locale错误导致Java中文乱码错误的总结

标签： locale 错误 java | 发表时间：2014-12-02 20:57 | 作者：brandNewUser
出处：http://www.iteye.com
线上执行MapReduce任务计算时，经过排查发现了某些服务器计算的数据出现中文乱码问题，但是服务器的配置是完全一致的。由于我们使用的key可能包含中文，中文乱码问题体现在每次合并map记录的时候计算数据的随机性，每次执行的结果都不一样（由于Map任务执分配的随机性）。
（注：此文章大部分都参考了同事查找到的问题解决方法。）
 
在执行Java进程的过程中，通过命令：jinfo＋Java进程号 可以查看java进程运行的一些环境信息，其中也包括-D设置的相关参数。
 
截取的所有信息中，我们比较感兴趣的是下面两行配置：
file.encoding = ANSI_X3.4-1968
sun.jnu.encoding = ANSI_X3.4-1968
 
 
而其他DataNode上MR进程的相关配置，按照常理来说，这个错误是不应该发生的。
sun.jnu.encoding = UTF-8
file.encoding = UTF-8
 
 
考虑到出问题的那台机器在某天重启过，定位在某次重启时执行的环境问题。执行
 
  • 如果将这台服务器下线，任务执行成功；
  • 如果将任务全部加上对于这里面的两个属性，就会肯定成功，因为此时已经被改变：
java -Dsun.jnu.encoding=UTF-8 -Dfile.encoding=UTF-8 ${mainClass}

 

 
参考了下面一篇文章协助解决这个问题：
 
临时的解决方案，或者将这台服务器执行下线操作，或者将整个集群的mapreduce.admin.map(reduce).child.java.opts设置上加入这两个参数，保证后续所有的MR任务都使用这两个参数。
 
那么问题始终是要找到原因的，于是马上补充一下关于locale的相关知识，下面ubuntu wiki上的内容算是说的比较全面的：
 
执行locale命令，可以得出所有的locale信息（本机的环境并没有问题，ssh到服务器上执行出来的结果也正确）：
LANG="zh_CN.UTF-8"
LC_COLLATE="zh_CN.UTF-8"
LC_CTYPE="zh_CN.UTF-8"
LC_MESSAGES="zh_CN.UTF-8"
LC_MONETARY="zh_CN.UTF-8"
LC_NUMERIC="zh_CN.UTF-8"
LC_TIME="zh_CN.UTF-8"
LC_ALL=
 
 
按照wiki的说明，总共分为12个大类：
  • 语言符号及其分类(LC_CTYPE)
  • 数字(LC_NUMERIC)
  • 比较和排序习惯(LC_COLLATE)
  • 时间显示格式(LC_TIME)
  • 货币单位(LC_MONETARY)
  • 信息主要是提示信息,错误信息, 状态信息, 标题, 标签, 按钮和菜单等(LC_MESSAGES)
  • 姓名书写方式(LC_NAME)
  • 地址书写方式(LC_ADDRESS)
  • 电话号码书写方式(LC_TELEPHONE)
  • 度量衡表达方式(LC_MEASUREMENT)
  • 默认纸张尺寸大小(LC_PAPER)
  • 对locale自身包含信息的概述(LC_IDENTIFICATION)。
 
其中的设置又分为相应的优先级，LC_ALL>LC_*>LANG，LC_ALL是最上级设定或者强制设定，而LANG是默认设定值，当前集群中的所有服务器都没有进行这些参数的手动设置。
 
经过检查，发现mac的字符集确实与其他的有所不同，具体可以参考下面这篇文章：
 
其中说到了：
“Mac OSX uses a special kind of decomposed UTF-8 to store filenames. If you need to read in filenames and write them to a ‘normal’ UTF-8 file, you must normalize them. My understanding of this is that when you pass a name with an accented character like é, it will decompose this into e plus ’ before saving it to the filesystem (this behavior is defined by the Unicode standard).”
 
 
我们的远程服务器并没有显示地指定LC_*参数，那么就会出现本机登陆的相关locale信息被带到远程服务器上。由于Mac中如果没有设置默认则为：
LC_CTYPE=UTF-8
 
 
这个参数会被带到相关的服务器节点中，服务器的操作系统为CentOS，而在CentOS中并没有UTF-8这个值，可以被设置为zh_CN.UTF-8或者en_US.UTF-8这两种类型，而Mac上的UTF-8是无效的。
 
而Java虚拟机在启动的时候，会根据LC_CTYPE来决定sun.jnu.encoding和file.encoding的设置，由于Mac带过来的设置是非法的，导致这两个值被设置成：ANSI_X3.4-1968，这也是其他两个mac用户亲身实践得到的经验（Mac用户的优越感造就了一个大坑…），哈哈。
 
最后，通过手动改变服务器启动加载的配置文件/etc/profile，强制显示地设置locale参数来Fix这个问题，这也是比较推荐的方式（相对于改变java参数来说）。
export LANG=en_US.UTF-8
export LC_CTYPE=en_US.UTF-8
export LC_NUMERIC=en_US.UTF-8
export LC_TIME=en_US.UTF-8
export LC_COLLATE=en_US.UTF-8
export LC_MONETARY=en_US.UTF-8
export LC_MESSAGES=en_US.UTF-8
export LC_PAPER=en_US.UTF-8
export LC_NAME=en_US.UTF-8
export LC_ADDRESS=en_US.UTF-8
export LC_TELEPHONE=en_US.UTF-8
export LC_MEASUREMENT=en_US.UTF-8
export LC_IDENTIFICATION=en_US.UTF-8
export LC_ALL=en_US.UTF-8
 
