Windows下从源代码构建Spark

综述

其实Spark的构建已经做得很好了，但是由于大家已知的原因，很多东西不能很顺利的拿到。估计你要给老外说花了很多时间在build Spark上面，他只有一个反应“unbelievable”。

在这里特别要感谢一下OSChina，它的Maven库的存在，使得在国内从源代码构建Spark成为可能。

没想到OS China 关闭了了，但是Ali又站了出来。为阿里点个赞！

如果碰到什么问题的话，是这篇文章没有覆盖到的话，请大家给我简信或者留言。我会尽自己所能给大家解决。

下面开始言归正传。

1，所需软件

下面的软件安装完成之后，都确保路径添加到系统环境变量PATH里面去了。

检查方法：设置好之后，启动windows cmd, 敲入命令，看看能不能找到。
Scala: scala -version
SBT: sbt -version
Maven: mvn -version
Git: git --version

• Scala
  最新的版本是2.11.7，我下载的是2.10.6. Spark 最新的稳定版1.5.2使用的是Scala 2.10

• Java
  本文中使用的是Java SE 7u 79，也就是大家“1.7”。

• SBT
  Spark 用Maven和SBT都可以编译。个人建议：在IDE里面，还是使用SBT比较好。

• Maven
  SBT可以重用Maven的依赖库。我们使用Maven，可以方便地从OSChina下载Spark需要的相关依赖。
  在Maven的安装目录之下，conf文件下面有个settings.xml文件，备份一下这个文件，然后对着下面进行修改。修改的主要目的是添加OSChina的镜像进来。
  <mirrors>
  <mirror>
  <id>nexus-osc</id>
  <mirrorOf>central</mirrorOf>
  <name>Nexus osc</name>
  <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
  </mirror>
  </mirrors>

• Git
  Git可以用来下载Spark源代码，在用SBT或者Maven编译的过程中，也需要Git去从Github下载一些依赖的东西。

• Intellij IDEA
  一般简称为IDEA，本文中使用的是最新的15.0.1。作为一个商业软件，它很有良心的推出了完全免费的Community Edition版本，完全可以满足我们的需求。

关于IDE的选择，一开始我使用的Scala-IDE，占用内存太多。设置了两个断点就慢的不行，基本没有办法单步调试。
尝试IDEA之后，毫不犹豫地抛弃了Scala-IDE.
IDEA优点如下：

• 界面更精简
• 运行期间占用内存小
• 切换到SBT之后，编译速度快。
• 支持更好。毕竟是商业软件，一般问题都可以从官方的网站，论坛里面找到解决方案。

本文中使用的具体版本：

  C:\Users\spark>scala -version
   Scala code runner version 2.10.6 -- Copyright 2002-2013, LAMP/EPFL

  C:\Users\spark>java -version
  java version "1.7.0_79"
  Java(TM) SE Runtime Environment (build 1.7.0_79-b15)
  Java HotSpot(TM) 64-Bit Server VM (build 24.79-b02, mixed mode)

  C:\Users\spark>sbt -version
  [info] Set current project to km (in build file:/C:/Work/Code/ACE/3.0/km/)
  [warn] The `-` command is deprecated in favor of `onFailure` and will be removed in 0.14.0

  C:\Users\spark>mvn -version
  Apache Maven 3.3.3 (7994120775791599e205a5524ec3e0dfe41d4a06; 2015-04-22T19:57:37+08:00)
  Maven home: C:\Program Files\apache-maven-3.3.3\bin\..
  Java version: 1.7.0_79, vendor: Oracle Corporation
  Java home: C:\Program Files\Java\jdk1.7.0_79\jre
  Default locale: en_US, platform encoding: GBK
  OS name: "windows 7", version: "6.1", arch: "amd64", family: "windows"

  C:\Users\spark>git --version
  git version 2.6.3.windows.1

2，配置步骤

2.1 使用git下载源代码

# Master development branch
git clone git://github.com/apache/spark.git

# 1.5 maintenance branch with stability fixes on top of Spark 1.5.2(本文中使用的)
git clone git://github.com/apache/spark.git -b branch-1.5

2.2 利用Maven 编译Spark 源代码

步骤如下:

C:\Users\spark>set MAVEN_OPTS=-Xmx2g -XX:MaxPermSize=512M -XX:ReservedCodeCacheSize=512m
C:\Users\spark>mvn -DskipTests clean package

