后端编译

    请注意：官方推荐使用 Hadoop-2.7.2、Hive-1.2.1、Spark-2.4.3 和 Scala-2.11.12 对 Linkis 进行编译。

    如果您想使用 Hadoop、Hive、Spark 的其他版本对 Linkis 进行编译，请参考：如何修改Linkis的依赖的Hadoop、Hive、Spark版本

    注意

    因为mysql-connector-java驱动是GPL2.0协议，不满足Apache开源协议关于license的政策，因此从1.0.3版本开始，对mysql-connector-java的依赖项作用域scope默认是test，若自行编译，可以修改顶级pom.xml的mysql-connector-java依赖的scope作用域（注释掉即可）

    如果您是本地第一次编译使用，必须在 Linkis 源码工程的根目录先执行以下命令：

    2.     mvn -N  install

    在 Linkis 源码包根目录执行以下命令:

    1.     cd linkis-x.x.x
    2.     mvn clean install

    编译后的完整安装包，在工程的linkis-dist->target目录下：

    1.     #详细路径如下
    2.     linkis-x.x.x/linkis-dist/target/apache-linkis-x.x.x-incubating-bin.tar.gz

    后端编译 - 图2注意

    如有没有执行过全量编译，先要进行一次全量编译

    进入到对应模块进行编译，比如想重新编译 Entrance，命令如下：

    1.     cd linkis-x.x.x/linkis-computation-governance/linkis-entrance
    2.     mvn clean install

    注意

    如有没有执行过全量编译，先要进行一次全量编译

    这里以编译Spark 引擎为例：

    进入到 Spark 引擎所在的目录进行编译打包，命令如下：

    1.     cd linkis-x.x.x/linkis-engineconn-plugins/spark
    2.     mvn clean install

    在对应模块的target目录下：

    1.    #spark文件下就是编译好的引擎物料
    2.    linkis-x.x.x/linkis-engineconn-plugins/spark/target/out/spark

    如何单独安装 Spark 引擎？请参考

    以jdbc引擎为例

    step1 修改linkis-dist/src/main/assembly/distribution.xml 添加jdbc引擎

    1.  <!--jdbc-->
    2.     <fileSet>
    4.       </directory>
    5.       <outputDirectory>lib/linkis-engineconn-plugins/</outputDirectory>
    6.       <includes>
    7.         <include>**/*</include>
    8.       </includes>
    9. </fileSet>

    step2 如果已经全量编译，可以直接重新编译linkis-dist模块，如果没有，这执行全量编译

    1. -pl,--projects <arg>                   Comma-delimited list of specified
    2.                                         reactor projects to build instead
    3.                                         of all projects. A project can be
    4.                                         specified by [groupId]:artifactId
    5.                                         or by its relative path.

    通过!实现反选，从而排除指定的引擎，缩短全量编译所需时间，以flink、sqoop和hive为例，跳过这些引擎进行编译:

    请注意：Hadoop 作为大数据基础服务，Linkis 必须依赖 Hadoop 进行编译； 而 Spark、Hive等计算存储引擎则不然，如果您不想使用某个引擎，可以无需设置该引擎的版本，无需编译该引擎插件。

    具体而言，修改 Hadoop 的版本与 Spark、Hive 等计算引擎的方式不同，下面详细介绍：

    进入 Linkis 源码包根目录，手动修改 pom.xml 文件的 Hadoop 版本信息，具体如下：

    1.     cd linkis-x.x.x
    2.     vim pom.xml
    1.     <properties>
    3.         <scala.version>2.11.12</scala.version>
    4.         <jdk.compile.version>1.8</jdk.compile.version>
    6.     </properties>

    后端编译 - 图4注意

    请注意：如果你的hadoop版本是hadoop3，需要修改linkis-hadoop-common的pom文件

    因为在hadoop2.8以下的时候，hdfs相关的class是在hadoop-hdfs模块中的，但是在hadoop 3.X中将对应的class移动到了模块hadoop-hdfs-client当中，您需要修改下这个文件：

    pom:Linkis/linkis-commons/linkis-hadoop-common/pom.xml 修改依赖hadoop-hdfs为hadoop-hdfs-client：

    1.  <dependency>
    2.         <groupId>org.apache.hadoop</groupId>
    3.         <artifactId>hadoop-hdfs</artifactId>  <!-- 只需要将该行替换即可，替换为 <artifactId>hadoop-hdfs-client</artifactId>-->
    4.         <version>${hadoop.version}</version>
    5. </dependency>
    6.  将hadoop-hdfs修改为：
    7.  <dependency>
    8.         <groupId>org.apache.hadoop</groupId>
    9.         <artifactId>hadoop-hdfs-client</artifactId>
    10.         <version>${hadoop.version}</version>
    11. </dependency>

    这里以修改 Spark 的版本为例进行介绍。进入 Spark 引擎所在的目录，手动修改 pom.xml 文件的 Spark 版本信息，具体如下：

    1.     cd linkis-x.x.x/linkis-engineconn-plugins/spark

    修改其他引擎的版本与修改 Spark 版本类似，先进入相关引擎所在的目录，手动修改 pom.xml 文件的引擎版本信息即可。

    然后请参考 编译某个引擎