MySQL原生支持用mysqldump --tab将结构（.sql）和数据（.txt）分导至服务端本地目录，需FILE权限；跨库表导JSON须先分结构与数据再转换，避免类型丢失、NULL及时间格式问题。
用 mysqldump + --tab 导出结构和数据到不同目录
mysql 原生支持把表结构（.sql）和数据（.txt）分开导出，但默认不生成 json。想跨库跨表做结构与数据分离，得先用 mysqldump 拆出原始文件，再转 json —— 这是最稳的起点。
关键不是“一步导 JSON”，而是“先分再转”，否则字段类型丢失、NULL 处理错、时间格式乱。
-
mysqldump --no-data --databases db1 db2 > schema.sql：只导结构，含CREATE DATABASE和CREATE TABLE -
mysqldump --tab=/tmp/ --fields-terminated-by='\t' --lines-terminated-by='\n' db1 table_a table_b：每个表生成table_a.sql（建表语句）和table_a.txt（纯数据，制表符分隔） - 注意：
--tab要求 MySQL 有FILE权限，且目标路径必须是服务端本地路径，不是你本地机器
用 SELECT ... INTO OUTFILE 配合 JSON_OBJECT 直接吐 JSON 行
如果只要数据（不要建表语句），且 MySQL ≥ 5.7，JSON_OBJECT 是最轻量的方案。它能按字段名动态拼 JSON 对象，避免手写字符串拼接出错。
但别直接 SELECT JSON_OBJECT('id', id, 'name', name) FROM t 全表查——大表会 OOM。得加条件或分页。
-
SELECT CONCAT('[', GROUP_CONCAT(JSON_OBJECT('id', id, 'title', title) SEPARATOR ','), ']') FROM posts WHERE status = 1 LIMIT 1000：拼成数组，适合小结果集 - 更安全的做法是用游标或应用层分批：每次查 500 行，每行
JSON_OBJECT，输出一行一个 JSON 对象（NDJSON 格式） - 注意：
JSON_OBJECT会把NULL转成null，但空字符串''还是""；时间字段如created_at默认转为"2024-03-15T08:22:33.000Z"格式（取决于时区设置）
跨库 JOIN 导出 JSON 时字段名冲突怎么破
比如 SELECT JSON_OBJECT('id', a.id, 'id', b.id) 会报错：JSON_OBJECT 不允许重复键名。跨库表关联时，同名字段（如都叫 id、name）必须显式重命名。
不能靠应用层后期改 key，因为导出阶段就要定型。结构一旦写死，下游解析就难改。
- 用
AS显式别名：SELECT JSON_OBJECT('user_id', u.id, 'order_id', o.id, 'user_name', u.name) FROM db1.users u JOIN db2.orders o ON u.id = o.user_id - 别偷懒写
u.*或o.*——JSON_OBJECT不支持通配符，会语法错误 - 如果字段太多，建议先
DESCRIBE db1.users查列名，再用脚本生成带别名的JSON_OBJECT表达式，避免漏列或拼错大小写
Python 脚本合并多库表结构 + 数据转 JSON 的最小可行链路
纯 SQL 很难搞定“跨库结构合并 + 类型映射 + 数据 JSON 化”，最终大概率要写脚本。重点不是写多漂亮，而是控制三件事：字段类型推断、NULL 处理一致性、输出流式防内存炸。
用 mysql-connector-python 比 PyMySQL 更稳，它原生支持 cursor.column_names 和 cursor.description，能拿到真实字段类型（比如 DECIMAL(10,2) 而不只是 float）。
- 结构提取：遍历
SHOW CREATE TABLE db1.t1，正则提取字段定义，存为 Python dict，key 是字段名，value 含 type、nullable、default - 数据导出：用
cursor.execute("SELECT * FROM db1.t1 LIMIT 10000")，逐行用json.dumps(row, default=str)——default=str是为了兜住 datetime、Decimal 等非 JSON 原生类型 - 陷阱：
fetchall()会把全部结果加载进内存，10 万行 Decimal 就可能吃掉 1GB；必须用fetchmany(1000)分块处理
结构和数据分离不是为了好看，是让后续 JSON Schema 校验、字段变更比对、增量 diff 成为可能。但所有方案都绕不开一个点：MySQL 的 TEXT 字段里藏了换行和双引号，直接塞进 JSON 会破坏结构 —— 导出前务必用 REPLACE(col, '\n', '\n') 和 REPLACE(col, '"', '\"') 预处理，这个细节九成脚本会漏。
