最近在做sqoop导入oracle数据到hive字符集乱码问题，虽然没有解决，但是现在将一些尝试的过程发布，供大家参考，以后有遇到这种问题的供大家参考少走弯路。

oracle里面的字符集是us7ascii，导入到hive里面后中文乱码hive环境（元数据为mysql）字符集是utf，在命令里面使用convert(rd_yj,'UTF8','US7ASCII')和utl_raw.cast_to_varchar2(utl_raw.cast_to_raw(rd_yj))做转换都不行，

这个是命令：sqoop import --connect jdbc:oracle:thin:@ip:1521:dname --username x --password x --query "select convert(rd_yj,'UTF8','US7ASCII') from dj_fzcgl where \$CONDITIONS"  -m 1 --target-dir /user/hive/warehouse/sichuan.db/dj_fzcgl_test --hive-table dj_fzcgl_test --hive-import --as-parquetfile 

ps:其他oracle的库使用字符集是gbk hive导入不乱码；

考虑过修改数据库字符集（alter database character set  utf），但是数据库字符集建立后一般不改，修改字符集相当于重建数据库，而且已经导入的表不会因为修改字符集而重新编码；

可以考虑用文件入库，oracle的spool可以轻松实现将数据库导出到txt，重建数据库或者新建一个数据库实例，设置对应的字符集，oracle提供了sqlldr的工具可以快速将文本导入oracle，但是现在有几十个表，数据量都很大（300G），数据库又在远程，所以不太好操作；

可以考虑做一个Java工具类里面实现将读取数据进行转码，但是这是将sqoop已经导入hive的数据在处理一下，感觉不太合适，

sqoop没有提供导入过程中的转码指令参数，好像不能再导入过程中转码，

sqoop对接db也是走的jdbc,只是帮你做了任务切片和分布～   单点和datax一样的～，所以可以考虑将jdbc作为一个点，

csdn上有一个大神将jdbc的jar hack了(http://download.csdn.net/detail/jiangdongping/4360247#comment )，就是在导入oracle时候可以在URL后面添加转码：jdbc:oracle:thin:@ip:1521:zxptus7?useUnicode=true&characterEncoding=utf-8 

对于乱码产生的一些总结，不一定正确，仅供参考：

数据在oracle里面是以ascii字符集编码构成数据的表现形式，现在导入到另一个环境，编码格式为utf，数据的编码格式就会改变，数据就是变成utf编码构成的数据表现形式，就有可能出现乱码的情况

ascii是所有字符集的基础～   仅能表达英文和符号～    本身就不支持cjk或者其他的文字

编码是将虚拟的字符按照某个编码方式转化为数值表达即byte～

解码即逆过程～

最早的全文字支持是unicode编码表～

所有的utf都属于转码～   是基于unicode～   不存在编码表～

而之后每个国家认为原有的unicode不能体现自己国家文字规律会重新编排新的码表～  例如gbk