第1关:spark-submit提交 解析

Spark-submit是Spark自带的提交脚本，用于将Spark应用程序提交到集群中运行。Spark-submit可以将应用程序打包成一个JAR包并提交到集群中运行，也可以直接提交一个Python文件或者一个Scala文件。

使用Spark-submit提交应用程序时，需要指定以下参数：

1. --class：指定主类名，如果是Java应用程序，需要指定该参数；如果是Scala应用程序，可以省略该参数，Spark-submit会自动查找Scala文件中的main函数。

2. --master：指定运行模式，可以是local、yarn、mesos等。

3. --deploy-mode：指定部署模式，可以是client或者cluster，如果是client模式，则Driver运行在提交任务的机器上；如果是cluster模式，则Driver运行在集群中的某个节点上。

4. --executor-memory：指定Executor的内存大小。

5. --total-executor-cores：指定Executor的总核数。

6. --num-executors：指定Executor的个数。

7. 应用程序的JAR包路径或者Python/Scala文件路径。

例如，使用Spark-submit提交一个Java应用程序，命令如下：

./bin/spark-submit --class com.spark.example.WordCount --master yarn --deploy-mode client --executor-memory 2g --total-executor-cores 4 --num-executors 2 /path/to/WordCount.jar /path/to/input /path/to/output

其中，--class指定了Java应用程序的主类名为com.spark.example.WordCount，--master指定了运行模式为yarn，--deploy-mode指定了部署模式为client，--executor-memory指定了每个Executor的内存大小为2g，--total-executor-cores指定了Executor总核数为4，--num-executors指定了Executor的个数为2，最后两个参数为输入和输出路径。