) ENGINE=OLAP PRIMARY KEY (id) DISTRIBUTED BY HASH(id) BUCKETS 1 PROPERTIES ('replication_num' = '1');
Result: ✅ Success

Test Case: 7
▶ Executing update: INSERT INTO sr_table_test VALUES (1, 'Alice'), (2, 'Bob');
Result: ✅ Success

Test Case: 8
▶ Executing query: SELECT * FROM sr_arrow_flight_sql.sr_table_test;
Result:
1	Alice	
2	Bob

Java ADBC Driver

Arrow Flight SQL 协议提供了一个与标准 JDBC 接口兼容的开源 JDBC 驱动程序。您可以轻松将其集成到各种 BI 工具（如 Tableau、Power BI、DBeaver 等）中，以访问 StarRocks 数据库，就像使用传统 JDBC 驱动程序一样。该驱动程序的一个显著优势是支持基于 Apache Arrow 的高速数据传输，大大提高了查询和数据传输的效率。其使用方式与传统 MySQL JDBC 驱动程序几乎相同。

备注

如果您想通过命令行启动 FE 服务，可以使用以下任一方式：
- 指定环境变量 JAVA_TOOL_OPTIONS。
```
export JAVA_TOOL_OPTIONS="--add-opens=java.base/java.nio=org.apache.arrow.memory.core,ALL-UNNAMED"
```
- 在 fe.conf中指定 FE 配置项 JAVA_OPTS 的值，以便追加其他值。
```
JAVA_OPTS="--add-opens=java.base/java.nio=org.apache.arrow.memory.core,ALL-UNNAMED ..."
```
如果您想在 IntelliJ IDEA 中进行调试，必须在 Run/Debug Configurations 中的 Build and run 添加以下选项：
```
--add-opens=java.base/java.nio=org.apache.arrow.memory.core,ALL-UNNAMED
```

POM 依赖

<properties>
    <adbc.version>0.15.0</adbc.version>
</properties>

<dependencies>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-driver-jdbc</artifactId>
        <version>${adbc.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-core</artifactId>
        <version>${adbc.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-driver-manager</artifactId>
        <version>${adbc.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-sql</artifactId>
        <version>${adbc.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.arrow.adbc</groupId>
        <artifactId>adbc-driver-flight-sql</artifactId>
        <version>${adbc.version}</version>
    </dependency>
</dependencies>

与 Python 中类似，您也可以在 Java 中直接创建 ADBC 客户端，从 StarRocks 读取数据。

在此过程中，您首先需要获取 FlightInfo，然后连接到每个 Endpoint 以获取数据。

代码示例：

public static void main(String[] args) throws Exception {
    try (BufferAllocator allocator = new RootAllocator()) {
        FlightSqlDriver driver = new FlightSqlDriver(allocator);

        Map<String, Object> parameters = new HashMap<>();
        String host = "localhost";
        int port = 9408;
        String uri = Location.forGrpcInsecure(host, port).getUri().toString();

        AdbcDriver.PARAM_URI.set(parameters, uri);
        AdbcDriver.PARAM_USERNAME.set(parameters, "root");
        AdbcDriver.PARAM_PASSWORD.set(parameters, "");

        try (AdbcDatabase database = driver.open(parameters);
                AdbcConnection connection = database.connect();
                AdbcStatement statement = connection.createStatement()) {

            statement.setSqlQuery("SHOW DATABASES;");

            try (AdbcStatement.QueryResult result = statement.executeQuery();
                    ArrowReader reader = result.getReader()) {

                int batchCount = 0;
                while (reader.loadNextBatch()) {
                    batchCount++;
                    VectorSchemaRoot root = reader.getVectorSchemaRoot();
                    System.out.println("Batch " + batchCount + ":");
                    System.out.println(root.contentToTSVString());
                }

                System.out.println("Total batches: " + batchCount);
            }
        }
    }
}

