Sqoop通過--split-by指定切分的字段，--m設置mapper的數量。通過這兩個參數分解生成m個where子句，進行分段查詢。因此sqoop的split可以理解為where子句的切分。
第一步，獲取切分字段的MIN()和MAX()
為了根據mapper的個數切分table,sqoop首先會執行一個sql，用於獲取table中該字段的最小值和最大值，源碼片段為org.apache.sqoop.mapreduce.DataDrivenImportJob 224行，大體為：
private String buildBoundaryQuery(String col, String query) {
....
return "SELECT MIN(" + qualifiedName + "), MAX(" + qualifiedName + ") "
+ "FROM (" + query + ") AS " + alias;
}
獲取到最大值和最小值，就可以根據不同的字段類型進行切分。
第二步，根據MIN和MAX不同的類型采用不同的切分方式
支持有Date,Text,Float,Integer，Boolean,NText,BigDecimal等等。
數字都是一個套路，就是
步長=（最大值-最小值）/mapper個數
,生成的區間為
[最小值，最小值+步長)
[最小值+2*步長，最小值+3*步長)
...
[最大值-步長，最大值]
可以參考下面的代碼片段org.apache.sqoop.mapreduce.db.FloatSplitter 43行：
List<InputSplit> splits = new ArrayList<InputSplit>();
...
int numSplits = ConfigurationHelper.getConfNumMaps(conf);
double splitSize = (maxVal - minVal) / (double) numSplits;
...
double curLower = minVal;
double curUpper = curLower + splitSize;
while (curUpper < maxVal) {
splits.add(new DataDrivenDBInputFormat.DataDrivenDBInputSplit(
lowClausePrefix + Double.toString(curLower),
highClausePrefix + Double.toString(curUpper)));
curLower = curUpper;
curUpper += splitSize;
}
這樣最后每個mapper會執行自己的sql語句，比如第一個mapper執行：
select * from t where splitcol >= min and splitcol < min+splitsize
第二個mapper又會執行
select * from t where splitcol >= min+splitsize and splitcol < min+2*splitsize
其他字段類型
對於日期，會轉變成時間戳，同樣采用數字這種套路。
復雜的是字符串這種類型，最簡單的方式就是m小於26的時候，比如2，那么按照開頭字母就可以切分,[A,M),[M,Z].但是對於hello,helaa這種就只能到第四個字母才能切分了。因此字符串采用的算法是下面這種：
The algorithm used is as follows:
Since there are 2**16 unicode characters, we interpret characters as digits in base 65536. Given a string 's' containing characters s_0, s_1.. s_n, we interpret the string as the number: 0.s_0 s_1 s_2.. s_n in base 65536. Having mapped the low and high strings into floating-point values, we then use the BigDecimalSplitter to establish the even split points, then map the resulting floating point values back into strings.
實在看不懂英文！等再細致研究下在分享。