从mysql导入hive，大量的mysql的数据源导入一个hive中，性能及效率问题

目前有5000个mysql的数据库，每个库中有10个表，每个mysql的10个表的对应的表结构都是一致的。10个表，其中有两个表数据量较大，有几十、上百万的数据。
当前需要把mysql中的数据导入hive，并做定时任务的增量更新。
我使用sqoop命令将数据导入mysql，但是执行效率很慢，一晚上执行了200+个库。

当前分析影响效率原因：
1.每个库的每个表的数据同步，执行一个sqoop命令。也就是说执行一轮至少执行5000*10=50000次的sqoop的命令。而不管数据量多大，执行sqoop的每次耗时，至少有个30秒+。
2.使用多个shell脚本执行sqoop，分别执行不同表的同步操作。但是发现不同的sh在执行过程中，hive的sql转换为mapreduce时，在同一时间内，执行执行一个mapreduce。类似下方的日志信息。
2015-09-21 09:48:46,311 Stage-1 map = 0%,  reduce = 0%
2015-09-21 09:48:57,628 Stage-1 map = 1%,  reduce = 0%, Cumulative CPU 7.01 sec
2015-09-21 09:49:01,272 Stage-1 map = 14%,  reduce = 0%, Cumulative CPU 15.17 sec
2015-09-21 09:49:05,257 Stage-1 map = 30%,  reduce = 0%, Cumulative CPU 18.77 sec
2015-09-21 09:49:12,676 Stage-1 map = 32%,  reduce = 0%, Cumulative CPU 31.75 sec


想根据以上两点进行优化，第1点通过每次执行增加为每次执行10个数据库的sql进行union all，应该会加快效率。但是第二点，增加hive的并发执行效率（当前好像不能并发），还不知道怎么优化，请大神们指点一下，或者有其他的提高效率的方法，请赐教！

楼主可以看看并发的概念

并发，在操作系统中，是指一个时间段中有几个程序都处于已启动运行到运行完毕之间，且这几个程序都是在同一个处理机上运行，但任一个时刻点上只有一个程序在处理机上运行。

来源百度百科。

至于优化，这方面资料还是不多的。如果 设置-m 200  那么就会有200个数据库连接，而且在MAP全工作完毕后 又一起向HIVE 元数据数据库申请连接，因此会给数据库造成压力。因此不宜过多 。