spark-1.4.1-bin-cdh5.3.2 Maven编译

Spark 编译前准备

1. 下载 Spark1.4.1 源码包，并解压

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

或者笔者分享的百度云盘：链接：http://pan.baidu.com/s/17I67O 密码：3cwf

笔者解压到

tar -zxvf spark-1.4.1.tgz -C /home/hadoop/softwares/

2. 安装 Maven

具体可参考笔者的 Maven 安装

3. 安装 Scala 2.10.4
下载地址：链接：http://pan.baidu.com/s/1sj46kn7 密码：fv4z

安装就是解压，然后配置环境变量，没啥了

export SCALA_HOME=/home/hadoop/softwares/scala-2.10.4
export PATH=${PATH}:$SCALA_HOME/bin

在 linux 安装下 Scala 环境，键入 scala -version ，出现如下即可：

4. 安装 Oracle 的 JDK 7
虽然笔者使用 Open-jdk 1.7 编译成功了，但是还是暂时推荐读者使用 Oracle 的 JDK 7。jdk 1.7 下载及安装，具体参考笔者的 JAVA 配置

注意：实际中，笔者没像网上的人那样，直接把 open-jdk 删的不要不要的。我只是将 Oracle 的 jdk 的环境变量添加到原有系统变量 $PATH 的之前（路径搜索从前向后，搜索到就停止啦~），具体如下：

export JAVA_HOME=/home/hadoop/softwares/jdk1.7.0_71
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$JAVA_HOME/bin:$PATH

Note：本博客采用 Maven 方式进行编译，其他的编译方式可参考该博文《Spark1.0.0 源码编译和部署包生成》：http://blog.csdn.net/u011414200/article/details/49422941

编译

进入 spark 1.4.1 源码目录下，编译之前的目录结构：

然后编译：

mvn -Dhadoop.version=2.5.0-cdh5.3.2 -Pyarn -Phive -Phive-thriftserver -DskipTests clean package

但笔者希望将输出结果不仅在屏幕上显示，同时也希望保存到文档中，于是命令为（笔者就用这个）：

mvn -Dhadoop.version=2.5.0-cdh5.3.2 -Pyarn -Phive -Phive-thriftserver -DskipTests clean package | tee building.txt

题外话：其实好像用 cdh 版本的只要写以下编译语句就可以了（笔者未考证）

mvn -Pyarn -Phive -Phive-thriftserver -DskipTests clean package

注意的是 hadoop version 和 scala 的版本设置成对应的版本。

Note:

• Mvn 并不会默认生成 tar 包。你会得到很多 jar 文件 —— 每一个工程下面都有它自己的 jar 包（例如上图中的标注的）

ls /home/hadoop/softwares/spark-1.4.1/network/yarn/target

• 在 assembly/target/scala-2.10 目录下有个 spark-assembly-1.4.1-hadoop2.5.0-cdh5.3.2.jar 文件

ls /home/hadoop/softwares/spark-1.4.1/assembly/target/scala-2.10 

笔者将其拖入 windows 下，用解压工具打开 see 了下：

在 org 文件夹下：

该文件夹下的文件：

这就说明了编译成功了。

Make 生成二进制 tgz 包（解压可直接运行）

然后在源码目录下面 make-distribution.sh ，可以用来打 二进制bin包：

Note：运行这个命令，笔者瞬间觉得自己SB了，不用 mvn ，好像直接 ./make-distribution 就 OK 了，因为 make 自带 Maven 编译。

./make-distribution.sh --name custom-spark --skip-java-test --tgz -Pyarn -Dhadoop.version=2.5.0-cdh5.3.2  -Dscala-2.10.4 -Phive -Phive-thriftserver

上述命令中 “–name custom-spark” 还有待商榷，貌似应该是 “hadoop-version”。

笔者所用命令为：

./make-distribution.sh --name cdh5.3.2 --skip-java-test --tgz -Pyarn -Dhadoop.version=2.5.0-cdh5.3.2  -Dscala-2.10.4 -Phive -Phive-thriftserver | tee building_distribution.txt

最后，它提示 （Y/N），笔者小心翼翼地选择了 Y，然后就进入漫长的编译阶段…

最终经历了种种困难后，终于成功编译了，如下图：

然后在该目录下：

这个部署包 322 M 大小

在该目录下，生成了 spark-1.4.1-bin-cdh5.3.2.tgz 文件，322M 大小（后记：经初步检测，能正常使用），到此，笔者编译就告一段落了。

Q & A

Q1： warning: [options] bootstrap class path not set in conjunction with -source 1.6

原因：
This is not Ant but the JDK’s javac emitting the warning.

If you use Java 7’s javac and -source for anything smaller than 7 javac warns you you should also set the bootstrap classpath to point to an older rt.jar - because this is the only way to ensure the result is usable on an older VM.

https://blogs.oracle.com/darcy/entry/bootclasspath_older_source

This is only a warning, so you could ignore it and even suppress it with

<compilerarg value="-Xlint:-options"/>

Alternatively you really install an older JVM and adapt your bootclasspath accordingly (you need to include rt.jar, not the bin folder)

原文链接：Ant javac task errs out: [javac] warning: [options] bootstrap class path not set in conjunction with -source 1.6

解决办法：忽略不管呗~

Q2：编译中断失败 (compile failed. CompileFailed)

Failed to execute goal net.alchim31.maven:scala-maven-plugin:3.2.0:compile (scala-compile-first) on project spark-sql_2.10: Execution scala-compile-first of goal net.alchim31.maven:scala-maven-plugin:3.2.0:compile failed. CompileFailed -> [Help 1]

