JAVA高级面试进阶训练营视频教程

admin

目录：

1.使用阿里云的Maven仓库加速Spark编译过程 

2.使用idea导入spark源码

3.解决几处build报错问题

4.使用idea编译spark生成部署包

5.jar包位置

6.运行源码example的sparkPi.scala遇到的问题解决

7.调试spark core源码

 

1.使用阿里云的Maven仓库加速Spark编译过程 

改动pom.xml文件的两处：(能用国内网网站镜像，就不用国外的，可以大大减少下载资源的等待时间，也可以避免很多错误）

1）修改下载maven仓库的网站

 <name>Maven Repository</name>

   <!--<url>https://repo1.maven.org/maven2</url>-->

 <url>http://maven.aliyun.com/nexus/content/groups/public/</url>

2）maven插件也参考这个修改

<id>central</id>

      <!--<url>https://repo1.maven.org/maven2</url>-->

  <url>http://maven.aliyun.com/nexus/content/groups/public/</url>

3）参考：http://www.kekeyun.com/thread-3385-1-1.html?spm=a2c4e.11153940.blogcont578775.14.571f5eb5HJ8Du5

 

2.使用idea导入spark源码

目录在sparkCom\spark511\spark-2.2.0-ali，导入步骤如下。

 

 

 

3.解决几处build报错问题

1）使用idea，2分钟导入成功。build，报错1：现在解决iml文件重复的问题，删除目录下重复的文件即可。

 

2）报错2：

Error:(45, 66) not found: type SparkFlumeProtocol

  val transactionTimeout: Int, val backOffInterval: Int) extends SparkFlumeProtocol with Logging {

重新下载D:\spark-home\external\flume-sink\src\main\scala\org\apache\spark\streaming\flume\sink资源文件即可。（一分钟）

 

3）报错3：

Error:(36, 45) object SqlBaseParser is not a member of package org.apache.spark.sql.catalyst.parser

import org.apache.spark.sql.catalyst.parser.SqlBaseParser._

先reimport，build还报这个错，就重新下载所有资源文件。

4）报错4：Error:(52, 75) not found: value TCLIService

public abstract class ThriftCLIService extends AbstractService implements TCLIService.Iface, Runnable {

解决完报错的信息，再次build，就可以成功。

 

此处具体可以参考：https://blog.csdn.net/He11o_Liu/article/details/78739699

4.使用idea编译spark生成部署包

1）在maven projects视图选择Spark Project Parent POM(root)，然后选中工具栏倒数第四个按钮（ship Tests mode）按下，这时Liftcycle中test是灰色的。

 

2）接着按倒数第一个按钮进入Maven设置，在runner项设置VM option：

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

按OK 保存。

3）回到maven projects视图，点中Liftcycle中package，然后按第5个按钮（Run Maven Build按钮），开始编译。其编译结果和Maven编译是一样的。

好感动，之前好多次用idea+maven编译没有成功，编译终于成功了。

 

5）整个项目编译的时间较长，如果之后的开发中，只改动了某个包下的源码，就只需要重新编译对应的jar包，然后替换对应源码目录的jars包，这样就可以在自己二次开发后的源码进行调试、运行了。

参考：https://blog.csdn.net/book_mmicky/article/details/25714445

 

5.jar包位置

编译出来的是一个完整的包，存放在./assembly/target/scala-2.10下，这个包包含了Spark编译得到的jar包，以及编译过程中所依赖的包。

6.直接运行源码example的sparkPi.scala

解决几处error。

1）报错1：

Exception in thread "main" java.lang.NoClassDefFoundError: scala/collection/Seq

at org.apache.spark.examples.SparkPi.main(SparkPi.scala)

Caused by: java.lang.ClassNotFoundException: scala.collection.Seq

原因是：scala的jar包未导入。

解决方法：project structure->libraries->+ scala sdk

 

再右键点击sdk->add to modules:

 

2）报错2：

Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/spark/sql/SparkSession$

at org.apache.spark.examples.SparkPi$.main(SparkPi.scala:28)

at org.apache.spark.examples.SparkPi.main(SparkPi.scala)

Caused by: java.lang.ClassNotFoundException: org.apache.spark.sql.SparkSession$

原因是：spark 的jar包未引入。

解决：project structure->libraries->+java->刚才编译好的jar包位置

 

3）报错3：

ERROR SparkContext: Error initializing SparkContext.

org.apache.spark.SparkException: A master URL must be set in your configuration

at org.apache.spark.SparkContext.<init>(SparkContext.scala:376)

解决办法：设置本地运行模式。在edit configuratios下设置

VM option：-Dspark.master=local

 

4）解决完之前的错误，可以运行sparkPi,控制台输出计算的π值。

7.调试spark core源码

这个部分可以参考：通过打印调用堆栈进行spark源码跟读