从源码编译#

在 docker 容器内编译和使用#

此节介绍在官方编译镜像 hybridsql 中编译 OpenMLDB,主要可以用于在容器内试用和开发目的。镜像内置了编译所需要的工具和依赖,因此不需要额外的步骤单独配置它们。关于基于非 docker 的编译使用方式,请参照下面的 从源码全量编译 章节。

对于编译镜像的版本,需要注意拉取的镜像版本和 OpenMLDB 发布版本保持一致。以下例子演示了在 hybridsql:0.7.3 镜像版本上编译 OpenMLDB v0.7.3 的代码,如果要编译最新 main 分支的代码,则需要拉取 hybridsql:latest 版本镜像。

  1. 下载 docker 镜像

    docker pull 4pdosc/hybridsql:0.7
    
  2. 启动 docker 容器

    docker run -it 4pdosc/hybridsql:0.7 bash
    
  3. 在 docker 容器内, 克隆 OpenMLDB, 并切换分支到 v0.7.3

    cd ~
    git clone -b v0.7.3 https://github.com/4paradigm/OpenMLDB.git
    
  4. 在 docker 容器内编译 OpenMLDB

    cd OpenMLDB
    make
    
  5. 安装 OpenMLDB, 默认安装到${PROJECT_ROOT}/openmldb

    make install
    

    至此, 你已经完成了在 docker 容器内的编译工作,你现在可以在容器内开始使用 OpenMLDB 了。

从源码全量编译#

本章介绍脱离预制容器环境的源码编译方式。

硬件要求#

  • 内存: 推荐 8GB+.

  • 硬盘: 全量编译需要至少 25GB 的空闲磁盘空间

  • 操作系统: CentOS 7, Ubuntu 20.04 或者 macOS >= 10.15, 其他系统未经测试,欢迎提 issue 或 PR

  • CPU 架构: 目前仅支持 x86 架构,暂不支持例如 ARM 等架构 (注意在 M1 Mac 上异构运行 x86 镜像同样暂不支持)

💡 注意:默认关闭了并发编译,其典型的编译时间大约在一小时左右。如果你认为编译机器的资源足够,可以通过调整编译参数 NPROC 来启用并发编译功能。这会减少编译所需要的时间但也需要更多但内存。例如下面命令将并发编译数设置成使用四个核进行并发编译:

make NPROC=4

依赖工具#

  • gcc >= 8 或者 AppleClang >= 12.0.0

  • cmake 3.20 或更新版本(建议 < cmake 3.24)

  • JDK 8

  • Python3, Python setuptools, Python wheel

  • 如果需要从源码编译 thirdparty, 查看 third-party’s requirement 里的额外要求

编译和安装 OpenMLDB#

成功编译 OpenMLDB 要求依赖的第三方库预先安装在系统中。因此添加了一个 Makefile, 将第三方依赖自动安装和随后执行 CMake 编译浓缩到一行 make 命令中。make 提供了两种编译方式,对第三方依赖进行不同的管理方式:

  • 方式一:自动下载预编译库: 编译安装命令为:make && make install。编译脚本自动从 hybridsqlzetasql 两个仓库下载必须的预编译好的三方库。目前提供 CentOS 7, Ubuntu 20.04 和 macOS 的预编译包。对于其他操作系统,推荐使用方式二的完整编译。

  • 方式二:完整源代码编译: 如果操作系统不在支持的系统列表中(CentOS 7, Ubuntu 20.04, macOS),从源码编译是推荐的方式。注意首次编译三方库可能需要更多的时间,在一台 2 核 8 GB 内存机器大约需要一个小时。从源码编译安装第三方库, 传入 BUILD_BUNDLED=ON:

    make BUILD_BUNDLED=ON
    make install
    

以上 OpenMLDB 安装成功的默认目录放在 ${PROJECT_ROOT}/openmldb,可以通过修改参数 CMAKE_INSTALL_PREFIX 更改安装目录(详见下面章节 make 额外参数)。

make 额外参数#

控制 make 的行为. 例如,将默认编译模式改成 Debug:

make CMAKE_BUILD_TYPE=Debug
  • OPENMLDB_BUILD_DIR: 代码编译路径

    默认: ${PROJECT_ROOT}/build

  • CMAKE_BUILD_TYPE

    默认: RelWithDebInfo

  • CMAKE_INSTALL_PREFIX: 安装路径

    默认: ${PROJECT_ROOT}/openmldb

  • SQL_PYSDK_ENABLE:是否编译 Python SDK

    默认: OFF

  • SQL_JAVASDK_ENABLE:是否编译 Java SDK

    默认: OFF

  • TESTING_ENABLE:是否编译测试目标

    默认: OFF

  • NPROC: 并发编译数

    默认: 1

  • CMAKE_EXTRA_FLAGS: 传递给 cmake 的额外参数

    默认: ‘’

  • BUILD_BUNDLED: 从源码编译 thirdparty 依赖,而不是下载预编译包

    默认: OFF

  • TCMALLOC_ENABLE: 通过 tcmalloc 的暴露应用的内存信息

    默认: ON

  • OPENMLDB_BUILD_TARGET: 只需编译某些target时使用。例如,只想要编译一个测试程序ddl_parser_test,你可以设置OPENMLDB_BUILD_TARGET=ddl_parser_test。如果是多个target,用空格隔开。可以减少编译时间,减少编译产出文件,节约存储空间。

    默认: all

并发编译Java SDK#

make SQL_JAVASDK_ENABLE=ON NPROC=4

编译好的jar包在各个submodule的target目录中。如果你想要在自己的项目中使用你自己编译的jar包作为依赖,建议不要使用systemPath的方式引入(容易出现ClassNotFoundException,需要处理Protobuf等依赖包的编译运行问题)。更好的方式是,通过mvn install -DskipTests=true -Dscalatest.skip=true -Dwagon.skip=true -Dmaven.test.skip=true -Dgpg.skip安装到本地m2仓库,再使用它们。

针对特征工程优化的 OpenMLDB Spark 发行版#

OpenMLDB Spark 发行版Apache Spark 的定制发行版。它针对机器学习场景提供特定优化,包括达到10倍到100倍性能提升的原生 LastJoin 实现。你可以使用和标准 Spark 一样的 Java/Scala/Python/SQL 接口,来使用 OpenMLDB Spark 发行版。

注意:为了运行 OpenMLDB 的定制化 SQL 语法,你必须使用该 OpenMLDB Spark 发行版本。

  1. 下载预编译的OpenMLDB Spark发行版。

wget https://github.com/4paradigm/spark/releases/download/v3.2.1-openmldb0.7.3/spark-3.2.1-bin-openmldbspark.tgz

或者下载源代码并从头开始编译。

git clone https://github.com/4paradigm/spark.git
cd ./spark/
./dev/make-distribution.sh --name openmldbspark --pip --tgz -Phadoop-2.7 -Pyarn -Pallinone -Phive -Phive-thriftserver
  1. 设置环境变量 SPARK_HOME 来使用 OpenMLDB Spark 的发行版本来运行 OpenMLDB 或者其他应用。

tar xzvf ./spark-3.2.1-bin-openmldbspark.tgz
cd spark-3.2.1-bin-openmldbspark/
export SPARK_HOME=`pwd`
  1. 你现在可以正常使用 OpenMLDB 了,同时享受由定制化的 Spark 所带来的的性能提升体验。