从你提供的错误栈和场景来看，核心问题是java.net.SocketException: Connection reset——这是Oracle数据库与Sqoop客户端之间的网络连接在大结果集传输过程中被中断导致的。结合你处理的千万级关联表数据，我整理了几个针对性的解决方向：

一、先调整Sqoop并行与拉取参数 #

你的命令用了--num-mappers 12和--fetch-size 10000，对于4000万级的关联结果集来说，这个组合可能给Oracle带来过高的并发连接压力，直接触发连接重置：

• 先尝试降低Mapper数量，比如改成--num-mappers 6，减少同时发起的数据库连接数，避免触达Oracle的连接阈值；
• 同时调小单次拉取量，把--fetch-size改成5000，减少单次请求的数据传输量，降低网络负载。

修改后的关键参数片段：

--num-mappers 6 --fetch-size 5000

二、优化Oracle端的连接超时配置 #

Connection Reset也常因Oracle的连接超时设置过短，或防火墙主动断开长连接导致，需要联系DBA调整：

• 检查Oracle服务器的sqlnet.ora文件，将SQLNET.INBOUND_CONNECT_TIMEOUT设为更大的值（比如600秒）；
• 开启TCP保活机制，避免空闲连接被网络设备断开，在sqlnet.ora中添加：

  SQLNET.KEEPALIVE=ON
  

三、换个思路：先分表导入再在Hive关联 #

你当前在Oracle端做三张表的左关联后再导入，大结果集的计算和传输都给Oracle和网络带来了压力。可以拆分步骤：

1. 用Sqoop分别将table1、table2、table3导入到Hive的临时表；
2. 在Hive中执行关联生成最终表，把计算压力转移到Hadoop集群：

   CREATE TABLE ${HIVE_TABLE_NAME} AS
   SELECT 
       row_number() OVER () AS ID,
       a.column1, a.column2, a.column3, a.column4,
       b.column5, b.column6, c.column7
   FROM table1_hive a
   LEFT OUTER JOIN table2_hive b ON b.column5 = a.column1
   LEFT OUTER JOIN table3_hive c ON c.column7 = a.column1;
   

这种方式不仅能避免Oracle端的连接问题，还能利用Hive的分布式计算能力提升效率。

四、延长Sqoop的连接超时时间 #

在Sqoop的JVM参数中添加Oracle连接相关的超时配置，延长连接和读取的超时阈值：
修改-D mapred.child.java.opts部分：

-D mapred.child.java.opts="-Djava.security.egd=file:/dev/../dev/urandom -Doracle.net.CONNECT_TIMEOUT=600000 -Doracle.jdbc.ReadTimeout=600000"

这里的600000代表10分钟，可根据实际数据量调整。

五、临时关闭Direct模式测试 #

你用了--direct模式，虽然导入更快，但对复杂关联查询的兼容性可能较差。可以先去掉这个参数，用普通模式测试是否还会出现连接重置：

# 移除--direct参数后执行
sqoop-import -D mapred.child.java.opts="..." --connect $CONNECTION --username $DB_USER_NAME --password $DB_PASSWORD --hive-import ... --verbose

建议优先从调整并行度和拉取参数开始测试，这是最快速的排查手段，如果问题依旧，再逐步尝试其他方案。

内容的提问来源于stack exchange，提问作者Ranga Reddy