请详述Spark核心执行流程，如何使用SparkSubmit在客户端提交job后如何通过Standalone模式获取资源并执行Spark任务计算。

Spark核心执行流程如下：

1. 客户端通过SparkSubmit提交作业（Job）到Spark集群的Master节点。
2. Master节点接收到作业请求后，将作业分发到集群中的Worker节点上。Worker节点是真正执行计算任务的节点。
3. Worker节点根据作业中的指令，将数据从HDFS或其他数据源中读取到内存中，然后开始执行计算任务。
4. Worker节点将计算结果返回给Master节点，Master节点根据结果进行整合和输出。

使用SparkSubmit在客户端提交job后如何通过Standalone模式获取资源并执行Spark任务计算，具体步骤如下：

1. 编写Spark应用程序代码，并将其打包成JAR包。
2. 在客户端上使用SparkSubmit提交作业到Standalone模式的Master节点上。
3. Master节点接收到作业请求后，将作业分发到集群中的Worker节点上。
4. Worker节点根据作业中的指令，从HDFS或其他数据源中读取数据到内存中，开始执行计算任务。
5. Worker节点将计算结果返回给Master节点。
6. Master节点根据结果进行整合和输出。

在Standalone模式下，Worker节点会从Master节点获取资源（CPU和内存），然后使用这些资源执行计算任务。在SparkSubmit提交作业时，可以通过命令行参数指定资源需求和分配方式，例如：

./bin/spark-submit \
 --class com.example.MyApp \
 --master spark://<master-ip>:7077 \
 --deploy-mode client \
 --executor-memory 2g \
 --total-executor-cores 4 \
 myApp.jar

其中，--executor-memory指定每个Executor节点的内存大小，--total-executor-cores指定所有Executor节点的CPU核心数。这些参数会被Standalone模式的Master节点用来为Worker节点分配资源。