请描述使用 Sqoop 将数据从 Hive 迁移到关系型数据库的完整过程，包括所使用的命令、参数配置及关键注意事项。

回答思路

1. 【回答框架 1】Sqoop 导出命令主要通过 --export-dir 指定 Hive 表在 HDFS 中的目录（通常为 /user/hive/warehouse/数据库名.db/表名），--table 指定目标关系型数据库的表名，--connect 指定 JDBC 连接字符串，--username 和 --password 提供数据库认证信息。核心操作是使用 sqoop export 命令，将 HDFS 上的数据文件转换为数据库可识别的 SQL 语句并批量插入。
2. 【回答框架 2】在导出的数据映射方面，Sqoop 默认按列顺序或列名进行映射，可通过 --columns 指定导出的列集合，并使用 --input-fields-terminated-by 指定字段分隔符（例如 \t 对应 Hive 默认分隔符）。当 Hive 表字段与目标表字段类型不一致时，需使用 --map-column-java 或 --map-column-hive 进行类型转换，常见的是将字符串转换为数据库中的对应类型。
3. 【回答框架 3】导出模式通常有两种：默认的 INSERT 模式用于向空表或允许重复插入的表追加数据；UPDATE 模式通过 --update-key 指定更新列，-update-mode 设为 updateonly 或 allowinsert 来实现更新或插入。当数据量较大时，可以启用 --num-mappers 控制并发度，但需注意数据库端的写入压力，避免过高的并发导致锁等待或超时。
4. 【回答框架 4】另一个关键点是 Sqoop 导出对源数据格式的要求：Hive 表如果是分区表，应在导出时显式指定分区目录（如 --export-dir '/user/hive/warehouse/库名.db/表名/分区列=值'），否则会导出所有分区数据；此外需保证 HDFS 上的文件格式（如 TextFile、Parquet）可被 Sqoop 解析，必要时使用 --input-parquet 等参数。
5. 【回答框架 5】注意事项还包括：导出前建议在目标数据库创建好表结构，并确认主键和索引策略；如果数据量非常大，可考虑使用 --direct 模式（如 MySQL 的 mysqldump 快速导入）以提升性能，但需要确保驱动支持。整个导出过程应监控日志，排查因字段长度超限、字符集不一致或 Type 映射错误引发的数据异常。
6. 【关键点 1】Sqoop 导出核心命令是 sqoop export，需指定 --export-dir、--table、--connect、--username、--password。
7. 【关键点 2】字段映射通过 --columns 和 --input-fields-terminated-by 控制，类型转换用 --map-column-java 或 --map-column-hive。
8. 【关键点 3】INSERT 模式用于追加，UPDATE 模式用 --update-key 和 --update-mode 实现更新或插入。
9. 【关键点 4】分区表导出需显式指定分区目录，避免导出全部数据。
10. 【关键点 5】大数据量导出可考虑 --direct 模式和调整 --num-mappers 平衡性能与数据库压力。
11. 【易错点 1】忘记指定 --columns 或分隔符可能与 Hive 实际格式不一致，导致解析错误。
12. 【易错点 2】分区表未指定分区目录，误导出所有分区，造成数据冗余或错误。
13. 【易错点 3】并发度设置过高可能压垮数据库，应基于数据库能力调整。