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：

Copy

<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：

Copy

<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：

Copy

# 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。

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：

Copy

<plugin>    <groupId>org.apache.maven.plugins</groupId>    <artifactId>maven-shade-plugin</artifactId>    <configuration>        <createDependencyReducedPom>true</createDependencyReducedPom>        <filters>            <filter>                <artifact>*:*</artifact>                <excludes>                    <exclude>META-INF*.scala</include>                </includes>            </configuration>        </execution>        <execution>            <id>scala-test-compile</id>            <goals>                <goal>testCompile</goal>            </goals>        </execution>    </executions></plugin>