使用maven&&make-distribution.sh编译打包spark源码

1》基础环境准备：

jdk1.8.0_101
maven 3.3.9
scala2.11.8

安装好上述软件，配置好环境变量，并检查是否生效。

2》配置maven:intellij idea maven配置及maven项目创建

3》设置maven编译内存

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

4.》使用maven命令编译源码。

mvn -Pyarn -Phadoop-2.7 -Dhadoop.version=2.7.3 -Phive -Phive-thriftserver -DskipTests

5》使用spark自带打包脚本打包(实际上该脚本调用上述的mvn命令，所以可以直接跳过第4步，当然如果只是调试用，不用打成压缩包，则直接到第4步即可)。

首先修改脚本：在spark源码包根目录下执行如下命令，

vi dev/make-distribution.sh
注释掉以下内容：位于文件中的120~136行。

#VERSION=$("$MVN" help:evaluate -Dexpression=project.version $@ 2>/dev/null | grep -v "INFO" | tail -n 1)
#SCALA_VERSION=$("$MVN" help:evaluate -Dexpression=scala.binary.version $@ 2>/dev/null
# | grep -v "INFO"
# | tail -n 1)
#SPARK_HADOOP_VERSION=$("$MVN" help:evaluate -Dexpression=hadoop.version $@ 2>/dev/null
# | grep -v "INFO"
# | tail -n 1)
#SPARK_HIVE=$("$MVN" help:evaluate -Dexpression=project.activeProfiles -pl sql/hive $@ 2>/dev/null
# | grep -v "INFO"
# | fgrep --count "<id>hive</id>";
# # Reset exit status to 0, otherwise the script stops here if the last grep finds nothing
# # because we use "set -o pipefail"
# echo -n)

添加以下内容：

VERSION=2.3.0
SCALA_VERSION=2.11
SPARK_HADOOP_VERSION=2.7.3
SPARK_HIVE=1

6》修改后保存退出。在源码包根目录指定以下命令：

./dev/make-distribution.sh –name 2.7.3 –tgz -Pyarn -Phadoop-2.7 -Dhadoop.version=2.7.3 -Phadoop-provided -Phive -Phive-thriftserver -DskipTests

如果要编译对应的cdh版本，需要在源码的根目录下的pom文件中添加如下的仓库。
添加 cdh的仓库。

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

命令解释：

--name 2.7.3  ***指定编译出来的spark名字，name=

--tgz ***压缩成tgz格式

-Pyarn ***支持yarn平台

-Phadoop-2.7  -Dhadoop.version=2.7.3 ***指定hadoop版本为2.7.3

-Phive -Phive-thriftserver ***支持hive

-DskipTests clean package ***跳过测试包