请描述 Apache Sqoop 在执行数据导入导出任务时的核心工作流程，包括其主要步骤和涉及的关键组件。

回答思路

1. 【回答框架 1】Sqoop 是用于在 Hadoop 生态与关系型数据库之间批量传输数据的工具。其核心工作流程始于用户提交一个包含连接信息、表名或查询语句、以及目标路径或表的命令行任务。
2. 【回答框架 2】任务提交后，Sqoop 客户端首先解析参数并生成对应的 MapReduce 作业，对于导入操作，它通过 JDBC 连接数据库，获取表的元数据信息，包括列定义、主键和数据类型，并根据这些信息生成对应的 Java 类，用于序列化传输的数据。
3. 【回答框架 3】在作业执行阶段，Sqoop 会根据指定的切分列（如主键或自定义列）和映射器数量，将数据逻辑上划分为多个分片，每个 Mapper 通过 JDBC 读取各自分片的数据，并将记录以 SequenceFile 或文本等格式写入 HDFS 的目标目录。导出操作则将 HDFS 上的文件数据读取后，通过 JDBC 批量插入到目标数据库表中。
4. 【回答框架 4】整个流程利用 MapReduce 的并行能力，实现高效数据搬运，任务完成后会打印统计信息，并可通过增量导入策略（如基于时间戳或递增列）实现数据同步。
5. 【关键点 1】Sqoop 底层依赖 MapReduce 并行执行数据导入导出任务。
6. 【关键点 2】导入流程包括元数据获取、生成 Java 类、数据分片、Mapper 并行读取数据库并写入 HDFS。
7. 【关键点 3】导出流程从 HDFS 读取数据，通过 JDBC 批量写入目标关系型数据库。
8. 【关键点 4】分片通常基于主键或指定列的范围进行，以提升并行度。
9. 【关键点 5】支持增量导入，但需根据时间戳或递增列等机制设计同步策略。
10. 【易错点 1】分片列选择不当可能导致数据倾斜或数据不一致，需确保分片列分布均匀且唯一。
11. 【易错点 2】并行度过高可能给源数据库带来过大压力，需合理控制 Mapper 数量。
12. 【易错点 3】Sqoop 本身不保证导出操作的幂等性，重复执行可能导致重复数据，需依赖数据库约束或前置清理。