spark3.3.1 for CDH6.3.2 打包

spark3.3.1 CDH 打包

因为 CDH 在 6.3.2 之后开始收费，而自带的spark版本太低，还阉割了 spark-sql 功能。所以我们直接外挂spark3.3.1，使用 CDH 6.3.2 相关的 hadoop lib。

下载相关组件

wget https://archive.apache.org/dist/maven/maven-3/3.8.6/source/apache-maven-3.8.6-src.tar.gz 
wget https://archive.apache.org/dist/spark/spark-3.3.1/spark-3.3.1.tgz

mv spark-3.3.1.tgz apache-maven-3.6.3-src.tar.gz /opt/

cd /opt/
tar -zxvf spark-3.3.1.tgz
tar -zxvf apache-maven-3.6.3-src.tar.gz 
1
2
3
4
5
6
7
8

更改环境变量

# 登陆 10.0.1.20
# 环境变量的一些相关配置 可忽略
# 实例：
ava.sh  maven.sh scala.sh
==> java.sh <==
export JAVA_HOME=/opt/jdk1.8.0_351
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib:$CLASSPATH
export JAVA_PATH=${JAVA_HOME}/bin:${JRE_HOME}/bin
export PATH=${JAVA_PATH}:${PATH}

==> maven.sh <==
export MAVEN_HOME=/opt/apache-maven-3.6.3
export PATH=$PATH:$MAVEN_HOME/bin

==> scala.sh <==
export SCALA_HOME=/opt/scala-2.12.17
export PATH=$PATH:$SCALA_HOME/bin

# 验证 请保证每个环境参数都存在。
echo $JAVA_HOME 
echo $JRE_HOME 
echo $CLASSPATH
echo $JAVA_PATH
echo $MAVEN_HOME
echo $SCALA_HOME
echo $PATH # 上述的JAVA JRE MAVEN都存在

java -version
scala -version
mvn -v
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

更改相关配置文件

添加maven中央仓库 和 cloudera 仓库

vim ${SPARK_HOME}/pom.xml
1

在 repositories中添加

    <repository>  
        <id>alimavenid>  
        <name>aliyun mavenname>  
        <url>http://maven.aliyun.com/nexus/content/groups/public/url>  
        <releases>  
            <enabled>trueenabled>  
        releases>  
        <snapshots>  
            <enabled>falseenabled>  
        snapshots>  
    repository>
    <repository>
        <id>clouderaid>
        <url>https://repository.cloudera.com/artifactory/cloudera-repos/url>
    repository>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

这里也需要将hadoop verison进行更改

<hadoop.version>3.0.0-cdh6.3.2hadoop.version>
<maven.version>3.6.3maven.version>
1
2

更改mvn地址

vim ./dev/make-distribution.sh
#MVN="$SPARK_HOME/build/mvn"
MVN="/opt/apache-maven-3.6.3/bin/mvn"
1
2
3

maven 打包参数

vim ./dev/make-distribution.sh
# 将原始 export MAVEN_OPTS="${MAVEN_OPTS:--Xmx2g -XX:ReservedCodeCacheSize=1g}"
# 更改为 
export MAVEN_OPTS="${MAVEN_OPTS:--Xmx6g -XX:ReservedCodeCacheSize=2g}"
1
2
3
4

更改 scala版本

scala -version
# 2.12
./dev/change-scala-version.sh 2.12
1
2
3

maven编译命令

用的是spark的 ./dev/make-distribution.sh 脚本进行编译，这个脚本其实也是用maven编译的，

• –tgz 指定以tgz结尾
• –name后面跟的是我们Hadoop的版本，在后面生成的tar包我们会发现名字后面的版本号也是这个（这个可以看make-distribution.sh源码了解）
• -Pyarn 是基于yarn
• -Dhadoop.version=3.0.0-cdh6.3.2 指定Hadoop的版本。

./dev/make-distribution.sh \
--name 3.0.0-cdh6.3.2 --tgz  -Pyarn -Phadoop-3.0 \
-Phive -Phive-thriftserver -Dhadoop.version=3.0.0-cdh6.3.2 -X
1
2
3

maven打包完毕

版本包打完结果：


会有一个名为 spark-3.3.1-bin-3.0.0-cdh6.3.2.tgz 的版本包出现。

---

安装 spark3-cdh

在 /opt/cloudera/parcels/CDH/ 中安装spark-3.3.1

cp spark-3.3.1-bin-3.0.0-cdh6.3.2.tgz /opt/cloudera/parcels/CDH/lib
cd /opt/cloudera/parcels/CDH/lib
tar -zxvf spark-3.3.1-bin-3.0.0-cdh6.3.2.tgz
mv spark-3.3.1-bin-3.0.0-cdh6.3.2 spark3
1
2
3
4

配置 spark-env

cp /etc/spark/conf/spark-env.sh  /opt/cloudera/parcels/CDH/lib/spark3/conf
vim ./conf/spark-env.sh
# 更改一下 SPARK_HOME（其实也不用更改，但需要确认目录是否正确)

cp /etc/hive/conf/hive-site.xml /opt/cloudera/parcels/CDH/lib/spark3/conf/
# 确保CDH已经正常启动，并且resourcesManager已经启动
1
2
3
4
5
6

编辑一个 spark-sql

vim ${SPARK3_HOME}/bin/spark-sql
#vim /opt/cloudera/parcels/CDH/bin/spark-sql 

#!/bin/bash  
# Reference: http://stackoverflow.com/questions/59895/can-a-bash-script-tell-what-directory-its-stored-in  
export HADOOP_CONF_DIR=/etc/hadoop/conf
export YARN_CONF_DIR=/etc/hadoop/conf
SOURCE="${BASH_SOURCE[0]}"  
BIN_DIR="$( dirname "$SOURCE" )"  
while [ -h "$SOURCE" ]  
do  
 SOURCE="$(readlink "$SOURCE")"  
 [[ $SOURCE != /* ]] && SOURCE="$BIN_DIR/$SOURCE"  
 BIN_DIR="$( cd -P "$( dirname "$SOURCE" )" && pwd )"  
done  
BIN_DIR="$( cd -P "$( dirname "$SOURCE" )" && pwd )"  
LIB_DIR=$BIN_DIR/../lib  
export HADOOP_HOME=$LIB_DIR/hadoop  
  
# Autodetect JAVA_HOME if not defined  
. $LIB_DIR/bigtop-utils/bigtop-detect-javahome  
  
exec $LIB_DIR/spark3/bin/spark-submit --class org.apache.spark.sql.hive.thriftserver.SparkSQLCLIDriver "$@"
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

完成后使用 alternatives 进行环境变量管控

alternatives --install /usr/bin/spark-sql spark-sql /opt/cloudera/parcels/CDH/bin/spark-sql 1
alternatives --config spark-sql
# 如果有多个版本，切换为刚刚配置的
1
2
3

验证 spark-sql

进入spark-sql

show databases;
use ods;
show tables;
1
2
3

该节点spark-sql搭建完毕。

其余节点只需要scp spark包，并进行对应操作即可。

PS 打包出来的文件

https://download.csdn.net/download/qq_36610426/87125679

不需要积分下载，请好评！