Spark1.6源码编译

一、前言

    不论是spark还是hadoop、flume等，都建议新手在学习时自己进行手动编译，在第一次编译时肯定会遇到很多问题，大家要摆正心态，一定会有所收货。本文将中重点讲解apache版本和cdh版本下的spark编译。

二、环境介绍

    操作系统：centos6.5(建议内存4G以上)
    jdk：1.7.0_67
    spark版本：1.6.1
    hadoop版本：2.5.0或者cdh2.5.0
    maven版本：3.3.3
    scala版本：2.10.4

三、遇到问题时的解决办法

    在这里先把可能在编译过程中遇到的问题进行说明，方便大家在编译时查阅。
    1.编译过程中会出现下载某个包的时间太久，这是由于连接网站的过程中会出现假死，按ctrl+c，重新运行编译命令。 
    2.如果出现缺少了某个文件的情况，则要先清理maven(使用命令 mvn clean) 再重新编译。 
    3.有可能在编译过程中不小心编译中断，再次编译时会报如下错误：
    [info] Compiling 3 Java sources to /opt/tools/workspace/spark-1.6.1/tags/target/scala-2.10/classes...
    [info] Error occurred during initialization of VM
    [info] java.lang.Error: Properties init: Could not determine current working directory.
    [info]  at java.lang.System.initProperties(Native Method)
    [info]  at java.lang.System.initializeSystemClass(System.java:1119)
    这种情况下，需要jps看一下当前jvm进程，然后kill掉即可

下民我们就要进编译了，祝大家好运。

四、编译apache版本的spark

1. 概述

    spark的编译方式有三种：SBT编译、maven编译和打包编译make-distribution.sh,笔者采用的是第三种方式。

2. 下载源码

    从apache-spark的网站下载源码： 
    http://archive.apache.org/dist/spark/

3.准备

1)由于编译apache的spark，首先在maven的setting文件中增加阿里的源，

    aliyun
    central
    aliyun repository
    
        http://maven.aliyun.com/nexus/content/groups/public/
    


2)解压下载好的源码，并进行配置，
tar -zxvf spark.1.6.1.tgz -C /opt/tools/workspace/
编辑目录中的make-distribution.sh,在130行左右进行修改，修改信息如下：
    VERSION=1.6.0
    SCALA_VERSION=2.10.4
    SPARK_HADOOP_VERSION=2.5.0
    SPARK_HIVE=1
同时，修改spark里面的pom文件，把scala版本修改成2.10.4

3)放置依赖服务
本步骤大家可以不进行配置，但是下载时间较长，笔者曾经下载了2个多小时，所以还是建议大家配置好。
spark编译还依赖于scala和zinc，spark-1.6.1依赖scala2.10.4和zinc-0.3.5.3，解压后放到spark源码下的build目录下
tar -zxvf /opt/software/scala-2.10.4.tgz -C /opt/tools/workspace/spark-1.6.1/build/
  tar -zxvf /opt/software/zinc-0.3.5.3.tgz -C /opt/tools/workspace/spark-1.6.1/build/

4.开始编译

    编译命令：
    ./make-distribution.sh --tgz \
    -Phadoop-2.4 \
    -Dhadoop.version=2.5.0 \
    -Pyarn \
    -Phive -Phive-thriftserver

    编译开始：

    编译完成

    到spark-core的目录下查看一下

五、编译cdh版本的spark

1. 下载源码

    从apache-spark的网站下载源码： 
    http://archive.cloudera.com/cdh5/cdh/5/
    各种配置步骤和apache的版本都一致

2.准备

    1)由于编译apache的spark，首先在maven的setting文件中增加cloudera的源，

    cloudera
    central
    clouderarepository
    
        https://repository.cloudera.com/artifactory/cloudera-repos/
    


2)解压下载好的源码，并进行配置，
tar -zxvf spark.1.6.1.tgz -C /opt/tools/workspace/
编辑目录中的make-distribution.sh,在130行左右进行修改，修改信息如下：
    VERSION=1.6.0
    SCALA_VERSION=2.10.4
    SPARK_HADOOP_VERSION=cdh-2.5.0
    SPARK_HIVE=1
同时，修改spark里面的pom文件，把scala版本修改成2.10.4

3)放置依赖服务
和apache版本的一致

4.开始编译

    编译命令：
    ./make-distribution.sh --tgz \
    -Phadoop-2.4 \
    -Dhadoop.version=2.5.0-cdh5.3.6 \
    -Pyarn \
    -Phive -Phive-thriftserver

    编译过程不再赘述，期望对大家有所帮助