建议

在上述三种 Java Arrow Flight SQL 连接方式中：
- 如果后续数据分析依赖于行式数据格式，建议使用 jdbc:arrow-flight-sql，它以 JDBC ResultSet 格式返回数据。
- 如果分析可以直接处理 Arrow 格式或其他列式数据格式，可以使用 Flight AdbcDriver 或 Flight JdbcDriver。这些选项直接返回 Arrow 格式的数据，避免了行列转换，并利用 Arrow 的特性加速数据解析。
无论您解析 JDBC ResultSet 还是 Arrow 格式的数据，解析时间通常都比读取数据本身所花费的时间更长。如果您发现 Arrow Flight SQL 相比 jdbc:mysql:// 并未带来预期的性能提升，请考虑排查数据解析是否耗时过长。
对于所有连接方式，使用 JDK 17 读取数据通常比使用 JDK 1.8 更快。
在读取大规模数据集时，Arrow Flight SQL 相比 jdbc:mysql:// 通常消耗更少的内存。因此，如果您遇到内存限制，也值得尝试 Arrow Flight SQL。
除上述三种连接方式外，您还可以使用原生 FlightClient 连接到 Arrow Flight Server，从而实现从多个 Endpoint 进行更灵活的并行读取。Java Flight AdbcDriver 构建于 FlightClient 之上，与直接使用 FlightClient 相比提供了更简单的接口。

Spark

目前，官方 Arrow Flight 项目暂无支持 Spark 或 Flink 的计划。未来将逐步添加支持，允许 starrocks-spark-connector 通过 Arrow Flight SQL 访问 StarRocks，预计读取性能将提升数倍。

在使用 Spark 访问 StarRocks 时，除了传统的 JDBC 或 Java 客户端方式外，您还可以使用开源的 Spark-Flight-Connector 组件，将 StarRocks Flight SQL Server 作为 Spark DataSource 直接进行读写。这种基于 Apache Arrow Flight 协议的方式具有以下显著优势：

高性能数据传输 Spark-Flight-Connector 使用 Apache Arrow 作为数据传输格式，实现零拷贝、高效的数据交换。StarRocks 的 internal Block 数据格式与 Arrow 之间的转换效率极高，与传统的 CSV 或 JDBC 方式相比，性能提升可达 10 倍，并显著降低数据传输开销。
原生支持复杂数据类型 Arrow 数据格式原生支持复杂类型（如 Map、Array、Struct 等），与传统 JDBC 方式相比，能够更好地适配 StarRocks 的复杂数据模型，增强数据表达能力和兼容性。
支持读取、写入和流式写入 该组件支持 Spark 作为 Flight SQL 客户端进行高效的读写操作，包括 insert、merge、update 和 delete DML 语句，甚至支持流式写入，适用于实时数据处理场景。
支持谓词下推和列裁剪 在读取数据时，Spark-Flight-Connector 支持谓词下推和列裁剪，能够在 StarRocks 侧进行数据过滤和列选择，显著减少传输的数据量并提升查询性能。
支持聚合下推和并行读取 聚合操作（如 sum、count、max、min 等）可以下推到 StarRocks 执行，减少 Spark 的计算负载。同时支持基于分区的并行读取，提升大数据场景下的读取效率。
更适合大数据场景 与传统 JDBC 方式相比，Flight SQL 协议更适合大规模、高并发的访问场景，使 StarRocks 能够充分发挥其高性能分析能力。

附录

以下是使用教程中的完整代码示例。

# =============================================================================
# StarRocks Arrow Flight SQL 测试脚本
# =============================================================================
# pip install adbc_driver_manager adbc_driver_flightsql pandas
# =============================================================================

# =============================================================================
# 通过 Arrow Flight SQL 连接 StarRocks 所需的核心模块
# =============================================================================
import adbc_driver_manager
import adbc_driver_flightsql.dbapi as flight_sql

# =============================================================================
# 用于提升易用性和调试体验的可选模块
# =============================================================================
import pandas as pd       # Optional: for better result display using DataFrame
import traceback          # Optional: for detailed error traceback during SQL execution
import time               # Optional: for measuring SQL execution time

# =============================================================================
# StarRocks Flight SQL 配置
# =============================================================================
FE_HOST = "127.0.0.1"
FE_PORT = 9408

# =============================================================================
# 连接到 StarRocks
# =============================================================================
conn = flight_sql.connect(
    uri=f"grpc://{FE_HOST}:{FE_PORT}",
    db_kwargs={
        adbc_driver_manager.DatabaseOptions.USERNAME.value: "root",
        adbc_driver_manager.DatabaseOptions.PASSWORD.value: "",
    }
)

cursor = conn.cursor()

