源码

将项目源码clone源码到本地

项目地址：https://github.com/apache/spark

git clone git@github.com:apache/spark.git
编译

spark项目同时支持maven和sbt两种方式，以maven为例：

最简单的编译：

./build/mvn -DskipTests clean package

使用 -D 和 -P参数定制不同的编译版本：

# Apache Hadoop 2.6.X
./build/mvn -Pyarn -DskipTests clean package

# Apache Hadoop 2.7.X and later
./build/mvn -Pyarn -Phadoop-2.7 -Dhadoop.version=2.7.3 -DskipTests clean package

# With Hive 1.2.1 support
./build/mvn -Pyarn -Phive -Phive-thriftserver -DskipTests clean package

编译子项目：

上述命令为全量编译，我们可以选择只编译某个子模块：

./build/mvn -pl :spark-streaming_2.11 clean install
发布
./dev/make-distribution.sh --name custom-spark --pip --r --tgz -Psparkr -Phadoop-2.7 -Phive -Phive-thriftserver -Pmesos -Pyarn -Pkubernetes

执行上述命令，会在dist目录生成发布软件包，与在spark官网下载的软件包是一样的。

需要注意：

  1. 安装 R 和 pip 环境

    https://blog.csdn.net/duxu24/article/details/53611510

  2. R安装插件： install.packages(‘knitr’) install.packages(“rJava”)

    https://github.com/hannarud/r-best-practices/wiki/Installing-RJava-(Ubuntu)

  3. 如果觉得1 2 麻烦，可以不编译 pip和r package，即不支持python和r

    ./dev/make-distribution.sh --name custom-spark  --tgz -Psparkr -Phadoop-2.7 -Phive -Phive-thriftserver -Pmesos -Pyarn -Pkubernetes

参考： https://spark.apache.org/docs/latest/building-spark.html