如何让cqlsh正确显示文本？Cassandra查询出现二进制输出异常

我来帮你分析下这个问题——你用cqlsh读取test.cert表的enduser字段时，得到了一堆类似二进制的转义输出，但其他字段显示正常，而且你已经试过指定UTF8编码却没效果。结合你的表定义和输出，咱们一步步拆解：

可能的原因 #

• 数据本身不是合法UTF-8字符串：虽然你把enduser定义成了text类型，但Cassandra的text本质是字节存储，不会强制校验编码。如果写入的时候，程序把二进制数据、或者非UTF8编码的文本（比如GBK、ISO-8859-1）直接存进去了，cqlsh读取时无法解析成可读UTF8，就会把这些字节转成\xXX的十六进制格式显示。
• 数据包含不可打印控制字符：你输出里的\x10、\x1c这类都是ASCII控制字符，本身就没法显示成普通文本，cqlsh只能用转义的二进制形式展示它们。

验证和解决步骤 #

1. 先确认数据的真实内容 #

你可以用Cassandra的内置函数来检查字段的字节情况，判断是不是合法UTF8：

-- 尝试把字段转成blob再转回text，看是否能正常解析
select enduser, blobAsText(enduserAsBlob(enduser)) from test.cert limit 2;

-- 直接查看字段的十六进制字节值
select enduserAsBlob(enduser) from test.cert limit 2;

如果blobAsText返回的还是乱码，那基本可以确定数据本身就不是合法UTF8字符串。

2. 排查写入端的问题 #

重点看写入数据的应用程序：

• 是不是误把二进制数据（比如文件字节、加密后的内容）直接存入了text字段？这种情况应该把字段改成blob类型才对。
• 写入时用的编码是不是和读取时不一致？比如应用用GBK编码写入，读取时用UTF8解析，肯定会乱码。

3. 处理现有数据 #

如果数据确实是二进制内容，建议修改表结构，把enduser改成blob类型，这样读取时就会以标准二进制格式展示，不会出现奇怪的转义：

ALTER TABLE test.cert ALTER enduser TYPE blob;

如果是编码不兼容的问题，你需要在应用里做转换：先读取字段的字节，用写入时的编码解码成字符串，再用UTF8编码重新写入。

4. 调整cqlsh的显示设置 #

虽然你试过UTF8，但可以再试试强制终端编码和cqlsh配置匹配：
启动cqlsh时指定环境变量：

LC_ALL=en_US.UTF-8 cqlsh 10.243.128.4 --debug -e "select enduser from test.cert limit 2;"

或者修改cqlsh的配置文件~/.cassandra/cqlshrc，添加编码设置：

[ui]
encoding = utf8

不过要注意，如果数据里有不可打印的控制字符，这个方法只能让合法UTF8字符正常显示，控制字符还是会被转义。

内容的提问来源于stack exchange，提问作者Istvan