Apache Sqoop 在从关系型数据库向 Hadoop 导入数据时，其并行化机制是如何运作的？请列举并阐述几种常见的性能优化策略。

回答思路

1. 【回答框架 1】Sqoop 并行导入的核心是基于主键或查询条件拆分数据范围。默认根据表的主键列，通过计算 min 和 max 值，并将区间等分为若干分片（split），每个分片由一个 Map 任务负责，从而并行读取数据。若没有主键，则需指定 --split-by 列，否则可能退化为单任务或报错。
2. 【回答框架 2】优化方法的第一个层面是调整并行度：通过 -m 或 --num-mappers 参数控制 Map 任务数量，默认是 4，需根据数据库连接数、集群资源等进行调整。并行度并非越高越好，过高会导致数据库压力过大。
3. 【回答框架 3】第二个层面是减少数据传输量：使用 --columns 或 --query 仅选择所需列和行，避免读取无用数据；使用 --where 在数据库端过滤，减少网络传输。
4. 【回答框架 4】第三个层面是提升单任务效率：适当增大 fetch size（--fetch-size）减少与数据库的交互次数；对于大字段，可考虑跳过或压缩。另外，若使用 --direct 模式，可利用数据库原生导出工具（如 mysqldump）提升速度，但可能不支持某些数据库或类型。
5. 【回答框架 5】还需注意资源层面的优化：在执行导入时，合理设置 Map 端内存（mapreduce.map.memory.mb）和重试次数，避免因数据倾斜或个别任务失败导致整体拖慢。
6. 【关键点 1】并行化通过 --split-by 指定分片列，默认使用主键，将数据范围切分为多个区间分别由 Map 任务处理。
7. 【关键点 2】--num-mappers 控制并行度，需权衡数据库并发限制与集群资源。
8. 【关键点 3】通过 --columns、--where 等减少数据量，降低传输成本。
9. 【关键点 4】--fetch-size 可减少与数据库的交互次数，提升单任务效率。
10. 【关键点 5】--direct 模式使用数据库原生导出工具，但需注意兼容性。
11. 【易错点 1】忽略数据库负载能力，盲目增大并行度可能导致数据库响应变慢或超时，需要结合压测调整。
12. 【易错点 2】当无明显主键或分片列分布不均时，会产生数据倾斜，部分任务耗时过长，需选择均匀分布的列作为拆分列。
13. 【易错点 3】如果使用自定义 --query 而未指定 $CONDITIONS 占位符，会报错；且直接模式与某些数据库或数据类型不兼容。