Failed to execute goal net.alchim31.maven:scala-maven-plugin:3.2.0:testCompile (scala-test-compile-first) on project spark-sql_2.10: Execution scala-test-compile-first of goal net.alchim31.maven:scala-maven-plugin:3.2.0:testCompile failed. CompileFailed -> [Help 1]

Failed to execute goal net.alchim31.maven:scala-maven-plugin:3.2.0:compile (scala-compile-first) on project spark-core_2.10: Execution scala-compile-first of golchim31.maven:scala-maven-plugin:3.2.0:compile failed. CompileFailed -> [Help 1]

[WARNING] The requested profile “hive-” could not be activated because it does not exist.
[ERROR] Failed to execute goal net.alchim31.maven:scala-maven-plugin:3.2.0:compile (scala-compile-first) on project spark-mllib_2.10: Exeoal net.alchim31.maven:scala-maven-plugin:3.2.0:compile failed. CompileFailed -> [Help 1]

原因：

• 网速问题？
• 时间太长了，超出编译的最大时间
• 编译主机负荷大？

解决办法：

• 删除本地 Maven 仓库，然后多次重新编译
• 要么 mvn <goals> -rf :spark-sql_2.10 // 从失败的地方(比如 spark-sql_2.10 )开始编译

./make-distribution.sh --name cdh5.3.2 --skip-java-test --tgz -Pyarn -Dhadoop.version=2.5.0-cdh5.3.2  -Dscala-2.10.4 -Phive -Phive-thriftserver -rf :spark-sql_2.10

• 修改spark1.4.1源码下的 pom.xml 文件

<dependency>
    <groupId>net.alchim31.maven</groupId>
    <artifactId>scala-maven-plugin</artifactId>
    <version>3.2.0</version>
</dependency>

Q3： spark-repl_2.10 的 MissingRequirementError

[ERROR] error while loading , error in opening zip file
[ERROR] Failed to execute goal net.alchim31.maven:scala-maven-plugin:3.2.0:compile (scala-compile-first) on project spark-repl_2.10: wrap: scala.reflect.internal.MissingRequirementError: object scala.runtime in compiler mirror not found. -> [Help 1]

org.apache.maven.lifecycle.LifecycleExecutionException: Failed to execute goal net.alchim31.maven:scala-maven-plugin:3.2.0:compile (scala-compile-first) on project spark-repl_2.10: Execution scala-compile-first of goal net.alchim31.maven:scala-maven-plugin:3.2.0:compile failed.

Google 到的困难原因：

• 回答一
  This error is actually an error from scalac, not a compile error from the code. It sort of sounds like it has not been able to download scala dependencies. Check or maybe recreate your environment.

• 回答二
  This error is very misleading, it actually has nothing to do with scala.runtime or the compiler mirror: this is the error you get when you have a faulty JAR file on your classpath.
  Sadly, there is no way from the error (even with -Ydebug) to tell exactly which file. You can run scala with -Ylog-classpath, it will output a lot of classpath stuff, including the exact classpath used (look for “[init] [search path for class files:”). Then I guess you will have to go through them to check if they are valid or not.
  I recently tried to improve that (SI-5463), at least to get a clear error message, but couldn’t find a satisfyingly clean way to do this…

• 回答三
  I have checked to ensure that in my class path that ALL jars from SCALA_HOME/lib/ are included
  As we figured out at #scala, the documentation was missing the fact that one needs to provide the -Dscala.usejavacp=true argument to the JVM command that invokes scalac. After that everything worked fine, and I updated the docs: http://docs.scala-lang.org/overviews/macros/overview.html#debugging_macros.

Q4： 其他潜在的问题

为了防止Spark(1.4.1)与Hadoop(2.5.0)所使用的Protocol Buffers版本不一致会造成不能正确读取HDFS文件, 所以需要对pom.xml进行相应修改。

    <!--<protobuf.version>2.4.1</protobuf.version>-->
    <protobuf.version>2.5.0</protobuf.version>

重要的参考资料

• 《Spark1.0.0 源码编译和部署包生成》：http://blog.csdn.net/u011414200/article/details/49422941

• 《spark1.4.0基于yarn的安装心得体会 》：http://blog.csdn.net/xiao_jun_0820/article/details/46561097
  目前线上用的是cdh5.3.2中内嵌的spark1.2.0版本，该版本BUG还是蛮多的，尤其是一些spark sql的BUG，简直不能忍。spark1.4.0新出的支持SparkR，其他用R的同时很期待试用该版本看看sparkR好不好用，于是乎打算升级一下spark的版本。

• 《CDH5.1.0编译spark-assembly包来支持hive 》：http://blog.csdn.net/aaa1117a8w5s6d/article/details/44307207
  maven的配置文件apache-maven-3.2.5/conf/settings.xml 增加私服地址，同时提供测试代码

• 《用Maven编译Spark 1.0.0源码以错误解决》：http://www.iteblog.com/archives/1038

  • Exception in thread “main” java.lang.OutOfMemoryError
  • Cannot run program “javac”: java.io.IOException
  • Please set the SCALA_HOME
  • 选择相应的Hadoop和Yarn版本

• 《Open JDK导致的Maven Build出错 》 ：http://blog.csdn.net/mydeman/article/details/6234750
  不推荐大家使用OPEN-JDK

  • 《net.alchim31.maven/scala-maven-plugin/3.1.0 scala-maven-plugin maven依赖》：http://maven.outofmemory.cn/net.alchim31.maven/scala-maven-plugin/3.1.0/

• 《用SBT编译Spark的WordCount程序》：http://www.aboutyun.com/thread-8587-1-1.html
  有空再搞…