使用IDEA搭建Spark源码阅读环境

Posted 2021-04-29 大数据与算法的学习历程

        闲话一分钟    

        首先建议大家首先有一定的Spark基础，再来看源码。相信会学到更多的东西，尤其是整个app的运行过程，Spark的运行流程。

        今天弄了一天，总算是弄好了。花费时间最多的就是在编译Spark。整个过程不是在排错就是在排错的路上。话不多说，直接说具体怎么搭建，同时也方便自己以后查阅。

        准备工作：安装并下载一些必要的工具，本人使用的操作系统是Win10

    1. Java1.8

    2.Scala2.11.12

    3.Maven3.5.3

    4.git2.17.0

    5.Spark2.2.1源码

    6.Intellij IDEA 2017

Spark源码下载:

        选择Source Code进行源码下载。

        开始编译Spark

       下载好源码之后，然后将其解压，使用cmd命令，进入到Spark的源码目录下进行mvn的编译。

        

        在这里我们介绍下一个少走坑路的命令，我也是踩了很多坑才在StackOverflow上找到的。

使用命令：mvn -Dscala-2.11.12 -DskipTests clean package

进行Spark的编译，在这里指定自己下载安装好的Scala版本，主要是防止和spark里面的Scala版本不一致。

在编译过程中遇到的错误：

1. org.apache.maven.plugins:maven-antrun-plugin:1.8:run

   这个错误antrun。主要原因是git没有安装，如果安装了git环境，就将git的bin目录添加到环境变量中Path下。

   

2. 如果遇见其他的错误，比如说在编译过程中，SparkSQL编译失败了，说什么找不到之类的，忽略，然后重新执行该命令进行编译，可能有时候是因为网咯原因，导致一些jar包没有下载下来。重新运行就好了。我是这样解决的。

   反复执行了好几次吧。然后终于编译成功了。

    然后使用IDEA打开源代码编译后的目录。

菜单栏--> File --> Open --> 选择根目录下的pom.xml。然后确定就行了，等待idea加载环境。

运行demo代码：

在这里我们运行Pi这个例子。

首先我们先将依赖工程依赖添加进去。

添加Scala依赖

然后能打开这样一个窗口。

在这里可以添加Java依赖也可以添加Scala的依赖。

然后我们还需要添加scala的一些依赖Jar。

然后选择Spark根目录下的assembly/target/scala-2.11/jars/

就ok拉。

做好这些之后，我们就开始运行Pi程序吧。

他说我们没有指定MasterURL，需要在config中配置。

RUN --> Edit Configurations

然后运行。

这样我们的PI就出来了。

我试过也是可以的哈。

然后就可以单步调试代码，阅读源码了。