您的位置:首页 > 其它

Spark1.1.0 源码编译和部署包生成

2015-10-26 15:00 330 查看
本文转至 《Spark1.1.0 源码编译和部署包生成 》:/article/1373740.html

虽然是转载的,但是笔者也尝试了其中的 Maven 编译方法,成功,并附上笔者成功的图片,及补充。

一、编译方式介绍

Spark1.1.0的源码编译和部署包生成,其本质只有两种:Maven和SBT,只不过针对不同场景而已:

Maven编译

SBT编译

IntelliJ IDEA编译(可以采用Maven或SBT插件编译),适用于开发人员

部署包生成(内嵌Maven编译),适用于维护人员

编译的目的是生成指定环境下运行Spark本身或Spark Application的JAR包。缺省编译所支持的hadoop环境是hadoop1.0.4。Spark1.1.0的编译对几种编译方法(Maven、SBT、make-distribution.sh)进行了配置项的统一,都可以使用Maven的profile配置项;另外,对于需要额外版权的集成组件也提供了Maven配置项,如spark-ganglia-lgpl、kinesis-asl,方便了用户的编译。在本例中,笔者使用的环境是hadoop2.2.0,支持hive,并和ganglia、kinesis-asl集成。

二、获取Spark1.1.0 源码

官网下载地址http://spark.apache.org/downloads.html

或者笔者网百度云盘,链接:http://pan.baidu.com/s/1hqjjLLa 密码:8z7c

三、SBT 编译

将源代码复制到指定目录,然后进入该目录,运行:

sbt/sbt assembly -Pyarn -Phadoop-2.2 -Pspark-ganglia-lgpl -Pkinesis-asl -Phive


四、Maven编译

事先安装好maven3.2.1,并设置要环境变量MAVEN_HOME,将$MAVEN_HOME/bin加入PATH变量。具体可以参考:Centos6.5 下 Maven 安装。然后将源代码复制到指定目录,然后进入该目录,先设置Maven参数:

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


再到源码目录下运行:

mvn -Pyarn -Phadoop-2.2 -Pspark-ganglia-lgpl -Pkinesis-asl -Phive -DskipTests clean package | tee spark-1.1.0-bin-2.2.0-building.txt


其中
tee spark-1.1.0-bin-2.2.0-building.txt
是将编译的结果不仅显示到屏幕上,同时也保存到
spark-1.1.0-bin-2.2.0-building.txt
文件中,便于日后研究,虽然也懒的研究…



编译之前的目录结构:



编译之后的目录,总共 446 M 大小



五、IntelliJ IDEA编译

IntelliJ IDEA是个优秀的scala开发IDE,所以顺便就提一下IntelliJ IDEA里的spark编译。

首先将源代码复制到指定目录,然后启动IDEA -> import project -> import project from external model -> Maven编译目录中的pom.xml -> 在选择profile时选择配置(如hadoop2.2、yarn、hive等) -> 直到导入项目。





在maven projects视图选择Spark Project Parent POM(root),然后选中工具栏倒数第四个按钮(ship Tests mode)按下,这时Liftcycle中test是灰色的。

接着按倒数第一个按钮进入Maven设置,在runner项设置VM option:

-Xmx2g -XX:MaxPermSize=512M -XX:ReservedCodeCacheSize=512m




按OK 保存。

回到maven projects视图,点中Liftcycle中package,然后按第5个按钮(Run Maven Build按钮),开始编译。其编译结果和Maven编译是一样的。

六、生成spark部署包

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,有446M左右多吧,部署起来很不方便,所以需要生成部署包。

spark1.1.0源码根目录下带有一个脚本文件make-distribution.sh可以生成部署包,其用法和spark1.0.0有了较大变动,开始支持MAVEN的配置参数,用法如下:

./make-distribution.sh [--name] [--tgz] [--with-tachyon] <maven build options>


–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−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、hadoop2.2.0、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 --tgz --name 2.2.0 -Pyarn -Phadoop-2.2  -Phive


如果要生成spark支持yarn、hadoop2.2.0、ganglia、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 --tgz --name 2.2.0 -Pyarn -Phadoop-2.2 -Pspark-ganglia-lgpl  -Phive




生成在部署包位于根目录下,文件名类似于spark-1.1.0-bin-2.2.0.tgz



make 成功之后,整个包为 817 M ,其中 spark-1.1.0-bin-2.2.0.tgz 大致为 182M

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。

七、后记

解压部署包后或者直接在编译过的目录,通过配置conf下的文件,就可以使用spark了。

Spark有下列几种部署方式:

Standalone

YARN

Mesos

Amazon EC2

其实说部署,还不如说运行方式,Spark只是利用不同的资源管理器来申请计算资源。其中Standalone方式是使用Spark本身提供的资源管理器,可以直接运行;而在YARN运行,需要提供运行Spark Application的spark jar包(或者直接在YARN节点上部署Spark jar包):

maven编译的jar包为:./assembly/target/scala-2.10/spark-assembly-1.1.0-hadoop2.2.0.jar

SBT编译的jar包为:./assembly/target/scala-2.10/spark-assembly-1.1.0-hadoop2.2.0.jar

PS:众所周知的网络问题,编译的时候经常会发生卡死的现象,对于maven编译,只需要安ctrl+z结束进程重新编译就可以了;而对于sbt编译,由于有时候会有文件锁定的问题,在按ctrl+z结束进程后,最好退出终端后再开启一个新的终端进行编译。
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: