Hive中文乱码排查及解决方法

发表于 | 分类于
Hive中文乱码排查及解决方法

前言

关于中文乱码问题，我们可以从以下几个方面进行考虑：

  1. 判断Hive的所依赖的Mysql元数据库的编码格式是否是UTF-8

    需要判断hive元数据库Mysql中是否设置了编码格式以及表属性的编码。

  2. 判断Hive表的存储格式是否是UTF-8：

    如果Hive表的存储格式不是UTF-8，也会导致中文乱码。

  3. 判断输入的数据，其编码格式是否是中文字符集UTF-8：

    Hive默认使用UTF-8编码，如果输入的中文字符集与UTF-8不一致，就会出现乱码。
    比如通过JDBC的方式连接，其是否设置了编码格式为UTF-8

表操作

删除表

1
drop table t_user03;

创建表设置编码和注释

1
2
3
4
5
CREATE TABLE t_user03 (
  id INT COMMENT 'ID',
  name STRING COMMENT '姓名'
)
COMMENT '用户信息表';

查看表中字段注释

1
desc t_user03;

查看表和字段注释

1
2
use zdb;
describe formatted t_user03;

元数据库编码（Mysql）

配置编码

查看配置编码

1
show VARIABLES like 'char%'

如图

image-20230811103253801

如果不是可以修改配置文件

进入 etc目录下打开 my.cnf 文件 ，对 my.cnf 添加以下语句：

1
2
3
4
5
6
[client]
default-character-set=utf8mb4
[mysqld]
default-storage-engine=INNODB
character-set-server=utf8mb4
collation-server=utf8_general_ci

属性编码

在 Mysql 修改Hive元数据表注释和字段注释的编码为 utf-8
在Hive的元数据库（MySQL）中运行:
修改表字段注解和表注解

1
2
alter table COLUMNS_V2 modify column COMMENT varchar(256) character set utf8;
alter table TABLE_PARAMS modify column PARAM_VALUE varchar(1000) character set utf8;

修改分区字段注解

1
alter table PARTITION_PARAMS modify column PARAM_VALUE varchar(1000) character set utf8;

修改索引注解

1
alter table PARTITION_KEYS modify column PKEY_COMMENT varchar(1000) character set utf8;

Hive连接MySQL编码

在 Hive 的配置文件 hive-site.xml 中，我们可以通过指定字符集编码来解决中文乱码问题。

以下是一个示例：

1
2
3
4
5
<property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://localhost:3306/metastore?createDatabaseIfNotExist=true&amp;useUnicode=true&amp;characterEncoding=UTF-8</value>
    <description>database username for metastore</description>
</property>

我们通过设置 useUnicode=true 和 characterEncoding=UTF-8 来指定使用 UTF-8 字符集编码。

Hive 输出打印编码

我们通过设置 hive.cli.encoding 参数的值为 UTF-8 来指定字符集编码。这个参数可用于指定各种 CLI 输出数据的字符集编码，例如控制台输出、日志和报告等。

在 hive-site.xml 配置文件中，也可以通过以下两个参数来指定字符集编码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
<property>
  <name>hive.cli.print.header</name>
  <value>true</value>
  <description>Whether to print the names of the columns in query output.</description>
</property>
<property>
  <name>hive.cli.encoding</name>
  <value>UTF-8</value>
  <description>Character-set encoding for various CLI output data such as console output, logs, reports.</description>
</property>
<property>
  <name>hive.charset</name>
  <value>utf8</value>
  <description>The character set encoding to use for data read/write operations.</description>
</property>