虽然在运行Hadoop的时候可以打印出大量的运行日志，但是很多时候只通过打印这些日志是不能很好地跟踪Hadoop各个模块的运行状况。这时候编译与调试Hadoop源码就得派上场了。这也就是今天本文需要讨论的。
先说说怎么编译Hadoop源码，本文主要介绍在Linux环境下用Maven来编译Hadoop。在编译Hadoop之前，我们需要准备好编译环境：
1、安装好1.6或以上的JDK;
2、安装Maven，被做好相应的配置;
3、安装ProtocolBuffer 2.5.0，MapReduce和HDFS用google protocol buffer来压缩和交换数据;
4、如果你是第一次编译，则需要保证电脑能够网络连接，主要用于获取所有Maven和Hadoop依赖库;
5、如果你需要查找bug，则需要安装Findbugs;
6、如果要生成文档则需要安装Forrest 0.8;
7、如果编译native code则需要安装Autoto;
上面的前提条件1-4是必须的，5-7是可选的。编译的环境准备好之后，那我们就可以去编译Hadoop源码了。本文以编译Hadoop2.2.0源码为例，进行说明。从官方下载下来的Hadoop源码一般是包含以下几个Maven工程：
- hadoop-assemblies
- hadoop-client
- hadoop-common-project
- hadoop-dist
- hadoop-hdfs-project
- hadoop-mapreduce-project
- hadoop-maven-plugins
- hadoop-minicluster
- hadoop-project
- hadoop-project-dist
- hadoop-tools
- hadoop-yarn-project
上面各个功能模块的含义已经超出本文的主题，所以我不打算介绍。将上面的源码放在一个地方，比如，我放在/home/wyp/hadoop文件夹中，下面提供几种Hadoop源码的编译方式及说明
- 如果不需要native code、忽略测试用例和文档，可以用下面的命令创建二进制分发版：
- [[email protected] /home/wyp/hadoop]$ mvn package -Pdist -DskipTests -Dtar
- 创建二进制分发版，带native code和文档：
- [[email protected] /home/wyp/hadoop]$ mvn package -Pdist,native,docs -DskipTests -Dtar
- 创建源码分发版
- [[email protected] /home/wyp/hadoop]$ mvn package -Psrc -DskipTests
- 创建二进制带源码分发版，带native code和文档：
- [[email protected] /home/wyp/hadoop]$ mvn package \
- -Pdist,native,docs,src -DskipTests -Dtar
- 创建本地版web页面，放在/tmp/hadoop-site
- [[email protected] /home/wyp/hadoop]$ mvn clean site; mvn \
- site:stage -DstagingDirectory=/tmp/hadoop-site
上面提供了几种Hadoop源码的编译方式（参考文档：http://svn.apache.org/repos/asf/hadoop/common/trunk/BUILDING.txt），大家可以根据自己的需求选择不同的编译方式，但是这里我推荐第一种编译方式。我们可以将编译好的模块覆盖掉${HADOOP_HOME} /share/hadoop目录中对应模块里面的jar文件，然后重启Hadoop集群则新的编译包将生效。
远程调试Hadoop
远程调试对应用程序开发十分有用，那如何调试Hadoop源码？这里介绍如何用IDE远程调试Hadoop源码。本文以IntelliJ IDEA作为IDE，以调试Jobhistory WEB UI代码为例进行说明。
第一步：在启动Hadoop历史服务器进程之前在终端加入以下环境配置：
- [[email protected] /home/wyp/hadoop]$ export HADOOP_OPTS="-Xdebug \
- -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=8888"
复制代码
这里对上面的几个参数进行说明：-Xdebug 启用调试特性-Xrunjdwp 启用JDWP实现，包含若干子选项：transport=dt_socket JPDA front-end和back-end之间的传输方法。dt_socket表示使用套接字传输。address=8888 JVM在8888端口上监听请求，这个设定为一个不冲突的端口即可。server=y y表示启动的JVM是被调试者。如果为n，则表示启动的JVM是调试器。suspend=y y表示启动的JVM会暂停等待，直到调试器连接上才继续执行。suspend=n，则JVM不会暂停等待。
第二步：启动Jobhistory进程
- [[email protected] /home/wyp/hadoop]$ ${HODOOP_HOME}/sbin/mr-jobhistory-daemon.sh \ start historyserver
- starting historyserver, logging to /home/wyp/Downloads/\
- hadoop/logs/mapred-wyp-historyserver-master.out
- Listening for transport dt_socket at address: 8888
上面的Listening for transport dt_socket at address: 8888表明jobhistory已经在端口为8888启动了远程调试。
第三步：打开IntelliJ IDEA，找到hadoop-2.2.0-src\hadoop-mapreduce-project\hadoop-mapreduce-client\hadoop-mapreduce-client-hs\src\main\java\org\apache\hadoop\mapreduce\v2\hs\webapp\HsController.java类，在里面设置一些断点，然后依次选择菜单 Run->Run…->Edit Configurations…->选择左上角的+号->Remote，这时右边将会出现一个Configuration页面进行远程调试配置，请在Host和Port文本框里面输入jobhistory服务所在主机的IP及刚刚的8888端口，然后选择OK。这时候IDE进入了远程调试模式，你可以和普通的调试一样调试Hadoop源码。调试其他的Hadoop源码道理和上面的一样，这里就不一一列举了。