【教程】如何编译指定版本Spark

背景

我们目前在K8S集群中使用的spark是，基于kubeflow的Spark-Operator来运行的，对应的spark版本： 3.2.1

为啥要编译指定版本的Spark？

主要是需要读取一个消息队列的数据源， 看到有对应数据源spark读取的实现，有现成的。不过，是基于低版本spark 2.3的实现，想直接拿来用（果然没有现成的馅饼）。

结果： 悲剧了， 根本用不上。 还遇到一堆问题（不支持 On K8S、 spark operator的兼容性问题）

最终： 跑是跑起来了， 只能local模式。On K8S的问题有太多兼容性问题

所以，想着总结一下在这过程中遇到的问题

源码下载

Apache Spark， 选择对应的分支即可， 以下操作都以branch-2.3为例

准备工具

• sbt:  下载并安装
• jdk:  jdk8

正式编译

假设你当前正在下载的spark根目录${source_code_root}

添加模块编译：

• -Pkubernetes: 启用 Kubernetes 模块

编译命令如下：

./build/sbt  -Pkubernetes clean package

编译结果

在编译完成后，产生的结果如下：

• 运行环境的jar包： ${source_code_root}/assembly/target/scala-${scala_version}/jars

注意： 不同模块编译时，依赖生产的位置不同，最终都会放入这个jars目录下

• spark-submit： ${source_code_root}/bin
• spark-class： ${source_code_root}/bin
• entrypoint.sh： ${source_code_root}/resource-managers/kubernetes/docker/src/main/dockerfiles/spark

运行程序

./bin/spark-submit \
    --master k8s://https://<k8s-apiserver-host>:<k8s-apiserver-port> \
    --deploy-mode cluster \
    --name spark-pi \
    --class org.apache.spark.examples.SparkPi \
    --conf spark.executor.instances=5 \
    --conf spark.kubernetes.container.image=<spark-image> \
    local:///path/to/examples.jar

遇到的报错

1. Exception in thread "main" org.apache.spark.SparkException: The Kubernetes mode does not yet support referencing application dependencies in the local file system.

解决方案： 不是spark的依赖jar的问题，是你需要提交的程序jar的问题，一般都是没有在需要运行的程序前面加： local:// 导致的