307 lines
12 KiB
Markdown
307 lines
12 KiB
Markdown
# 大数据应用常用打包方式
|
||
|
||
<nav>
|
||
<a href="#一简介">一、简介</a><br/>
|
||
<a href="#二mvn-package">二、mvn package</a><br/>
|
||
<a href="#三maven-assembly-plugin插件">三、maven-assembly-plugin插件</a><br/>
|
||
<a href="#四maven-shade-plugin插件">四、maven-shade-plugin插件</a><br/>
|
||
<a href="#五其他打包需求">五、其他打包需求</a><br/>
|
||
<a href="#1-使用非Maven仓库中的Jar">1. 使用非Maven仓库中的Jar</a><br/>
|
||
<a href="#2-排除集群中已经存在的Jar">2. 排除集群中已经存在的Jar</a><br/>
|
||
<a href="#3-打包Scala文件">3. 打包Scala文件</a><br/>
|
||
</nav>
|
||
|
||
|
||
|
||
|
||
|
||
## 一、简介
|
||
|
||
在提交大数据作业到集群上运行时，通常需要先将项目打成 JAR 包。这里以 Maven 为例，常用打包方式如下：
|
||
|
||
- 不加任何插件，直接使用 mvn package 打包；
|
||
- 使用 maven-assembly-plugin 插件；
|
||
- 使用 maven-shade-plugin 插件；
|
||
- 使用 maven-jar-plugin 和 maven-dependency-plugin 插件；
|
||
|
||
以下分别进行详细的说明。
|
||
|
||
## 二、mvn package
|
||
|
||
不在 POM 中配置任何插件，直接使用 `mvn package` 进行项目打包，这对于没有使用外部依赖包的项目是可行的。但如果项目中使用了第三方 JAR 包，就会出现问题，因为 `mvn package` 打的 JAR 包中是不含有依赖包，会导致作业运行时出现找不到第三方依赖的异常。这种方式局限性比较大，因为实际的项目往往很复杂，通常都会依赖第三方 JAR。
|
||
|
||
大数据框架的开发者也考虑到这个问题，所以基本所有的框架都支持在提交作业时使用 `--jars` 指定第三方依赖包，但是这种方式的问题同样很明显，就是你必须保持生产环境与开发环境中的所有 JAR 包版本一致，这是有维护成本的。
|
||
|
||
基于上面这些原因，最简单的是采用 `All In One` 的打包方式，把所有依赖都打包到一个 JAR 文件中，此时对环境的依赖性最小。要实现这个目的，可以使用 Maven 提供的 `maven-assembly-plugin` 或 `maven-shade-plugin` 插件。
|
||
|
||
## 三、maven-assembly-plugin插件
|
||
|
||
`Assembly` 插件支持将项目的所有依赖、文件都打包到同一个输出文件中。目前支持输出以下文件类型：
|
||
|
||
- zip
|
||
- tar
|
||
- tar.gz (or tgz)
|
||
- tar.bz2 (or tbz2)
|
||
- tar.snappy
|
||
- tar.xz (or txz)
|
||
- jar
|
||
- dir
|
||
- war
|
||
|
||
### 3.1 基本使用
|
||
在 POM.xml 中引入插件，指定打包格式的配置文件 `assembly.xml`(名称可自定义)，并指定作业的主入口类：
|
||
|
||
```xml
|
||
<build>
|
||
<plugins>
|
||
<plugin>
|
||
<artifactId>maven-assembly-plugin</artifactId>
|
||
<configuration>
|
||
<descriptors>
|
||
<descriptor>src/main/resources/assembly.xml</descriptor>
|
||
</descriptors>
|
||
<archive>
|
||
<manifest>
|
||
<mainClass>com.heibaiying.wordcount.ClusterWordCountApp</mainClass>
|
||
</manifest>
|
||
</archive>
|
||
</configuration>
|
||
</plugin>
|
||
</plugins>
|
||
</build>
|
||
```
|
||
|
||
assembly.xml 文件内容如下：
|
||
|
||
```xml
|
||
<assembly xmlns="http://maven.apache.org/ASSEMBLY/2.0.0"
|
||
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
|
||
xsi:schemaLocation="http://maven.apache.org/ASSEMBLY/2.0.0
|
||
http://maven.apache.org/xsd/assembly-2.0.0.xsd">
|
||
|
||
<id>jar-with-dependencies</id>
|
||
|
||
<!--指明打包方式-->
|
||
<formats>
|
||
<format>jar</format>
|
||
</formats>
|
||
|
||
<includeBaseDirectory>false</includeBaseDirectory>
|
||
<dependencySets>
|
||
<dependencySet>
|
||
<outputDirectory>/</outputDirectory>
|
||
<useProjectArtifact>true</useProjectArtifact>
|
||
<unpack>true</unpack>
|
||
<scope>runtime</scope>
|
||
<!--这里以排除 storm 环境中已经提供的 storm-core 为例，演示排除 Jar 包-->
|
||
<excludes>
|
||
<exclude>org.apache.storm:storm-core</exclude>
|
||
</excludes>
|
||
</dependencySet>
|
||
</dependencySets>
|
||
</assembly>
|
||
```
|
