Spark-1.0.1 的make-distribution.sh编译、SBT编译、Maven编译 三种编译方法

 

　　fesh个人实践，欢迎经验交流！本文Blog地址：http://www.cnblogs.com/fesh/p/3775343.html

　　本文编译方法所支持的hadoop环境是Hadoop-2.2.0，YARN是2.2.0，JAVA版本为1.8.0_11，操作系统Ubuntu14.04

 Spark1.0.0 源码下载地址： http://mirror.bit.edu.cn/apache/spark/spark-1.0.0/spark-1.0.0.tgz

 Spark1.0.1 源码下载地址：http://apache.fayea.com/apache-mirror/spark/spark-1.0.1/spark-1.0.1.tgz

1、spark自带编译方法

注：不同版本的Spark编译命令有所不同，请先查看$SPARK_HOME/make-distribution.sh文件。

使用spark中自带的编译脚本make-distribution.sh （需要先安装Maven ，参见《Maven-3.2.2安装配置》）

cd spark-1.0.1
./make-distribution.sh --hadoop 2.2.0 --with-yarn --tgz

脚本文件make-distribution.sh可以生成部署包，其参数有：

　　--tgz: Additionally creates spark-$VERSION-bin.tar.gz
　　--hadoop VERSION: Builds against specified version of Hadoop.
　　--with-yarn: Enables support for Hadoop YARN.
　　--with-hive: Enable support for reading Hive tables.
　　--name: A moniker for the release target. Defaults to the Hadoop verison.

如果一切顺利，会在$SPARK_HOME/assembly/target/scala-2.10目录下生成目标文件

（好像Java版本1.8在这里有版本问题？默认在1.6环境下，但我居然编译成功了，呵呵）

（注：之前加了--with-tachyon 我总是编译成功，但生成tgz部署包失败，不知道为什么。今天我在JDK1.7.0_51环境（应该与JDK版本无关）下，去掉了--with-tachyon ，编译成功，并且生成了spark-1.0.1-

  bin-2.2.0.tgz部署包）

 在$SPARK_HOME/assembly/target/scala-2.10目录下生成： spark-assembly-1.0.1-hadoop2.2.0.jar

 在$SPARK_HOME/examples/target/scala-2.10目录下生成： spark-examples-1.0.1-hadoop2.2.0.jar

 在$SPARK_HOME/dist/lib目录下生成： spark-assembly-1.0.1-hadoop2.2.0.jar 和 spark-examples-1.0.1-hadoop2.2.0.jar

 在$SPARK_HOME根目录下生成Spark部署包：spark-1.0.1-bin-2.2.0.tgz

编译结果：

2、SBT编译方法

注：不同版本的Spark命令有所变化，请先查看$SPARK_HOME/sbt/sbt文件。

解压源代码并复制到指定目录，然后进入该目录，运行：

tar -zxvf spark-1.0.0.tar.gz
cd spark-1.0.1
SPARK_HADOOP_VERSION=2.2.0 SPARK_YARN=true ./sbt/sbt assembly

（export http_proxy=http://proxy-server:port  需要添加代理，由于我没有添加代理，所以编译失败了@_@!以后有时间再试试）

3、maven编译（参考官网）

使用Maven构建Spark需要Maven 3.0.4或更新和Java 6 +。

安装好maven3.2.2，并设置环境变量MAVEN_HOME，将$MAVEN_HOME/bin加入PATH变量。

1）您需要配置Maven使用比平时更多的内存设置maven_opts。建议下列设置（Java 1.8以上不需要设置）：

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

如果你没有运行，你可以看到下面的错误：

[INFO] Compiling 203 Scala sources and 9 Java sources to /Users/me/Development/spark/core/target/scala-2.10/classes...
[ERROR] PermGen space -> [Help 1]

[INFO] Compiling 203 Scala sources and 9 Java sources to /Users/me/Development/spark/core/target/scala-2.10/classes...
[ERROR] Java heap space -> [Help 1]

2）指定Hadoop版本并编译

由于HDFS对版本不是协议兼容的，如果你想从HDFS读，你需要在你的环境中建立针对特定HDFS版本的Spark。你可以通过“hadoop.version”来做到这。如果未设置，将默认建立针对Hadoop 1.0.4的Spark。请注意，某些建立配置文件是为特定的Hadoop版本要求：

  

对于Hadoop 2.X with YARN，编译：

# Apache Hadoop 2.2.X

mvn -Pyarn -Phadoop-2.2 -Dhadoop.version=2.2.0 -DskipTests clean package

如果是其他版本的YARN和HDFS，则按下面编译：

# Different versions of HDFS and YARN.

mvn -Pyarn-alpha -Phadoop-2.3 -Dhadoop.version=2.3.0 -Dyarn.version=0.23.7 -DskipTests clean package

）

编译结果为：

 

 

 在$SPARK_HOME/assembly/target/scala-2.10目录下生成： spark-assembly-1.0.1-hadoop2.2.0.jar

 在$SPARK_HOME/examples/target/scala-2.10目录下生成： spark-examples-1.0.1-hadoop2.2.0.jar

 

另外，这篇文章的编译讲得也很详细，也可以参考：http://mmicky.blog.163.com/blog/static/1502901542014312101657612/

　　以及文章 http://www.cnblogs.com/hseagle/p/3732492.html

Spark源码和编译后的源码、部署包我分享在: http://pan.baidu.com/s/1c0y7JKs 提取密码: ccvy