使用已安装的spark和maven将Spark Scala Program编译为jar文件

仍然试图熟悉maven并将我的源代码编译成jar文件以进行spark-submit。 我知道如何使用IntelliJ，但想了解这实际上是如何工作的。 我有一个EC2服务器，已经安装了所有最新的软件，如spark和scala，并且有我想用maven编译的示例SparkPi.scala源代码。 我的愚蠢问题首先是，我可以使用我安装的软件来构建代码，而不是从maven存储库中检索依赖项，如何从基本的pom.xml模板开始添加适当的需求。 我不完全理解maven正在做什么，我怎么才能测试我的源代码的编译？ 据我了解，我只需要有标准的目录结构src/main/scala然后想运行mvn package 。 此外，我想用maven而不是sbt进行测试。

Answer 1

除了@Krishna之外，如果你有mvn project ，请在pom.xml上使用mvn clean package 。 确保你的pom.xml有以下build来制作fat-jar 。 （这是我的情况，我是如何制作jar子的）

 src  maven-compiler-plugin 3.0  1.7 1.7    org.apache.maven.plugins maven-assembly-plugin 2.4   jar-with-dependencies     assemble-all package  single      

有关更多详细信息： 链接如果您有sbt project ，请使用sbt clean assembly来制作fat-jar 。 为此，您需要以下配置，作为build.sbt的示例

 assemblyJarName := "WordCountSimple.jar" // val meta = """META.INF(.)*""".r assemblyMergeStrategy in assembly := { case PathList("javax", "servlet", xs@_*) => MergeStrategy.first case PathList(ps@_*) if ps.last endsWith ".html" => MergeStrategy.first case n if n.startsWith("reference.conf") => MergeStrategy.concat case n if n.endsWith(".conf") => MergeStrategy.concat case meta(_) => MergeStrategy.discard case x => MergeStrategy.first } 

另外plugin.sbt喜欢：

 addSbtPlugin("com.eed3si9n" % "sbt-assembly" % "0.13.0") 

有关更多信息，请参阅此内容 。

到这里为主要目标是在目标文件夹中获取所有依赖项的fat-jar。 使用该jar在集群中运行如下：

 hastimal@nm:/usr/local/spark$ ./bin/spark-submit --class com.hastimal.wordcount --master yarn-cluster --num-executors 15 --executor-memory 52g --executor-cores 7 --driver-memory 52g --driver-cores 7 --conf spark.default.parallelism=105 --conf spark.driver.maxResultSize=4g --conf spark.network.timeout=300 --conf spark.yarn.executor.memoryOverhead=4608 --conf spark.yarn.driver.memoryOverhead=4608 --conf spark.akka.frameSize=1200 --conf spark.io.compression.codec=lz4 --conf spark.rdd.compress=true --conf spark.broadcast.compress=true --conf spark.shuffle.spill.compress=true --conf spark.shuffle.compress=true --conf spark.shuffle.manager=sort /users/hastimal/wordcount.jar inputRDF/data_all.txt /output 

这里我有inputRDF/data_all.txt /output是两个args。 同样在工具的角度来看，我在Intellij中Intellij为IDE。

Answer 2

请按照以下步骤操作

 # create assembly jar upon code change sbt assembly # transfer the jar to a cluster scp target/scala-2.10/myproject-version-assembly.jar  # fire spark-submit on your cluster $SPARK_HOME/bin/spark-submit --class not.memorable.package.applicaiton.class --master yarn --num-executor 10 \ --conf some.crazy.config=xyz --executor-memory=lotsG \ myproject-version-assembly.jar \