《Spark Cookbook 中文版》一1.3　通过Maven构建Spark源码

1.3　通过Maven构建Spark源码

在大多数情况下使用二进制文件安装Spark已经足够了。对于一些高级的需求（并不局限于下列需求），通过源码编译是个更好的选择。

• 需要使用特定的Hadoop版本进行编译。
• 集成Hive。
• 集成YARN。

1.3.1　准备工作

开始本篇教程之前需要以下必备条件。

• Java 1.6或更新版本。
• Maven 3.x。

1.3.2　具体步骤

使用Maven构建Spark源码的步骤如下。

1．增大堆的MaxPermSize参数。

$ echo "export _JAVA_OPTIONS=\"-XX:MaxPermSize=1G\"" >> /home/
 hduser/.bashrc

2．打开一个新的终端窗口并通过GitHub下载源码。

$ wget https://github.com/apache/spark/archive/branch-1.4.zip

3．解压缩文档。

$ gunzip branch-1.4.zip

4．进入spark目录。

$ cd spark

5．通过以下标签编译源码：激活Yarn、Hadoop版本设置为2.4，激活Hive以及跳过测试以加快编译速度。

$ mvn -Pyarn -Phadoop-2.4 -Dhadoop.version=2.4.0 -Phive
-DskipTests clean package

6．为了制作软链接，把conf目录移动到etc目录下。

$ sudo mv spark/conf /etc/

7．把spark目录移动到/opt，因为spark是一个附加软件包。

$ sudo mv spark /opt/infoobjects/spark

8．设置root为spark主目录的权限用户。

$ sudo chown -R root:root /opt/infoobjects/spark

9．修改spark主目录的权限，0755意味着主用户将拥有读写和执行权限，而同组用户和其他用户拥有读和执行权限。

$ sudo chmod -R 755 /opt/infoobjects/spark

10．进入spark主目录。

$ cd /opt/infoobjects/spark

11．创建软链接。

$ sudo ln -s /etc/spark conf

12．在.bashrc文件中添加到PATH变量。

$ echo "export PATH=$PATH:/opt/infoobjects/spark/bin" >> /home/
   hduser/.bashrc

13．在/var目录下创建log目录。

$ sudo mkdir -p /var/log/spark

14．设置hduser为Spark log目录的权限用户。

$ sudo chown -R hduser:hduser /var/log/spark

15．在Spark下创建tmp目录。

$ mkdir /tmp/spark

16．在以下命令的帮助下配置Spark。

$ cd /etc/spark
$ echo "export HADOOP_CONF_DIR=/opt/infoobjects/hadoop/etc/hadoop"
>> spark-env.sh
$ echo "export YARN_CONF_DIR=/opt/infoobjects/hadoop/etc/Hadoop"
>> spark-env.sh
$ echo "export SPARK_LOG_DIR=/var/log/spark" >> spark-env.sh
$ echo "export SPARK_WORKER_DIR=/tmp/spark" >> spark-env.sh