01、Spark编译与打包

1、SBT编译

vi project/SparkBuild.scala

修改仓库：

"Maven Repository"     at "http://172.16.219.120:8080/nexus/content/groups/public/"

SPARK_HADOOP_VERSION=2.4.0.2.1.2.0-402 SPARK_YARN=true sbt/sbt clean assembly

 

2、MAVEN编译

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

mvn -Pyarn-Dhadoop.version=2.4.0.2.1.2.0-402 -Dyarn.version=2.4.0.2.1.2.0-402 -DskipTests clean package

 

3、编译打包

pox.xml

修改仓库：maven-repo --> <url>http://172.16.219.120:8080/nexus/content/groups/public/</url>

不带Hadoop依赖：hadoop-provided --> <activeByDefault>true</activeByDefault>

 

编译完源代码后，虽然直接用编译后的目录再加以配置就可以运行spark，但是这时目录很庞大，又3G多吧，部署起来很不方便，所以需要生成部署包。

spark源码根目录下带有一个脚本文件make-distribution.sh可以生成部署包，其参数有：

--hadoop VERSION：打包时所用的Hadoop版本号，不加此参数时hadoop版本为1.0.4。

--with-yarn：是否支持Hadoop YARN，不加参数时为不支持yarn。

--with-hive：是否在Spark SQL 中支持hive，不加此参数时为不支持hive。

--skip-java-test：是否在编译的过程中略过java测试，不加此参数时为略过。

--with-tachyon：是否支持内存文件系统Tachyon，不加此参数时不支持tachyon。

--tgz：在根目录下生成 spark-$VERSION-bin.tgz，不加此参数时不生成tgz文件，只生成/dist目录。

--name NAME：和--tgz结合可以生成spark-$VERSION-bin-$NAME.tgz的部署包，不加此参数时NAME为hadoop的版本号。

如果要生成spark支持yarn、hadoop2.4.0.2.1.2.0-402的部署包，只需要将源代码复制到指定目录，进入该目录后运行：

./make-distribution.sh --hadoop 2.4.0.2.1.2.0-402--with-yarn --tgz --skip-java-test

如果要生成spark支持yarn、hive的部署包，只需要将源代码复制到指定目录，进入该目录后运行：

./make-distribution.sh --hadoop 2.4.0.2.1.2.0-402 --with-yarn --with-hive --tgz 

如果要生成spark支持yarn、hadoop2.4.0.2.1.2.0-402、techyon的部署包，只需要将源代码复制到指定目录，进入该目录后运行：

./make-distribution.sh --hadoop 2.4.0.2.1.2.0-402 --with-yarn --with-tachyon --tgz

生成在部署包位于根目录下，文件名类似于spark-1.0.0-bin-2.4.0.2.1.2.0-402.tgz。

值得注意的是：make-distribution.sh已经带有Maven编译过程，所以不需要先编译再打包。

 

参考：

http://spark.apache.org/docs/latest/building-with-maven.html

http://blog.csdn.net/book_mmicky/article/details/25714445