请解释 Apache Sqoop 中 --boundary-query 参数的定义及其主要用途。

回答思路

1. 【回答框架 1】--boundary-query 是 Sqoop 导入数据时用于确定分片边界的参数，它指定一个查询语句用于获取最大值和最小值，作为并行导入任务切分数据的依据。
2. 【回答框架 2】默认情况下，Sqoop 会根据表中主键的最大最小值自动生成边界查询，但使用 --boundary-query 可以自定义边界，例如指定特定条件或非主键字段，以提高数据切分的准确性。
3. 【回答框架 3】该参数支持传入自定义 SQL 查询，但查询结果必须返回两列，分别代表分片的最小值和最大值，否则会报错。它的主要作用是在数据分布不均或主键不连续时，确保每个 map 任务处理的数据量相对均衡，避免数据倾斜。
4. 【回答框架 4】使用该参数时需谨慎，因为错误的边界可能导致数据丢失或重复导入，通常建议与 --split-by 配合使用，确保切分字段与边界一致。
5. 【回答框架 5】在增量导入或条件导入场景下，--boundary-query 可以限制边界范围，减少不必要的数据扫描，提升导入效率。
6. 【关键点 1】定义：指定用于确定导入数据分片边界的自定义查询。
7. 【关键点 2】作用：替代默认边界，优化并行导入的数据均衡性。
8. 【关键点 3】使用要求：查询结果必须返回最小值和最大值两列。
9. 【关键点 4】风险：边界设置不当可能导致数据丢失或重复。
10. 【关键点 5】建议与 --split-by 配合使用，确保切分逻辑一致。
11. 【易错点 1】边界查询结果字段顺序错误导致导入失败。
12. 【易错点 2】边界过窄导致部分数据未被导入。
13. 【易错点 3】边界过宽导致数据倾斜，降低并行效率。