搭建Spark源码研读和代码调试的开发环境
转载自https://github.com/linbojin/spark-notes/blob/master/ide-setup.md
搭建Spark源码研读和代码调试的开发环境
工欲善其事，必先利其器，第一篇笔记介绍如何搭建源码研读和代码调试的开发环境。 一些必要的开发工具，请自行提前安装：
- scala 2.11.8
- sbt 0.13.12
- maven 3.3.9
- git 2.10.2
- IntelliJ IDEA 2016.3 (scala plugin)
本人使用macOS 10.12，所有笔记都基于这个系统，但是其他系统也可以很容易找到对应的解决方案，比如IDE的快捷键。
源码获取与编译
从Github上获取Spark源码
可以直接从Spark官方Github仓库拉取。本系列笔记基于Spark 2.1.0这个版本，所以先checkout这个tag，再进行之后的步骤：
$ git clone git@github.com:apache/spark.git
$ cd spark
$ git tag
$ git checkout v2.1.0
$ git checkout -b pin-tag-210
如果想要push自己的commits，也可以fork到自己的Github账号下，再拉取到本地，可以参考我之前的文章：Reading Spark Souce Code in IntelliJ IDEA
编译Spark项目
参考官方文档，编译很简单，这里使用4个线程，跳过tests，以此加速编译。这个编译会产生一些必要的源代码，如Catalyst项目下的，所以是必要的一步：
$ build/mvn -T 4 -DskipTests clean package
# 编译完成后，测试一下
$ ./bin/spark-shell
源码导入与代码运行
导入源码到Intellij IDEA 16
现在IDEA对scala支持已经比较完善，导入Spark工程非常简单：
Menu -> File -> Open -> {spark dir}/pom.xml -> Open as Project
运行实例代码
导入工程后，介绍一下如何运行Spark项目自带的实例代码，在{spark dir}/examples/目录下，这里以LogQuery为例：
command + o -> 输入LogQuery打开
1. 配置运行参数：
Menu -> Run -> Edit Configurations -> 选择 + -> Application
参数配置如下： 
VM options: -Dspark.master=local代表使用本地模式运行Spark代码，也可以选择其他模式。 保存配置后，可以看到LogQuery在运行选项里了： 
2. 添加缺失的flume sink源代码
首次运行LogQuery会报错，因为IDE找不到flume依赖的部分源码： 
解决方案如下：
Menu -> File -> Project Structure -> Modules -> spark-streaming-flume-sink_2.11 -> Sources
- 把 target目录加入Sources（点击蓝色Sources）
- 把子目录sink也加入Sources
参考下图，注意右边的Source Folders列表： 
3. 添加运行依赖的jars
再次运行，这次会花费比较长的时间，因为已经可以成功编译LogQuery啦，但是还是没能运行成功，报错如下： 
不要慌，这说明你的代码编译已经成功啦，运行出错的原因是，运行Spark App一般都是通过spark-submit命令，把你的jar运行到已经安装的Spark环境里，也就是所有的Spark依赖都已经有啦，现在你用IDE的方式，就会缺少依赖。
解决方案如下：
Menu -> File -> Project Structure -> Modules -> spark-examples_2.11 -> Dependencies 添加依赖 jars -> {spark dir}/spark/assembly/target/scala-2.11/jars/
有两点需要注意：
- jars/*.jar: 这些依赖jars是在第一步编译打包Spark项目的时候产生的，如果这个目录是空的，或者修改了源代码想更新这些jars，可以用同样的命令再次编译Spark：
$ build/mvn -T 4 -DskipTests clean package
- 从上图中右侧的Scope一栏可以看到，基本上所有依赖jars都是Provided，也就是说默认都是提供的，因为默认都是用
spark-submit方式运行Spark App的。
4. 成功运行实例代码
终于再次运行LogQuery的时候，可以看到输出啦： 
单步调试源代码
千辛万苦地终于让实例代码在IDE里跑起来了，是不是很有成就感。其实做了那么多的铺垫工作，在IDE里面运行代码的最大福利是可以单步调试！ 很简单，选择断点，然后Run -> Debug，可以看到中间变量值等等，其他的自行探索吧: 
