Sqoop並行化是啓多個map task實現的，-m(或--num-mappers)參數指定map task數，默認是四個。當指定爲1時，可以不用設置split-by參數，不指定num-mappers時，默認爲4，當不指定或者num-mappers大於1時，需要指定split-by參數。並行度不是設置的越大越好，map task的啓動和銷燬都會消耗資源，而且過多的數據庫連接對數據庫本身也會造成壓力。在並行操作裏，首先要解決輸入數據是以什麼方式負債均衡到多個map的，即怎麼保證每個map處理的數據量大致相同且數據不重複。--split-by指定了split column，在執行並行操作時(多個map task)，Sqoop需要知道以什麼列split數據，其思想是：
1、先查出split column的最小值和最大值
2、然後根據map task數對(max-min)之間的數據進行均勻的範圍切分
例如id作爲split column,其最小值是0、最大值1000，如果設置4個map數，每個map task執行的查詢語句類似於：SELECT * FROM sometable WHERE id >= lo AND id < hi，每個task裏(lo,hi)的值分別是 (0, 250), (250, 500), (500, 750), and (750, 1001)。
Sqoop不能在多列字段上進行拆分，如果沒有索引或者有組合鍵，必須顯示設置splitting column；默認的主鍵作爲split column，如果表裏沒有主鍵或者沒有指定--split-by，就要設置num-mappers 1或者--autoreset-to-one-mapper，這樣就只會啓動一個task。
從上面的分析過程可以看到Sqoop以理想化方式根據split column將數據切分成多個範圍，如果split鍵的值不是均勻分佈，每個任務分配的數據量可能相差很大、導致數據傾斜。
耗時快慢和源端RDBMS服務器，表大小，列數量、網絡帶寬有較大關係，生產環境中，爲了防止主庫被Sqoop抽崩，一般從備庫中抽取數據。
一般RDBMS的導出速度控制在60~80MB/s，每個 map 任務的處理速度5~10MB/s 估算，即 -m 參數一般設置4~8，表示啓動 4~8 個map 任務併發抽取。
參考：