解决 hive 建表注释中文乱码问题

有时在 hive 中创建表之后，在查看表结构（describe TABLE_NAME）或者建表语句（show create table TABLE_NAME）时会遇到注释中的中文乱码的问题，比如：

# 建表
hive>  create external table if not exists user_visit_date (
  user_id bigint comment '用户ID'
) comment '每日访问用户'
partitioned by (p_day date comment '分区日期')
stored as parquet;

# 查看表结构
hive> describe user_visit_date;
OK
user_id                 bigint                  ??ID                
p_day                   date                    ????                     
# Partition Information      
# col_name              data_type               comment                  
p_day                   date                    ???? 

一、原因分析

很显然这是因为 hive 的元数据的编码问题，hive 的 metastore 通常存储在 mysql 中（在配置hive metastore时会在 mysql 中建库，比如笔者创建的是名为 hive 的库），我们先来看看该库的 coding 格式：

mysql> show create database hive;
+----------+-----------------------------------------------------------------+
| Database | Create Database                                                 |
+----------+-----------------------------------------------------------------+
| hive     | CREATE DATABASE `hive` /*!40100 DEFAULT CHARACTER SET latin1 */ |
+----------+-----------------------------------------------------------------+
1 row in set (0.00 sec)

可以看出 hive 库的 coding 格式为 latin1，而非 utf-8。为了让中文注释能够正常显示，我们需要对部分 coding 格式设置为 utf-8。

二、解决方案

# 首先进入 hive 库
mysql > use hive;

# 然后修改部分配置
mysql > alter table COLUMNS_V2 modify column COMMENT varchar(256) character set utf8;
Query OK, 91 rows affected (0.05 sec)
Records: 91  Duplicates: 0  Warnings: 0

mysql> alter table TABLE_PARAMS modify column PARAM_VALUE varchar(4000) character set utf8;
Query OK, 35 rows affected (0.05 sec)
Records: 35  Duplicates: 0  Warnings: 0

mysql> alter table PARTITION_PARAMS  modify column PARAM_VALUE varchar(4000) character set utf8;
Query OK, 0 rows affected (0.04 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> alter table PARTITION_KEYS  modify column PKEY_COMMENT varchar(4000) character set utf8;
Query OK, 1 row affected (0.04 sec)
Records: 1  Duplicates: 0  Warnings: 0

mysql> alter table  INDEX_PARAMS  modify column PARAM_VALUE  varchar(4000) character set utf8;
Query OK, 0 rows affected (0.04 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql > commit;

三、查验结果

在 hive shell 中重新建表，并查看表结构来验证设置是否生效。

# drop 旧表
hive> drop table user_visit_date;
OK
Time taken: 0.658 seconds

# 建新表
hive> create external table if not exists user_visit_date (
   >   user_id bigint comment '用户ID'
   > ) comment '每日访问用户'
   > partitioned by (p_day date comment '分区日期')
   > stored as parquet;
OK
Time taken: 0.083 seconds

# 查看表结构
hive> describe user_visit_date;
OK
user_id                 bigint                  用户ID                
p_day                   date                    分区日期                     
# Partition Information      
# col_name              data_type               comment                      
p_day                   date                    分区日期                
Time taken: 0.133 seconds, Fetched: 7 row(s)

可以看出修改配置后，新创建的表的表结构中的中文注释能够正常显示。

转载请注明出处：解决 hive 建表注释中文乱码问题。