使用 Sqoop 导入时 Parquet 文件中的脏值

我正在使用 Sqoop1（版本 1.4.6，CDH 5.7.4）从 Oracle 导入。
Sqoop 创建一个临时 Parquet Hive 表，然后我使用 Hive（直线）到insert into目标表。
这种双步摄取是因为目标表具有与 Sqoop 不同的列类型映射，因此insert into我可以即时转换它们。我也在 Snappy 中即时压缩。这工作正常。目前，我没有控制 Sqoop 的导入命令上的类型映射。在我的特殊情况下它太复杂了。

一开始我是在平面文件中导入的，但是我有包含一堆字符的字段，这些字符会破坏我的行，如换行符、回车符、制表符等。由于这个和其他原因，我决定转向 Parquet（不幸的是，avro 不是一个选项，因为我们使用的工具不支持它）。
在我看来，像 Parquet 这样的二进制格式在处理这些字符时不会有问题。

原来我错了。
Aselect * from table显示了一些损坏的行，经过大量调试后，我发现某些字段被分成两部分。我能够看到被截断的记录（根据 Oracle 来源），其中一部分位于另一行（单独）。由于我在 Sqoop 中使用自由格式查询，因此解决方案是在提取时使用替换函数替换字符REPLACE(REPLACE(REPLACE(note, chr(10), ' '), chr(13), ' '), chr(09), ' ') AS NOTE。

当然，这显然是错误的方法，因为可能存在其他带有脏字符的字段，也可能存在其他脏字符。

所以问题是：

1. 我认为 Parquet（或 avro，或其他二进制格式）不关心字段内的字符是否错误？
2. 难道我做错了什么？
3. 我怎样才能防止这种问题？

谢谢