1、hadoop內(nèi)部默認(rèn)的文本讀取編碼設(shè)置為utf-8，你的源文件為gbk，在讀取時(shí)遇到中文時(shí)是肯定要出現(xiàn)亂碼。
解決方法有二：
（1）將你的GBK編碼的文件在生成時(shí)，統(tǒng)一成utf-8,這是最好的方式，方便國(guó)際化。
（2）重寫(xiě)一個(gè)你的hadoop讀文件的FileInputFormat對(duì)象，在其中進(jìn)行傳相應(yīng)的編碼值與編碼轉(zhuǎn)換的工作，這個(gè)是比較麻煩，實(shí)際當(dāng)中用得很少。