||
|
||
### 3.2 打包命令
|
||
|
||
采用 maven-assembly-plugin 进行打包时命令如下：
|
||
|
||
```shell
|
||
# mvn assembly:assembly
|
||
```
|
||
|
||
打包后会同时生成两个 JAR 包，其中后缀为 `jar-with-dependencies` 是含有第三方依赖的 JAR 包，后缀是由 `assembly.xml` 中 `<id>` 标签指定的，可以自定义修改。
|
||
|
||
<div align="center"> <img src="../pictures/storm-jar.png"/> </div>
|
||
|
||
|
||
|
||
|
||
|
||
## 四、maven-shade-plugin插件
|
||
|
||
`maven-shade-plugin` 比 `maven-assembly-plugin` 功能更为强大，比如你的工程依赖很多的 JAR 包，而被依赖的 JAR 又会依赖其他的 JAR 包，这样,当工程中依赖到不同的版本的 JAR 时，并且 JAR 中具有相同名称的资源文件时，shade 插件会尝试将所有资源文件打包在一起时，而不是和 assembly 一样执行覆盖操作。
|
||
|
||
**通常使用 `maven-shade-plugin` 就能够完成大多数的打包需求，其配置简单且适用性最广，因此建议优先使用此方式。**
|
||
|
||
### 4.1 基本配置
|
||
|
||
采用 `maven-shade-plugin` 进行打包时候，配置示例如下：
|
||
|
||
```xml
|
||
<plugin>
|
||
<groupId>org.apache.maven.plugins</groupId>
|
||
<artifactId>maven-shade-plugin</artifactId>
|
||
<configuration>
|
||
<createDependencyReducedPom>true</createDependencyReducedPom>
|
||
<filters>
|
||
<filter>
|
||
<artifact>*:*</artifact>
|
||
<excludes>
|
||
<exclude>META-INF/*.SF</exclude>
|
||
<exclude>META-INF/*.sf</exclude>
|
||
<exclude>META-INF/*.DSA</exclude>
|
||
<exclude>META-INF/*.dsa</exclude>
|
||
<exclude>META-INF/*.RSA</exclude>
|
||
<exclude>META-INF/*.rsa</exclude>
|
||
<exclude>META-INF/*.EC</exclude>
|
||
<exclude>META-INF/*.ec</exclude>
|
||
<exclude>META-INF/MSFTSIG.SF</exclude>
|
||
<exclude>META-INF/MSFTSIG.RSA</exclude>
|
||
</excludes>
|
||
</filter>
|
||
</filters>
|
||
<artifactSet>
|
||
<excludes>
|
||
<exclude>org.apache.storm:storm-core</exclude>
|
||
</excludes>
|
||
</artifactSet>
|
||
</configuration>
|
||
<executions>
|
||
<execution>
|
||
<phase>package</phase>
|
||
<goals>
|
||
<goal>shade</goal>
|
||
</goals>
|
||
<configuration>
|
||
<transformers>
|
||
<transformer
|
||
implementation="org.apache.maven.plugins.shade.resource.ServicesResourceTransformer"/>
|
||
<transformer
|
||
implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
|
||
</transformer>
|
||
</transformers>
|
||
</configuration>
|
||
</execution>
|
||
</executions>
|
||
</plugin>
|
||
```
|
||
|
||
以上配置来源于 Storm Github，在上面的配置中，排除了部分文件，这是因为有些 JAR 包生成时，会使用 jarsigner 生成文件签名 (完成性校验)，分为两个文件存放在 META-INF 目录下：
|
||
|
||
- a signature file, with a .SF extension；
|
||
- a signature block file, with a .DSA, .RSA, or .EC extension。
|
||
|
||
如果某些包的存在重复引用，这可能会导致在打包时候出现 `Invalid signature file digest for Manifest main attributes` 异常，所以在配置中排除这些文件。
|
||
|
||
### 4.2 打包命令
|
||
|
||
使用 maven-shade-plugin 进行打包的时候，打包命令和普通打包一样：
|
||
|
||
```shell
|
||
# mvn package
|
||
```
|
||
|
||
打包后会生成两个 JAR 包，提交到服务器集群时使用非 original 开头的 JAR。
|
||
|
||
<div align="center"> <img src="../pictures/storm-jar2.png"/> </div>
|
||
|
||
|
||
|
||
## 五、其他打包需求
|
||
|
||
### 1. 使用非Maven仓库中的Jar
|
||
|
||
通常上面两种打包能够满足大多数的使用场景。但是如果你想把某些没有被 Maven 管理 JAR 包打入到最终的 JAR 中，比如你在 `resources/lib` 下引入的其他非 Maven 仓库中的 JAR，此时可以使用 `maven-jar-plugin` 和 `maven-dependency-plugin` 插件将其打入最终的 JAR 中。
|
||
|
||
```xml
|
||
<build>
|
||
<plugins>
|
||
<plugin>
