HIve 使用MapReduce查询计算引擎,输出结果汉字显示乱码
在配置MultiDelimitSerDe后,建立hive多分隔符表,select * from tab1 正常显示汉字;但是select s2,substr(s2,3) from db_mul.multi_delimiter_test 通过MR 引擎处理后,查询结果出现乱码。建表语句如下: create table db_mul.multi_delimiter_test( s1 string, s2 string, s3 string) ROW FORMAT SERDE 'org.apache.hadoop.hive.contrib.serde2.MultiDelimitSerDe' WITH SERDEPROPERTIES ("field.delim"="@#$" ) stored as textfile; 查询结果:select s2,substr(s2,3) from db_mul.multi_delimiter_test +-------------+-----------+ | s2 | _c1 | +-------------+-----------+ | test1name? | st1name? | | test2name? | st2name? | | test3name? | st3name? | +-------------+-----------+
解决方案:
由于MR和Hive的编码方式不同导致的。 默认MR是使用GBK的编码方式,Hive是使用UTF8。 所以当MR处理中文字符数据的时候,没有正确的获取数据段,导致了乱码。
可以在query中设置 set mapreduce.map.java.opts="-Dfile.encoding=UTF-8"; set mapreduce.reduce.java.opts="-Dfile.encoding=UTF-8"; 再运行MR的任务就没有问题了。