修改spark源码并编译部署

下载spark源码

从spark官网下载spark源码的选择如下图：

重点就是第二个选择source code然后点击第四个下载tgz包。
下载之后解压到你想要的目录下，这样你就获得了spark的源码。

安装maven

这里是使用maven对spark进行编译，当然要下载maven:点这里下载maven。
老规矩下载只有解压到你需要的目录。
然后配置maven的环境变量如下：

export MAVEN_HOME=/home/ubuntu/maven
export MAVEN=$MAVEN_HOME/bin
export MAVEN_OPTS="Xms256m -Xmx512m"
export PATH=$MAVEN:$PATH

之后可以通过mvn –version来查看maven版本，如果出现版本信息说明安装成功。

编译spark源码

这里我们使用源码包中自带的make-distribution.sh文件进行编译。当然在编译之前你可以试着修改一些源代码。
在spark源码目录下运行

 ./make-distribution.sh --tgz -Phadoop-2.6 -Pyarn -DskipTests -Dhadoop.version=2.6.0 -Phive -Phive-thriftserver  

参数解释：
-DskipTests，不执行测试用例，但编译测试用例类生成相应的class文件至target/test-classes下。
-Dhadoop.version 和-Phadoop： Hadoop 版本号，不加此参数时hadoop 版本为1.0.4 。
-Pyarn ：是否支持Hadoop YARN ，不加参数时为不支持yarn 。
-Phive和-Phive-thriftserver：是否在Spark SQL 中支持hive ，不加此参数时为不支持hive 。
–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。

ps:以前的–with-hive –with-yarn都不再支持了

这样大概要等二十分钟到一个多小时不等，主要取决于网络环境，因为要下载一些依赖包之类的。之后你就可以获得一个spark编译好的包了，解压之后就可以部署到机器上了。

相关内容：

如何安装spark:
http://blog.csdn.net/fishseeker/article/details/61918138

如何在IDEA中调试spark程序:
http://blog.csdn.net/fishseeker/article/details/63741265