在提交工作前，上传工件，例如上传 jar 文件到群集可见的位置（例如，HTTP、S3 或 HDFS）。了解更多。
运行作业。在 jar url 之前包含所有配置标记，在 jar url 之后包含 Spark 作业的自变量。通常遵循模板 dcos spark run --submit-args=" <flags> URL [args] where <flags> 可以是这样的事情 --conf spark.cores.max=16 和 --class my.aprk.app, URL 是应用程序的位置, 和 [args] 是应用程序的任何自变量。
```
dcos spark run --submit-args=--class MySampleClass http://external.website/mysparkapp.jar" 

dcos spark run --submit-args="--py-files mydependency.py http://external.website/mysparkapp.py" 

dcos spark run --submit-args="http://external.website/mysparkapp.R" 
```
如果您的作业成功运行，您将收到一条含有工作提交 ID 的消息：
```
Run job succeeded. Submission id: driver-20160126183319-0001
```
要查看 Spark 调度程序进度，导航到 Spark 调度程序：http://<dcos-url>/service/spark/。
要查看作业的日志，可通过 Mesos UI： http://<dcos-url>/mesos/. Or dcos task log --follow <submission_id>

设置 Spark 属性

Spark 作业设置通过配置 Spark 属性来控制。

提交

所有属性均通过 --submit-args 选项提交给 dcos spark run：有一些独特的 DC/OS 选项不在 Spark 提交中（例如 --keytab-secret-path）。查看 dcos spark run --help 以获取所有这些选项的列表。由 Spark 支持的所有 --conf 属性可通过命令行在 --submit-args 字符串中传递。

 dcos spark run --submit-args="--conf spark.executor.memory=4g --supervise --class MySampleClass http://external.website/mysparkapp.jar 30`

设置自动配置默认值

要使用配置文件设置 Spark属性，创建一个 spark-defaults.conf 文件并设置环境变量 SPARK_CONF_DIR 到包含的目录。了解更多。

使用属性文件

要在不混乱命令行的情况下重复使用 Spark属性，CLI 支持传递路径给包含 Spark 属性的本地文件。此文件是空白分隔的属性和值。

例如，

spark.mesos.containerizer   mesos
spark.executors.cores       4
spark.eventLog.enabled      true
spark.eventLog.dir          hdfs:///history

将设置 containerizer 为 mesos，执行程序核心为 4 并启用历史服务器。此文件在本地解析，因此不可用于您的驱动程序应用程序。

密钥

Enterprise DC/OS 提供了一个密钥存储库，用于访问敏感数据，如数据库密码、私钥和 API 令牌。DC/OS 管理密钥数据的安全运输、访问控制和授权，以及安全存储密钥内容。密钥可能以文件和/或以环境变量的形式暴露给驱动程序和执行程序。要配置作业访问密钥，请参阅使用密钥存储库和使用 Mesos 密钥部分。

DC/OS 覆盖网络

要在DC/OS 覆盖网络中提交 Spark 作业：

 dcos spark run --submit-args="--conf spark.mesos.containerizer=mesos --conf spark.mesos.network.name=dcos --class MySampleClass http://external.website/mysparkapp.jar"

请注意，DC/OS 覆盖支持需要 UCR，而不是默认 Docker Containerizer，所以必须设置 --conf spark.mesos.containerizer=mesos。

驱动程序故障切换超时

--conf spark.mesos.driver.failoverTimeout 选项指定管理节点在临时断开连接之后将等待驱动程序重新连接的时间量（以秒为单位），超过此时间，则会通过杀死其所有执行程序将驱动程序框架拆毁。默认值为零，意味着无超时：如果驱动程序断开连接，管理节点立即拆毁框架。

要提交一个非零故障切换超时的工作：

 dcos spark run --submit-args="--conf spark.mesos.driver.failoverTimeout=60 --class MySampleClass http://external.website/mysparkapp.jar"

注意： 如果您在作业完成之前将其杀死，框架将继续作为 Mesos 中的 inactive 框架存留，存续时间等于故障切换超时时间。在超时之前，您可以通过点击 Mesos 拆毁端点手动将框架拆毁。

版本

DC/OS Apache Spark Docker 镜像包含 OpenJDK 8 和 Python 2.7.6。

DC/OS Apache Spark 分布 1.X 采用 Scala 2.10 编译。DC/OS Apache Spark 分布 2.X 采用 Scala 2.11 编译。Scala 各个小版本之间并非二进制兼容，因此，您的 Spark 作业必须采用与您的 DC/OS Apache Spark版本相同的 Scala 版本编译。

默认 DC/OS Apache Spark 分布针对 Hadoop 2.6 库编译。然而，您可以按照“安装”页面中自定义 Spark 分布部分中的说明选择不同的版本。

运行 Spark 作业