Apache Spark 编译、打包过程

版本：

Ubuntu 20.04.2 LTS
Apache Maven 3.6.3
JDK 1.8
R 3.1.1

注意：必须安装提前安装Maven、JDK、R
建议使用linux编译，实在没有linux环境，可以用win10的WSL

1 下载源码

# 下载源码，推荐这样下载
git clone https://github.com/apache/spark.git
# 查看所有的tag，每个tag都是一个版本
git tag
# 切换到指定版本,这里我要编译的版本是2.4.0（如果需要其他版本就切换到其他版本）
git checkout v2.4.0

2 编译源码

编译的目的是下载好jar包

# 进入到源码的根目录
cd /opt/os_ws/spark
# 设置maven使用更多内存，不设置的话会内存溢出
export MAVEN_OPTS="-Xmx2g -XX:ReservedCodeCacheSize=512m"
# 执行编译命令
./build/mvn -Phadoop-3.1 -Dhadoop.version=3.1.1  -Pyarn -Phive -Phive-thriftserver -DskipTests clean package

• -Phadoop-3.1 -Dhadoop.version=3.1.1 -Pyarn
  指定hadoop的版本为3.1.1（如果需要不同的版本就指定需要的版本）；指定可用yarn提交；
• -Phive -Phive-thriftserver
  指定支持hive
• -DskipTests
  指定跳过测试
• clean package
  清空上一次打的jar包再打包

执行成功，编译完成

3 构建可部署版本

3.1 修改mvn路径

默认的mvn路径指向$SPARK_HOME/build/mvn，这里要改成自己安装的mvn路径

vim ./dev/make-distribution.sh

修改mvn命令的路径为自己安装的路径

修改前

修改后

3.2 执行打包命令

./dev/make-distribution.sh --name hadoop3.1.1 --tgz -Psparkr -Phadoop-3.1 -Dhadoop.version=3.1.1 -Phive -Phive-thriftserver -Pyarn

经过十几分钟终于执行成功了

打包好的安装包就在根目录下

终于可以拿去部署了！

参考资料

http://spark.apache.org/docs/2.4.0/building-spark.html#buildmvn