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。