Apache spark2.1.0编译hadoop-2.6-cdh5.11.2的对应版本

Apache spark2.1.0 编译 hadoop-2.6-cdh5.11.2 的对应版本

搞了两天，终于把spark编译成功了，把编译过程记录一下

编译失败的坑：

　　1）linux内存不足，maven编译过程中内存溢出

　　2）找不到cloudera仓库

　　3）报各种错误

考虑到maven下载可能会被墙，于是买了国外的云主机,内存4g，终于编译成功了，并且编译速度相当快，只花了8分钟

成功编译Apaceh spark成对应的chd版本基本步骤如下（使用make-distribution.sh打包编译）：

1.安装maven,有版本要求3.x以上的，用最新的就行了

2.安装jdk 1.7+,2.x以上的spark尽量使用 jdk1.8，并且不要使用自带的open jdk ,下载oracle的jdk

3.确认maven，jdk都配置完成

4.下载spark,解压

5.因为要编译成对应hadoop cdh版本，所以需要在spark HOME目录下的pom.xml文件找到repository位置添加

<repository>
<id>cloudera</id>
<name>cloudera repository</name>
<url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
</repository> 

6.为了加快编译速度，修改dev/make-distribution.sh文件

添加以下内容，并把之前的内容注释，因为默认是通过扫描来获得这些值的，会消耗一些时间

VERSION=2.1.0  #spark的版本
SCALA_VERSION=2.10.6  #scala的版本，可以在pom.xml文件的scala.version中找到
SPARK_HADOOP_VERSION=2.6.0-cdh5.11.2 #编译对应具体的hadoop版本
SPARK_HIVE=1  #支持HIVE

7.避免内存溢出

export MAVEN_OPTS="-Xmx2g -XX:MaxPermSize=512M -XX:ReservedCodeCacheSize=512m"

可以根据自己电脑内存情况调整

8.开始编译

./dev/make-distribution.sh --name spark2.1.0-cdh5.11.2  --tgz   -Phadoop-2.6 -Dhadoop.version=2.6.0-cdh5.11.2 -Phive -Phive-thriftserver  -Pyarn


--tgz 打包成 tgz 
  
--name 编译打包的名称 spark2.1.0-cdh5.11.2 默认会在前面添加spark2.1.0-bin，如果编译成功那么全名应该是 spark2.1.0-bin-spark2.1.0-cdh5.11.2

-Phadoop 对应hadoop的大版本

-Dhadoop.version 对应hadoop的具体版本

-Phive  -Pyarn 支持hive，yarn

9.等待完成，编译成功后会在 spark 的home目录下生成打包的文件

10.然后使用xftp软件把编译成功的包传回本地就行

 ps：博客上的代码，直接复制到linux文件上可能会用问题，所以建议手动输入