Maven编译并打包Mahout CDH版源码

1. 问题描述

最近在使用Mahout里的推荐算法进行实验，由于业务需求，需要修改Mahout源码，将原本输出到HDFS上的结果输出到HBase中。由于Mahout发布的源码都是Maven项目，所以在对项目进行编译打包时遇到了一些问题，在此文章中进行记录总结。

2. Mahout源码下载

目前，Mahout最新版本已经更新到0.13，从基于Hadoop平台迁移到了Spark，从Mahout官网可以了解其发展历程和框架特性。

官网地址：http://mahout.apache.org/

Mahout历史版本源码下载地址： http://archive.apache.org/dist/mahout/

由于公司使用的Hadoop版本是CDH4.7.1，对应Mahout0.7版，为了保持一致性，所以下载了cdh版Mahout源码。

Mahout CDH版源码下载地址：https://github.com/cloudera/mahout/tree/cdh4-0.7_4.7.1

3. 编译源码

3.1 编译环境和工具

• apache-maven-3.5.4
• JDK 1.8

Maven的安装和配置比较简单，这里不做介绍。

3.2 修改项目的java版本

源码项目默认使用的jdk版本一般和系统不一致，所以直接进行编译会报错，需要先修改项目的pom.xml文件。下载下来的Mahout源码是一个多模块的Maven项目，修改根目录下父级项目的pom.xml文件即可。

只需要将以下1.6中的1.6修改为自己电脑配置中的jdk版本即可。

    false
    1.6
    1.6
    true
    UTF-8
    ${cdh.hadoop.version}
    3.6.0
    1.6
  
  

3.3 编译源码

直接执行mvn clean install报如下错误：

[INFO] Apache Mahout 0.7-cdh4.7.1 ......................... SUCCESS [  1.207 s]
[INFO] Mahout Build Tools ................................. SUCCESS [  1.475 s]
[INFO] Mahout Math ........................................ SUCCESS [ 17.652 s]
[INFO] Mahout Core ........................................ FAILURE [  3.546 s]
[INFO] Mahout Integration ................................. SKIPPED
[INFO] Mahout Examples .................................... SKIPPED
[INFO] Mahout Release Package 0.7-cdh4.7.1 ................ SKIPPED
[INFO] ------------------------------------------------------------------------
[INFO] BUILD FAILURE
[INFO] ------------------------------------------------------------------------
[INFO] Total time: 24.260 s
[INFO] Finished at: 2018-12-12T16:07:19+08:00
[INFO] ------------------------------------------------------------------------
[ERROR] Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:2.3.2:compile (default-compile) on projec
 mahout-core: Compilation failure: Compilation failure:
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\classify\ClusterClassifier.java:[24,29]
错误: 程序包org.apache.hadoop.conf不存在
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\classify\ClusterClassifier.java:[25,27]
错误: 程序包org.apache.hadoop.fs不存在
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\classify\ClusterClassifier.java:[26,27]
错误: 程序包org.apache.hadoop.fs不存在
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\classify\ClusterClassifier.java:[27,27]
错误: 程序包org.apache.hadoop.io不存在
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\classify\ClusterClassifier.java:[28,27]
错误: 程序包org.apache.hadoop.io不存在
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\classify\ClusterClassifier.java:[29,27]
错误: 程序包org.apache.hadoop.io不存在
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\classify\ClusterClassifier.java:[30,27]
错误: 程序包org.apache.hadoop.io不存在
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\classify\ClusterClassifier.java:[65,90]
错误: 找不到符号
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\Model.java:[20,27] 错误: 程序包org.apach
.hadoop.io不存在
[ERROR] \mahout-cdh4-0.7_4.7.1\core\src\main\java\org\apache\mahout\clustering\Model.java:[29,34] 错误: 找不到符号
.......

从报错信息中可以看到mahout-core模块编译失败，原因是找不到Hadoop的配置文件类，Hadoop配置文件类包含在hadoop-common的jar包中，查看core目录下的pom.xml文件，查找hadoop-commen发现已经有引入依赖，但是是在配置中引入，需要激活相应的配置。

      hadoop-0.23
      
        
          hadoop.profile
          23
        
      
      
        
          org.apache.hadoop
          hadoop-common
        
        
          org.apache.hadoop
          hadoop-mapreduce-client-common
        
        
          org.apache.hadoop
          hadoop-mapreduce-client-core
        
      
    
    

激活相应配置并编译源码，执行mvn -Phadoop-0.23 -DskipTests clean install，添加的-DskipTests参数为跳过测试模块，会节省编译时间。

编译成功后，在各自模块的/target目录下可以看到输出的jar包。

3.4 引入第三方依赖

使用mvn eclipse:eclipse可以将Maven项目转化为eclipse项目在eclipse中进行修改。之前提到我们的需求是将输出结果输出到HBase，在修改工程代码的过程中需要引入第三方HBase的依赖jar包，修改完后代码后再次执行mvn clean install会再次报错，原因是Maven编译项目根据来进行的pom.xml，所以我们需要在配置文件中添加我们所依赖的第三方jar的信息。例如，依赖了hbase和mr的jar包，添加依赖配置如下：

      hadoop-0.23
      
        
          hadoop.profile
          23
        
      
      
        
          org.apache.hadoop
          hadoop-common
        
        
          org.apache.hadoop
          hadoop-mapreduce-client-common
        
        
          org.apache.hadoop
          hadoop-mapreduce-client-core
        
        
          org.apache.hbase
          hbase
          0.94.15-cdh4.7.1
        
      
    

所依赖jar包的groupId和artifactId可以在Maven官网中查询,同时还可以获取到依赖包所在的仓库地址，查看根目录下的pom.xml，如果没包含此仓库则需要自行添加。

    
      cdh.hbase
      Apache Hbase Repository
      https://repository.cloudera.com/content/repositories/releases/
      
        false
      
    
    
      apache.snapshots
      Apache Snapshot Repository
      http://repository.apache.org/snapshots
      
        false
      
    

    
      cdh.repo
      https://repository.cloudera.com/artifactory/cloudera-repos
      Cloudera Repositories
      
        false
      
    
    
    
      cdh.snapshots.repo
      https://repository.cloudera.com/artifactory/libs-snapshot-local
      Cloudera Snapshots Repository
      
        true
      
      
        false