Docker中Cassandra用COPY导入CSV报错：Struct()需字符串而非unicode

以下是针对这个错误的几种排查和解决方法：

• 升级Cassandra版本：这个错误多出现于2.x系列的旧版本，这类版本对Unicode字符的处理存在兼容性问题。如果你的Cassandra版本较低，建议升级到3.x及以上版本，新版本对字符编码的支持更完善。

• 在COPY命令中指定编码：显式指定CSV文件的编码为UTF-8，解决编码不匹配导致的识别问题，修改后的命令如下：

COPY keyspace.table_name (id,id_type,location_id,event_source,event_name,message_json,source_ts,timestamp)
  FROM '/myFile0.csv' WITH DELIMITER=',' AND HEADER=TRUE AND ENCODING='UTF8';

• 预处理CSV文件：如果CSV包含特殊字符或非标准编码内容，先在容器内做清理：

  • 用iconv转换编码：

    iconv -f ISO-8859-1 -t UTF-8 /myFile0.csv > /myFile0_utf8.csv
    

    之后导入转换后的myFile0_utf8.csv文件
  • 用sed去除不可见字符：

    sed 's/[^[:print:]]//g' /myFile0.csv > /cleaned_file.csv
    

• 检查结构化字段格式：错误提示涉及Struct，大概率是message_json字段的JSON内容有问题。要确保CSV里的JSON格式完全合法，没有未闭合的引号、括号等语法错误，同时所有字符串都是标准UTF-8编码。可以先抽取几条JSON内容单独验证合法性。

• 指定编码启动cqlsh：进入容器的cqlsh时显式指定编码，避免终端与文件编码不匹配：

docker exec -it <容器ID/名称> cqlsh --encoding utf8

之后再执行COPY命令。

内容的提问来源于stack exchange，提问作者user19785518