 
 


已有 0 人发表留言，猛击->> 这里<<-参与讨论


ITeye推荐



相关 [locale 错误 java] 推荐：

locale错误导致Java中文乱码错误的总结

- - Java - 编程语言 - ITeye博客
线上执行MapReduce任务计算时，经过排查发现了某些服务器计算的数据出现中文乱码问题，但是服务器的配置是完全一致的. 由于我们使用的key可能包含中文，中文乱码问题体现在每次合并map记录的时候计算数据的随机性，每次执行的结果都不一样（由于Map任务执分配的随机性）. （注：此文章大部分都参考了同事查找到的问题解决方法.

Java开发者易犯错误Top10

- - CSDN博客编程语言推荐文章
摘要：在Java中，有些事物如果不了解的话，很容易就会用错，如数组转换为数组列表、元素删除、Hashtable和HashMap、ArrayList和LinkedList、Super和Sub构造函数等，如果这些对你来说是陌生的，你可以在本文中了解它们. 本文总结了Java开发者经常会犯的前十种错误列表.

Pal Locale：使网上租人成为可能

- hailin - 36氪
科技网站The Next Web的总裁兼CEO Mike Podhorzer表示他将推出一个新的网站Pal Locale，他对这个网站的定位是“按小时租人的社区平台”. 很多人可能独自在外出差期间不想一个人吃饭，在这种情况下，他们就可以在Pal Locale上租一个能与自己一起用餐的人，并且按小时支付给对方一定的酬报.

Java 程序员容易犯的10个SQL错误

- - ITeye博客
Java程序员编程时需要混合面向对象思维和一般命令式编程的方法，能否完美的将两者结合起来完全得依靠编程人员的水准：. 技能(任何人都能容易学会命令式编程). 模式(有些人用“模式-模式”,举个例子,模式可以应用到任何地方，而且都可以归为某一类模式). 心境(首先，要写个好的面向对象程序是比命令式程序难的多，你得花费一些功夫).

Java 8中10个不易察觉的错误

- - Java译站
我敢打赌，每人至少都会犯一次这样的错误. 就像现有的这些“流”（比如说InputStream）,你也只能对它们消费一次. 你会碰到一个这样的错误：. 因此使用流的时候应当格外注意. 不小心创建了一个”无限"流. 你可能一不留神就创建了一个无限流. 流的问题就在于它有可能是无限的，如果你的确是这样设计的话.

Java开发者写SQL时常犯的10个错误

- - ImportNew
我十分惊讶的发现，我最近的一篇文章——《 Java开发者写SQL时常犯的10个错误》——最近在 我的博客和 我的合作伙伴DZone上非常的受欢迎. （这篇博客）的流行程度说明了几件事：. SQL在专业的Java开发中多么重要. 基本的SQL知识被忘掉（的情况）普遍存在. 通过 embracing SQL，你就能了解像.

[译] Java 中最常见的 5 个错误

- - SegmentFault 最新的文章
在编程时，开发者经常会遭遇各式各样莫名错误. 近日，Sushil Das 在 Geek On Java上列举了 Java 开发中常见的 5 个错误，与君共「免」. 原文链接： Top 5 Common Mistake in Java. 避免过度使用 null 值是一个最佳实践. 例如，更好的做法是让方法返回空的 array 或者 collection 而不是 null 值，因为这样可以防止程序抛出 NullPointerException.

Java程序员们最常犯的3个集合错误

- - JavaRanger - 专注JAVA高性能程序开发、JVM、Mysql优化、算法
将数组转化为一个列表时，程序员们经常这样做：. Arrays.asList() 会返回一个ArrayList对象，ArrayList类是Arrays的一个私有静态类，而不是java.util.ArrayList 类，java.util.Arrays.ArrayList类有set()、get()、contains()方法，但是没有增加元素的方法，所以它的大 小是固定的，想要创建一个真正的ArrayList类，你应该这样做：.

Java中的锁(Locks in Java)

- - 并发编程网 - ifeve.com
原文链接 作者：Jakob Jenkov 译者：申章 校对：丁一. 锁像synchronized同步块一样，是一种线程同步机制，但比Java中的synchronized同步块更复杂. 因为锁（以及其它更高级的线程同步机制）是由synchronized同步块的方式实现的，所以我们还不能完全摆脱synchronized关键字（ 译者注：这说的是Java 5之前的情况）.

Oracle错误代码

- - 数据库 - ITeye博客
ORA-00001: 违反唯一约束条件 (.). ORA-00017: 请求会话以设置跟踪事件. ORA-00018: 超出最大会话数. ORA-00019: 超出最大会话许可数. ORA-00020: 超出最大进程数 (). ORA-00021: 会话附属于其它某些进程；无法转换会话. ORA-00022: 无效的会话 ID；访问被拒绝.