编译中需要下载很多东西，耐心等候。成功之后：

 [INFO] Spark Project Parent POM ........................... SUCCESS [ 29.999 s]
 [INFO] Spark Project Test Tags ............................ SUCCESS [ 19.688 s]
 [INFO] Spark Project Launcher ............................. SUCCESS [ 29.203 s]
 [INFO] Spark Project Networking ........................... SUCCESS [ 22.105 s]
 [INFO] Spark Project Shuffle Streaming Service ............ SUCCESS [ 13.525 s]
 [INFO] Spark Project Unsafe ............................... SUCCESS [ 37.206 s]
 [INFO] Spark Project Core ................................. SUCCESS [07:42 min]
 [INFO] Spark Project Bagel ................................ SUCCESS [ 18.502 s]
 [INFO] Spark Project GraphX ............................... SUCCESS [01:20 min]
 [INFO] Spark Project Streaming ............................ SUCCESS [02:38 min]
 [INFO] Spark Project Catalyst ............................. SUCCESS [04:11 min]
 [INFO] Spark Project SQL .................................. SUCCESS [04:59 min]
 [INFO] Spark Project ML Library ........................... SUCCESS [04:58 min]
 [INFO] Spark Project Tools ................................ SUCCESS [ 16.661 s]
 [INFO] Spark Project Hive ................................. SUCCESS [05:56 min]
 [INFO] Spark Project REPL ................................. SUCCESS [ 56.534 s]
 [INFO] Spark Project Assembly ............................. SUCCESS [02:35 min]
 [INFO] Spark Project External Twitter ..................... SUCCESS [ 34.803 s]
 [INFO] Spark Project External Flume Sink .................. SUCCESS [ 27.097 s]
 [INFO] Spark Project External Flume ....................... SUCCESS [ 40.341 s]
 [INFO] Spark Project External Flume Assembly .............. SUCCESS [  5.210 s]
 [INFO] Spark Project External MQTT ........................ SUCCESS [01:00 min]
 [INFO] Spark Project External MQTT Assembly ............... SUCCESS [ 29.437 s]
 [INFO] Spark Project External ZeroMQ ...................... SUCCESS [01:06 min]
 [INFO] Spark Project External Kafka ....................... SUCCESS [01:03 min]
 [INFO] Spark Project Examples ............................. SUCCESS [04:33 min]
 [INFO] Spark Project External Kafka Assembly .............. SUCCESS [ 11.513 s]
 [INFO] ------------------------------------------------------------------------
 [INFO] BUILD SUCCESS
 [INFO] ------------------------------------------------------------------------
 [INFO] Total time: 48:43 min
 [INFO] Finished at: 2015-11-18T14:04:25+08:00
 [INFO] Final Memory: 395M/1591M
 [INFO] ------------------------------------------------------------------------

2.3 安装和配置IDEA

安装好IDEA之后，还需要下面这些步骤。

a 安装Scala插件。

File-->Settings-->Plugins-->Install JetBrains plugin

• 搜索scala，选择Download and Install.
• 安装完成之后，重启IDEA。

b 配置SBT

File-->Build,Execution,Deployment-->Build Tools-->SBT

• JVM-->Custom
  选择你自己的Java 安装目录
• Launcher(sbt-launch.jar)-->Custom
  选择你自己的sbt-launch.jar

c 配置Maven

File-->Build,Execution,Deployment-->Build Tools-->Maven

• 修改Maven home directory, 设置成你的安装目录
• 修改User settings file,设置成你的安装目录下面conf中settings.xml

File-->Build,Execution,Deployment-->Build Tools-->Maven-->Runner

• VM Options 加入如下参数

  -Xmx2g -XX:MaxPermSize=512M -XX:ReservedCodeCacheSize=512m
  

• JRE
  设置成自己想要的Java版本

d 配置Scala

File-->Settings-->Build,Execution,Deployment-->Compiler-->Scala Compiler

• Incrementality type
  设置成SBT.

File-->Settings-->Languages & Frameworks-->Scala Compile Server

• 选中 Use external compile server for scala
• JVM SDK 设置成自己需要的。

2.4 在IDEA编译源代码

a 导入代码

File-->New-->Project From Existing Source-->选择你自己的Spark目录-->Import project from external model-->Maven ,然后一路Next，耐心等待一切完成。

b 编译源代码

Build-->Make Project 或者* Ctrl + F9*

c Compilation completed successfully

开始你的Spark之旅吧！

2.5 可能遇到的问题

• not found: type SparkFlumeProtocol

View-->Tool Windows-->Maven Projects-->Reimport All Maven Projects-->Spark Project External Flume Sink-->LifeCycle-->Install-->右键Maven build
或者
View-->Tool Windows-->Maven Projects-->Reimport All Maven Projects-->Spark Project External Flume Sink-->右键 Generate Sources and Update Folders

原因：EventBatch.java,SparkFlumeProtocol.java 和 SparkSinkEvent.java是由maven的avro 插件在build过程中间生成的。

• 如果那个Module出现java.lang.NoClassDefFoundError

在Project Structure-->Modules-->对应的Module-->Dependencies-->Scope, 从provided 改为compile

• Error:scalac:

View-->Tool Windows-->Maven Projects-->Reimport All Maven Projects-->选中出问题的模块-->Lifecycle-->clean-->右键Run Maven Build
然后Ctrl + F9

• error java invalid source release 1.8 in intellij

问题出在Java8 Tests 这个模块，主要用来测试Java8的。如果你用的是java 1.8，应该不会碰到这个问题。
1.7的话，很简单，直接忽略掉这个Project就可以了。
View-->Tool Windows-->Maven Projects-->Reimport All Maven Projects-->Spark Project Java8 Tests POM-->右键Ignore projects

3，参考

感谢下面的这些作者的创作和分享，他们的文章给了我很多的帮助。自己写过一篇之后，才知道写文章是一件多么不容易的事情。正因为如此，他们的无私奉献才更显珍贵。
Build Spark-1.4.1 on Linux with Scala 2.10.5
spark-1.4.1源码Intellij IDEA编译错误TestSQLContext.scala assertion failed
Windows 下搭建 Spark 源代码阅读环境
【Spark十五】Intellj Idea搭建Spark源代码开发环境
Spark 源码和应用开发环境的构建
Spark Build Spark
IntelliJ IDEA 15.0 Help
import Spark source code into intellj, build Error: not found: type SparkFlumeProtocol and EventBatch
IntelliJ Runtime error