Spark2.4.2源码编译

软件版本：

    jdk：1.8

    maven：3.61    http://maven.apache.org/download.cgi

    spark：2.42      https://archive.apache.org/dist/spark/spark-2.4.2/

    hadoop版本：hadoop-2.6.0-cdh5.7.0（spark编译支持的hadoop版本，不需要安装）

配置maven：

#配置环境变量
[root@hadoop004 soft]# cat /etc/profile.d/maven.sh 
MAVEN_HOME=/usr/local/maven
export PATH=$MAVEN_HOME/bin:$PATH

#确认maven版本
[root@hadoop004 maven]# mvn --version
Apache Maven 3.6.1 (d66c9c0b3152b2e69ee9bac180bb8fcc8e6af555; 2019-04-05T03:00:29+08:00)
Maven home: /usr/local/maven
Java version: 1.8.0_111, vendor: Oracle Corporation, runtime: /usr/java/jdk1.8.0_111/jre
Default locale: en_US, platform encoding: UTF-8
OS name: "linux", version: "3.10.0-862.3.2.el7.x86_64", arch: "amd64", family: "unix"

#配置mvn的本地存放地址：settings.xml文件
<localRepository>/usr/local/maven/repo</localRepository>

#配置mvn下载源为阿里云的maven仓库，加速下载
<mirror>
	<id>alimaven</id>
	<name>aliyun maven</name>
	<url>http://maven.aliyun.com/nexus/content/groups/public/</url>
	<mirrorOf>central</mirrorOf>
</mirror>

配置Spark:

tar xf spark-2.4.2.tgz
cd spark-2.4.2.tgz

#修改pom.xml文件，添加clouder仓库
<repository>
    <id>cloudera</id>
    <url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
</repository>

执行编译命令：

#在spark目录下执行
./dev/make-distribution.sh --name 2.6.0-cdh5.7.0 --tgz -Pyarn -Phadoop-2.6 -Phive -Phive-thriftserver -Dhadoop.version=2.6.0-cdh5.7.0

注：本次编译时长大约为35分钟，中间无任何报错；

注：默认使用的scala版本为最新的，如果要指定scala版本，通过以下方式修改
比如把scala版本改为 2.10
./dev/change-scala-version.sh 2.10

参数说明：

--name：生成压缩包的后缀名字；前缀默认为spark版本的名字，本例为：spark-2.4.2-bin

--tgz：采用压缩格式为tar，压缩的后缀名为.tgz

-Pyarn：表示spark需要运行在yarn上面

-Phadoop-2.6：表示spark使用hadoop的profile的id

-Dhadoop.version=2.6.0-cdh5.7.0：表示spark使用hadoop的版本；如果不指定，默认使用的是2.2.0的hadoop

-Phive -Phive-thriftserver：表示支持hive

生成的文件：

在spark目录下：spark-2.4.2-bin-2.6.0-cdh5.7.0.tgz

使用编译后的spark部署：

tar xf spark-2.4.2-bin-2.6.0-cdh5.7.0.tgz
ln -s spark-2.4.2-bin-2.6.0-cdh5.7.0 spark

#配置spark的环境变量
[hadoop@hadoop001 ~]$ vim .bash_profile
export SPARK_HOME=/home/hadoop/app/spark-2.4.2-bin-2.6.0-cdh5.7.0
export PATH=${SPARK_HOME}/bin:$PATH
[hadoop@hadoop001 ~]$ source .bash_profile

#运行spark测试
[hadoop@hadoop001 ~]$ spark-shell 
19/04/29 10:51:04 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
Spark context Web UI available at http://hadoop001:4040
Spark context available as 'sc' (master = local[*], app id = local-1556506274719).
Spark session available as 'spark'.
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /___/ .__/\_,_/_/ /_/\_\   version 2.4.2
      /_/
         
Using Scala version 2.11.12 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_111)
Type in expressions to have them evaluated.
Type :help for more information.

scala>