前言
大数据与 RDBMS 之间的数据导入和导出都是企业日常数据处理中常见的一环，该环节一般称为 e-t-l 即 extract-transform-load。市面上可用的 etl 工具和框架很多，如来自于传统数仓和 BI 圈的 kettle/informatica/datastage, 来自于 hadoop 生态圈的 sqoop/datax，抑或使用计算引擎 spark/presto/flink 直接编写代码完成 etl 作业。
在这里跟大家分享一次使用 datax 从 hive 导出数据到 oracle 的作业的时候，出现了两边数据的编码集不一致导致的乱码问题，希望对大家遇到相同的问题时有所帮忙。
问题背景
最近接到业务人员反馈导出 oracle 数据库中的数据和 hive 中的数据不一致，hive 中明明是 "• " ，但是导出到 Oracle 后却变成了 “？”，于是，当我看到这个问题的时候，我的头脑里也出现了很多问号？
思考片刻后，于是找到 DBA 询问 oracle 数据库的编码集是什么，回答是 ZHS16GBK ，而 hive 中的编码集是 UTF-8，这就很明了了，确定是编码集不一致导致的乱码问题了。
那么如何