大数据应用常用打包方式一、简介二、mvn package三、maven-assembly-plugin插件3.1 基本使用3.2 打包命令四、maven-shade-plugin插件4.1 基本配置4.2 打包命令五、其他打包需求1. 使用非Maven仓库中的Jar2. 排除集群中已经存在的Jar3. 打包Scala文件参考资料大数据应用常用打包方式
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：
assembly.xml 文件内容如下：
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">
3.2 打包命令
采用 maven-assembly-plugin 进行打包时命令如下：
# 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
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：
implementation="org.apache.maven.plugins.shade.resource.ServicesResourceTransformer"/> implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer"> 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： # 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。 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。 ${project.build.directory}/lib 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 建议直接在 maven-assembly-plugin 或 maven-shade-plugin 的配置文件中使用 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： 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 Copyright @豆萁程序员-技术电子书整理发布 all right reserved，powered by Gitbook最后更新时间： 2022-05-22 04:34:00