基于Centos7编译spark指定Hadoop版本

0 摘要

　　主要探究了如何对spark源码进行编译，以及普及了一下Maven中的-P,-D的意义以及我在编译过程中遇到的两个坑。为什么需要编译spark源码呢？官网已经提供了预编译的版本了啊，但是如果你对spark源码进行了修改或者spark提供了相对应的hadoop版本不能满足要求，本人编译是因为需要CDH版本的spark，综上所述，最佳实践是对spark源码进行编译。

1 编译前准备

本次选择的版本是spark2.2.0,需要准备spark2.2.0文档的编译模块（http://spark.apache.org/docs/2.2.0/building-spark.html），Maven3.3.9或者以上版本，JDK8，Spark2.2.0源码（https://archive.apache.org/dist/spark/spark-2.2.0/spark-2.2.0.tgz）。

　　通过上述准备你已经正确配置好JDK和Maven3.3.9以上版本，且下载好源码，解压后文件目录如下：

　　可以看到是典型的maven结构：

2 编译开始

　　如何编译？查看官网文档，按照步骤一步步来。

　　2.1 设置的Maven内存

本人最开始在编译的过程中，使用的一款内存为2G的服务器，编译中间就卡死了，建议：内存一定要大，否则编译不成功，通过下面设置Mavne的内存

export MAVEN_OPTS="-Xmx2g -XX:ReservedCodeCacheSize=512m"

　　2.2 编译参数选择

　　如果弄懂了下列的参数，那么编译就简单了，本节，你会知道Maven中编译的一些知识。

　   下图是官网提供的一个脚本make-distribution.sh,可以编译成一个可分发的包，便于部署，我们使用这个来部署。

　　2.2.1 Maven编译相关

上图中的-Phadoop-2.7，-Phive什么意思？

在Maven中，profile可以让我们定义一系列的配置信息，然后指定其激活条件。这样我们就可以定义多个profile，然后每个profile对应不同的激活条件和配置信息，从而达到不同环境使用不同配置信息的效果。比如说，我们可以通过profile定义在jdk1.5以上使用一套配置信息，在jdk1.5以下使用另外一套配置信息；或者有时候我们可以通过操作系统的不同来使用不同的配置信息，比如windows下是一套信息，linux下又是另外一套信息，等等。下图是一个id为：hadoop-2.7的一个profile，

所以，简而言之，可以通过-P+$(profile_id)来显示的指定你需要的profile，本次编译需要hive，hive-thriftserver，yarn等Profile，所在需要指定为：-Phive -Phive-thriftserver -Pyarn

上图中的-D是什么意思？

这是显示的指定的属性值，本次使用的Hadoop版本是：2.6.0-cdh5.7.0，所以通过-Dhadoop.version=2.6.0-cdh5.7.0指定Hadoop版本

2.3 编译指令

最终编译指定为：指定了需要hive，hive-thriftserver，yarn等Profile,指定了Hadoop版本：2.6.0-cdh5.7.0

./dev/make-distribution.sh --name 2.6.0-cdh5.7.0 --tgz  -Phive -Phive-thriftserver -Pyarn -Dhadoop.version=2.6.0-cdh5.7.0

2.4 在源码根目录 下

执行上面的指令

 2.5 编译成功

3  编译过程中的坑以及解决办法

3.1 错误了通过-Phadoop-2.6多余指定了Hadoop这个Profile（本人后面指定的Hadoop版本就是2.6,且这个版本在Spark2.2.0是默认的Hadoop版本，不需要显示指定）会出现如下错误：提示hadoop-2.6这个Profile不存在，但是实际编译过程中，并不会让你出现错误。仍然会编译完成，但是编译后的包是不能用的。

3.2 找不到某个包，很普遍的错误，因为Maven仓库中的确没有这个包。如下：

解决办法：在spark.2.2.0中的pom.xml文件中如下仓库地址：

4 小结

　　熟悉Maven和一定要看官网，官网什么都是详细的。