DBeaver 无独立“克隆数据”功能，批量复制实为「导出+导入」组合操作，必须先建目标表结构再写入数据；导出DDL需手动处理外键顺序、语法兼容性及库名前缀；导出数据时须在源表右键选Export Data、目标类型设为Database，并严格匹配字段名与类型，误用Import Data将导致失败。
直接说结论：DBeaver 本身没有“克隆数据”的独立功能，所谓批量复制，本质是「导出 + 导入」两步组合，且必须分清结构和数据——先建好目标表，再灌数据，顺序错或映射错就会失败。
导出表结构（DDL）时，多选表后生成的SQL可能不兼容目标库
右键多张表 → Generate SQL → DDL 是最快建结构的方式，但要注意三点：
- 外键依赖未自动排序：比如
orders表依赖users，但 DDL 可能先建orders，执行报错；需手动调整语句顺序，或临时禁用外键检查（SET FOREIGN_KEY_CHECKS = 0） - 数据库特定语法残留：MySQL 的
AUTO_INCREMENT、PostgreSQL 的SERIAL、Oracle 的SEQUENCE不通用；导出前在连接设置里勾选「Use generic data types」可降低风险 - 目标库名没自动替换：生成的
CREATE TABLE users在目标库执行时，若想建到test_db下，得手动加 schema 前缀，如CREATE TABLE test_db.users
用“导出数据”往另一个库写入时，最容易卡在字段映射和事务配置
右键源表 → Export Data → 目标选 Database，这步看似简单，实际失败率高，关键在中间页的配置：
-
Tables mapping里点开Target container，确认目标表已存在且字段名、类型、顺序完全一致；哪怕只是created_at和create_time字段名差一个字，DBeaver 默认不会自动匹配，得手动拖拽对齐 -
Fetch size设太小（如默认 100）会导致万级数据导出极慢；设太大（如 5000）可能触发内存溢出；建议从500起调 -
Do commit after row insert和Use multi-row value insert必须配合：前者设100，后者设50，才能批量插入（如INSERT INTO t VALUES (),(),()...），否则每行都 commit，速度掉一个数量级
误点“导入数据”就全盘跑偏
新手常犯的致命错误：在目标表上右键点 Import Data，试图把源库数据“拉进来”。这是反向操作——Import Data 只认外部文件（CSV/JSON/SQL脚本），不支持跨库直连读取。正确路径永远是：在源表上点 Export Data，目标类型选 Database，然后指定目标连接和表。
如果已经连错方向，最省事的补救是：删掉目标库刚建的空表，回到源库重走一遍 Export Data 流程，别硬改导入配置。
真正麻烦的不是步骤多，而是 DBeaver 不报具体映射失败原因——它只弹“Error during data transfer”，得自己翻日志（菜单栏 Window → Show View → Error Log），里面才写明哪一列类型不匹配或长度超限。
