MapReduce输出到MySQL编码错误解决

2019独角兽企业重金招聘Python工程师标准>>>

    将搜索引擎日志的结果用mapreduce统计后灌入mysql的过程中，出现了如下错误：

16/01/15 16:25:57 INFO mapreduce.Job: Task Id : attempt_1452318091100_0022_r_000000_0, Status : FAILED
Error: java.io.IOException: Incorrect string value: '\xF0\x9F\x98\x82*' for column 'KEYWORD' at row 1
        at org.apache.hadoop.mapreduce.lib.db.DBOutputFormat$DBRecordWriter.close(DBOutputFormat.java:103)
        at org.apache.hadoop.mapred.ReduceTask$NewTrackingRecordWriter.close(ReduceTask.java:550)
        at org.apache.hadoop.mapred.ReduceTask.runNewReducer(ReduceTask.java:629)
        at org.apache.hadoop.mapred.ReduceTask.run(ReduceTask.java:389)
        at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:164)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:415)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1657)
        at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158)

    mysql server编码设定为utf-8，mapreduce的数据库连接为：jdbc:mysql://host:port/database?useUnicode=true&characterEncoding=UTF-8，mysql驱动：mysql-connector-java-5.1.38

    调查得知，传统UTF-8都是3自己编码的，这里出错的是一个4自己的Unicode（类似笑脸这样的文字：

?  ? ?

），现在，数据库定义为UTF-8，存储的时候尝试用3字节容纳4字节，当然会发生错误。

    需要把数据库修改为utf8mb4编码，才能容纳这些4自己文字。（要求MysQL版本5.5.3及以上，同时jdbc驱动5.1.13以上）

    因为服务器上不止一个数据库，尝试只修改我现在用的database的table的编码为utf8mb4，结果一样。

    遂修改my.cnf：

         [mysqld]

         character_set_server=utf8mb4

         collation_server=utf8mb4_bin

  修改后，仍然同样错误。

  尝试重新启动mysql，再运行，成功。

  推测，存储引擎需要重启才能反映新编码。

转载于:https://my.oschina.net/stephenyng/blog/603331