Spark环境搭建（六）-----------sprk源码编译

想要搭建自己的Hadoop和spark集群，尤其是在生产环境中，下载官网提供的安装包远远不够的，必须要自己源码编译spark才行。

环境准备：

　　1，Maven环境搭建,版本Apache Maven 3.3.9，jar包管理工具；

　　2，JDK环境搭建，版本1.7.0_51，hadoop由Java编写；

　　3 ，Scala 环境搭建，版本 2.11.8，spark是scala编写的；

　　4 ，spark 源码包，从官网选择

　　

　编译前准备：

　　0，Maven ,JDK，Scala解压安装，并加入到环境变量中

　　1，wget 源码到~/source 并且 tar -zxvf spark-2.1.0.tgz

　　2 , 加入cdh仓库，在spark-2.1.0/pom.xml

　　　　

 <repository>
       <id>cloudera-releases</id>
       <url>https://repository.cloudera.com/artifactory/cloudera-repos</url>
       <releases>
         <enabled>true</enabled>
       </releases>
       <snapshots>
        <enabled>false</enabled>
       </snapshots>
     </repository>

编译：

　　1） 根据自己的机器实际情况，合理的分配内存给JVM, 通过命令:export MAVEN_OPTS="-Xmx2g -XX:ReservedCodeCacheSize=512m"

　　2） 在spark-2.1.0/下通过命令：

　　　　

./dev/make-distribution.sh --name 2.6.0-cdh5.7.0 --tgz  -Pyarn -Phadoop-2.6 -Phive -Phive-thriftserver -Dhadoop.version=2.6.0-cdh5.7.0

或者通过mvn方式直接编译（maven编译完成没有一个大的完整的包使用）

　　

./build/mvn -Pyarn -Phadoop-2.6 -Dhadoop.version=2.6.0-cdh5.7.0 -Phive -Phive-thriftserver -DskipTests clean package

　　这个编译过程大约两个小时，更网速有关，有的Jar包需要*下载，所有时间教长

　　编译完成会在spark-2.1.0/下产生一个spark-2.1.0-bin-2.6.0-cdh5.7.0.tgz包,将它解压，加入到环境变量就算结束了。

解读编译命令：

./build/mvn -Pyarn -Phadoop-2.6 -Dhadoop.version=2.6.0 -DskipTests clean package

　　1）    -Dhadoop.version=2.6.0

　　　　  在编译命令上在外部指定（修改）<hadoop.version>2.2.0</hadoop.version> 默认的2.2.0 改为2.6.0

　　　　  在spark根目录下的pom.xml文件中，部分源码如下,可以看出默认的hadoop版本是2.2.0

　　　　

<properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    <project.reporting.outputEncoding>UTF8</project.reporting.outputEncoding>
    <java.version>1.7</java.version>
    <maven.version>3.3.9</maven.version>
    <sbt.project.name>spark</sbt.project.name>
    <slf4j.version>1.7.16</slf4j.version>
    <log4j.version>1.2.17</log4j.version>
    <hadoop.version>2.2.0</hadoop.version>
    <protobuf.version>2.5.0</protobuf.version>
    <yarn.version>${hadoop.version}</yarn.version>
    <flume.version>1.6.0</flume.version>
    <zookeeper.version>3.4.5</zookeeper.version>
    <curator.version>2.4.0</curator.version>
    <hive.group>org.spark-project.hive</hive.group>
    <!-- Version used in Maven Hive dependency -->
    <hive.version>1.2.1.spark2</hive.version>
    <!-- Version used for internal directory structure -->
    <hive.version.short>1.2.1</hive.version.short>
    <derby.version>10.12.1.1</derby.version>
    <parquet.version>1.8.1</parquet.version>
    <hive.parquet.version>1.6.0</hive.parquet.version>
    <jetty.version>9.2.16.v20160414</jetty.version>
    <javaxservlet.version>3.1.0</javaxservlet.version>

</properties>

　　2） -Phadoop-2.6

　　　　　　在源码pom.xml中，通过外部指定的<profile>的id来选择编译时所用到的<profile>

　　　　源码中,-Phadoop-2.6来选择id为hadoop-2.6的<profile>作为编译条件

　　　　　　

<profile>
      <id>hadoop-2.2</id>
    <!-- SPARK-7249: Default hadoop profile. Uses global properties. -->
    </profile>

    <profile>
      <id>hadoop-2.3</id>
      <properties>
        <hadoop.version>2.3.0</hadoop.version>
        <jets3t.version>0.9.3</jets3t.version>
      </properties>
    </profile>

    <profile>
      <id>hadoop-2.4</id>
      <properties>
        <hadoop.version>2.4.1</hadoop.version>
        <jets3t.version>0.9.3</jets3t.version>
      </properties>
    </profile>

    <profile>
      <id>hadoop-2.6</id>
      <properties>
        <hadoop.version>2.6.4</hadoop.version>
        <jets3t.version>0.9.3</jets3t.version>
        <zookeeper.version>3.4.6</zookeeper.version>
        <curator.version>2.6.0</curator.version>
      </properties>
    </profile>

    <profile>
      <id>hadoop-2.7</id>
      <properties>
        <hadoop.version>2.7.3</hadoop.version>
        <jets3t.version>0.9.3</jets3t.version>
        <zookeeper.version>3.4.6</zookeeper.version>

　　3） -Phive -Phive-thriftserver和-Pyarn,同上面选择hadoop的profile一样，编译时加上对hive和yarn的支持

　　4） -DskipTests clean package  编译过程中，跳过测试，实例包等，不进行编译；

./dev/make-distribution.sh --name 2.6.0-cdh5.7.0 --tgz -Pyarn -Phadoop-2.6 -Phive -Phive-thriftserver -Dhadoop.version=2.6.0-cdh5.7.0

　　　1）./dev/make-distribution.sh   通过在dev下的make-distribution.sh编译

　　　2）--name 2.6.0-cdh5.7.0 --tgz  编译后打成一个名为spark-2.1.0-bin-2.6.0-cdh5.7.0.tgz  的tgz包

　　　2）-Pyarn -Phadoop-2.6 -Phive -Phive-thriftserver  同maven一样，通过id选择<profile>中的内容，进而支持某个模块

　　　3）-Dhadoop.version=2.6.0-cdh5.7.0   指定hadoop的版本

make-distribution.sh源码阅读

　　　　　　　　

　　　　　　　　在上图中可以看出，编译脚本已经加入export MAVEN_OPTS="-Xmx2g -XX:ReservedCodeCacheSize=512m"，并且加入了跳过检测包的语句

　　　　　　　　

　　　　　　　　 --mvn 后面添加在编译mvn时选择的版本和<profile>

　　　　　　　　

　　　　　　　　打包命令，以及报名的命名规则

到此，spark源码记录完毕。

---