|
||
<groupId>org.apache.maven.plugins</groupId>
|
||
<artifactId>maven-jar-plugin</artifactId>
|
||
<configuration>
|
||
<archive>
|
||
<manifest>
|
||
<addClasspath>true</addClasspath>
|
||
<!--指定 resources/lib 目录-->
|
||
<classpathPrefix>lib/</classpathPrefix>
|
||
<!--应用的主入口类-->
|
||
<mainClass>com.heibaiying.BigDataApp</mainClass>
|
||
</manifest>
|
||
</archive>
|
||
</configuration>
|
||
</plugin>
|
||
<plugin>
|
||
<groupId>org.apache.maven.plugins</groupId>
|
||
<artifactId>maven-dependency-plugin</artifactId>
|
||
<executions>
|
||
<execution>
|
||
<id>copy</id>
|
||
<phase>compile</phase>
|
||
<goals>
|
||
<!--将 resources/lib 目录所有 Jar 包打进最终的依赖中-->
|
||
<goal>copy-dependencies</goal>
|
||
</goals>
|
||
<configuration>
|
||
<!--将 resources/lib 目录所有 Jar 包一并拷贝到输出目录的 lib 目录下-->
|
||
<outputDirectory>
|
||
${project.build.directory}/lib
|
||
</outputDirectory>
|
||
</configuration>
|
||
</execution>
|
||
</executions>
|
||
</plugin>
|
||
</plugins>
|
||
</build>
|
||
```
|
||
|
||
### 2. 排除集群中已经存在的Jar
|
||
|
||
通常为了避免冲突，官方文档都会建议你排除集群中已经提供的 JAR 包，如下：
|
||
|
||
Spark 官方文档 Submitting Applications 章节:
|
||
|
||
> When creating assembly jars, list Spark and Hadoop as `provided` dependencies; these need not be bundled since they are provided by the cluster manager at runtime.
|
||
|
||
Strom 官方文档 Running Topologies on a Production Cluster 章节：
|
||
|
||
>Then run mvn assembly:assembly to get an appropriately packaged jar. Make sure you exclude the Storm jars since the cluster already has Storm on the classpath.
|
||
|
||
按照以上说明，排除 JAR 包的方式主要有两种：
|
||
|
||
+ 对需要排除的依赖添加 `<scope>provided</scope>` 标签，此时该 JAR 包会被排除，但是不建议使用这种方式，因为此时你在本地运行也无法使用该 JAR 包；
|
||
+ 建议直接在 `maven-assembly-plugin` 或 `maven-shade-plugin` 的配置文件中使用 `<exclude>` 进行排除。
|
||
|
||
### 3. 打包Scala文件
|
||
|
||
如果你使用到 Scala 语言进行编程，此时需要特别注意 ：默认情况下 Maven 是不会把 `scala` 文件打入最终的 JAR 中，需要额外添加 `maven-scala-plugin` 插件，常用配置如下：
|
||
|
||
```xml
|
||
<plugin>
|
||
<groupId>org.scala-tools</groupId>
|
||
<artifactId>maven-scala-plugin</artifactId>
|
||
<version>2.15.1</version>
|
||
<executions>
|
||
<execution>
|
||
<id>scala-compile</id>
|
||
<goals>
|
||
<goal>compile</goal>
|
||
</goals>
|
||
<configuration>
|
||
<includes>
|
||
<include>**/*.scala</include>
|
||
</includes>
|
||
</configuration>
|
||
</execution>
|
||
<execution>
|
||
<id>scala-test-compile</id>
|
||
<goals>
|
||
<goal>testCompile</goal>
|
||
</goals>
|
||
</execution>
|
||
</executions>
|
||
</plugin>
|
||
```
|
||
|
||
|
||
|
||
## 参考资料
|
||
关于 Maven 各个插件的详细配置可以查看其官方文档：
|
||
+ maven-assembly-plugin : http://maven.apache.org/plugins/maven-assembly-plugin/
|
||
+ maven-shade-plugin : http://maven.apache.org/plugins/maven-shade-plugin/
|
||
+ maven-jar-plugin : http://maven.apache.org/plugins/maven-jar-plugin/
|
||
+ maven-dependency-plugin : http://maven.apache.org/components/plugins/maven-dependency-plugin/
|
||
|
||
关于 maven-shade-plugin 的更多配置也可以参考该博客： [maven-shade-plugin 入门指南](https://www.jianshu.com/p/7a0e20b30401)
|