# =============================================================================
# 用于优化输出格式和 SQL 执行的工具函数
# =============================================================================

def print_header(title: str):
    """
    Print a section header for better readability.
    """
    print("\n" + "=" * 80)
    print(f"🟢 {title}")
    print("=" * 80)


def print_sql(sql: str):
    """
    Print the SQL statement before execution.
    """
    print(f"\n🟡 SQL:\n{sql.strip()}")


def print_result(df: pd.DataFrame):
    """
    Print the result DataFrame in a readable format.
    """
    if df.empty:
        print("\n🟢 Result: (no rows returned)\n")
    else:
        print("\n🟢 Result:\n")
        print(df.to_string(index=False))


def print_error(e: Exception):
    """
    Print the error traceback if SQL execution fails.
    """
    print("\n🔴 Error occurred:")
    traceback.print_exc()


def execute(sql: str):
    """
    Execute a SQL statement and print the result and execution time.
    """
    print_sql(sql)
    try:
        start = time.time()  # Start time for execution time measurement
        cursor.execute(sql)
        result = cursor.fetchallarrow()  # Arrow Table
        df = result.to_pandas()          # Convert to DataFrame for better display
        print_result(df)
        print(f"\n⏱️  Execution time: {time.time() - start:.3f} seconds")
    except Exception as e:
        print_error(e)

# =============================================================================
# 步骤 1：删除并创建数据库
# =============================================================================
print_header("Step 1: Drop and Create Database")
execute("DROP DATABASE IF EXISTS sr_arrow_flight_sql FORCE;")
execute("SHOW DATABASES;")
execute("CREATE DATABASE sr_arrow_flight_sql;")
execute("SHOW DATABASES;")
execute("USE sr_arrow_flight_sql;")

# =============================================================================
# 步骤 2：创建表
# =============================================================================
print_header("Step 2: Create Table")
execute("""
CREATE TABLE sr_arrow_flight_sql_test
(
    k0 INT,
    k1 DOUBLE,
    k2 VARCHAR(32) NULL DEFAULT "" COMMENT "",
    k3 DECIMAL(27,9) DEFAULT "0",
    k4 BIGINT NULL DEFAULT '10',
    k5 DATE
)
DISTRIBUTED BY HASH(k5) BUCKETS 5
PROPERTIES("replication_num" = "1");
""")

execute("SHOW CREATE TABLE sr_arrow_flight_sql_test;")

# =============================================================================
# 步骤 3：插入数据
# =============================================================================
print_header("Step 3: Insert Data")
execute("""
INSERT INTO sr_arrow_flight_sql_test VALUES
    (0, 0.1, "ID", 0.0001, 1111111111, '2025-04-21'),
    (1, 0.20, "ID_1", 1.00000001, 0, '2025-04-21'),
    (2, 3.4, "ID_1", 3.1, 123456, '2025-04-22'),
    (3, 4, "ID", 4, 4, '2025-04-22'),
    (4, 122345.54321, "ID", 122345.54321, 5, '2025-04-22');
""")

# =============================================================================
# 步骤 4：查询数据
# =============================================================================
print_header("Step 4: Query Data")
execute("SELECT * FROM sr_arrow_flight_sql_test ORDER BY k0;")

# =============================================================================
# 步骤 5：会话变量
# =============================================================================
print_header("Step 5: Session Variables")
execute("SHOW VARIABLES LIKE '%query_mem_limit%';")
execute("SET query_mem_limit = 2147483648;")
execute("SHOW VARIABLES LIKE '%query_mem_limit%';")

# =============================================================================
# 步骤 6：聚合查询
# =============================================================================
print_header("Step 6: Aggregation Query")
execute("""
SELECT k5, SUM(k1) AS total_k1, COUNT(1) AS row_count, AVG(k3) AS avg_k3
FROM sr_arrow_flight_sql_test
GROUP BY k5
ORDER BY k5;
""")

# =============================================================================
# 步骤 7：关闭连接
# =============================================================================
print_header("Step 7: Close Connection")
cursor.close()
conn.close()
print("✅ Test completed successfully.")

概述​

应用场景​

技术方案​

性能对比​

使用方法​

步骤 1：安装库​

步骤 2：连接到 StarRocks​

配置 StarRocks​

配置 Arrow Flight 代理（可选）​

建立连接​

步骤 3.（可选）预定义工具函数​

步骤 4. 与 StarRocks 交互​

步骤 5. 关闭连接​

大规模数据传输的使用场景​

Python​

Arrow Flight SQL JDBC 驱动​

Java ADBC Driver​

建议​

Spark​

附录​

概述

应用场景

技术方案

性能对比

使用方法

步骤 1：安装库

步骤 2：连接到 StarRocks

配置 StarRocks

配置 Arrow Flight 代理（可选）

建立连接

步骤 3.（可选）预定义工具函数

步骤 4. 与 StarRocks 交互

步骤 5. 关闭连接

大规模数据传输的使用场景

Python

Arrow Flight SQL JDBC 驱动

Java ADBC Driver

建议

Spark

附录