Spark作业编辑页面支持执行Spark作业，为用户提供全托管式的Spark计算服务。
在总览页面，单击Spark作业右上角的“创建作业”，或在Spark作业管理页面，单击右上角的“创建作业”，均可进入Spark作业编辑页面。
进入Spark作业编辑页面，页面会提示系统将创建DLI临时数据桶。该桶用于存储使用DLI服务产生的临时数据，例如：作业日志、作业结果等。如果不创建该桶，将无法查看作业日志。桶名称为系统默认。
如果不需要创建DLI临时数据桶，并且希望不再收到该提示，可以勾选“下次不再提示”并单击“取消”。
前提条件
1.请先将所要依赖的程序包通过“数据管理>程序包管理”页面上传至对应的OBS桶中。具体操作请参考创建程序包。
2.创建Spark作业，访问其他外部数据源时，如访问OpenTSDB、HBase、Kafka、DWS、RDS、ES、CloudTable、DCS Redis、DDS Mongo等，需要先创建跨源连接，打通作业运行队列到外部数据源之间的网络。
-
当前Spark作业支持访问的外部数据源详情请参见跨源连接和跨源分析概述。
-
创建跨源连接操作请参见增强型跨源连接。
创建完跨源连接后，可以通过“资源管理 > 队列管理”页面，单击“操作”列“更多”中的“测试地址连通性”，验证队列到外部数据源之间的网络连通是否正常。详细操作可以参考测试地址联通性。
操作步骤
1.在DLI管理控制台的左侧导航栏中，单击“作业管理”>“Spark作业”，进入“Spark作业”页面。
点击右上角的“创建作业”，在Spark作业编辑窗口，可以选择使用“表单模式”或者“API模式”进行参数设置。
以下以“表单模式”页面进行说明，“API模式”即采用API接口模式设置参数及参数值。
2.选择运行队列。
在下拉列表中选择要使用的队列。
3.作业配置。
参考下表配置作业参数。
作业配置参数说明
参数名称 参数描述 作业名称（--name） 设置作业名称。
应用程序
选择需要执行的程序包。包括“.jar”和“.py”两种类型。
主类（--class）
输入主类名称。当应用程序类型为“.jar”时，主类名称不能为空。
Spark参数（--conf）
以“key=value”的形式设置提交Spark作业的属性，多个参数以Enter键分隔。
Spark参数value支持全局变量替换。例如，在“全局配置”>“全局变量”中新增全局变量key为custom_class，可以使用"spark.sql.catalog"={{custom_class}}，在提交作业之后进行变量替换。
说明
l Spark作业不支持自定义设置jvm垃圾回收算法。
l 如果选择Spark版本为3.1.1时，需在Spark参数（--conf)配置跨源作业的依赖模块。配置样例请参考下表“Spark参数”。
作业特性
“所属队列”选择CCE队列时，设置该参数。表示用户作业使用的Spark镜像类型，具体说明如下：
l 基础型：DLI提供的基础镜像，运行非AI相关作业时选择“基础型”。
l AI增强型：DLI提供的AI镜像，运行AI相关作业时选择“AI增强型”。
l 自定义镜像：自定义的Spark镜像，需要选择“容器镜像服务”中设置的镜像名称及版本。
依赖jar包（--jars）
运行spark作业依赖的jars。可以输入jar包名称，也可以输入对应jar包文件的的OBS路径，格式为：obs://桶名/文件夹路径名/包名。
依赖python文件（--py-flies）
运行spark作业依赖的py-files。可以输入Python文件名称，也可以输入Python文件对应的OBS路径，格式为：obs://桶名/文件夹路径名/文件名。
其他依赖文件（--files）
运行spark作业依赖的其他files。可以输入依赖文件名称，也可以输入对应的OBS路径，格式为：obs://桶名/文件夹路径名/文件名。
依赖分组
在创建程序包时，如果选择了分组，在此处选择对应的分组，则可以同时选中该分组中的所有程序包和文件。创建程序包操作请参考创建程序包。
访问元数据
是否通过Spark作业访问元数据。。
是否重试
作业失败后是否进行重试。
选择“是”需要配置以下参数：
“最大重试次数”：设置作业失败重试次数，最大值为“100”。
高级配置
l 暂不配置
l 现在配置：包括以下两项参数
− 选择依赖资源：具体参数请参考下表“选择依赖资源参数说明”。
− 计算资源规格：具体参数请参考下表“计算资源规格参数说明”。
Spark参数（--conf）配置跨源作业的依赖模块说明
数据源类型 样例 CSS
spark.driver.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/css/* spark.executor.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/css/*
DWS
spark.driver.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/dws/*
spark.executor.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/dws/*
HBase
spark.driver.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/hbase/*
spark.executor.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/hbase/*
OpenTSDB
park.driver.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/opentsdb/*
spark.executor.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/opentsdb/*
RDS
spark.driver.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/rds/*
spark.executor.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/rds/*
Redis
spark.driver.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/redis/*
spark.executor.extraClassPath=/usr/share/extension/dli/spark-jar/datasource/redis/*
4.高级包括以下两项参数：
- 选择依赖资源：具体参数请参考下表“选择依赖资源参数说明”。
- 计算资源规格：具体参数请参考下表“计算资源规格参数说明”。
说明Spark资源并行度由Executor数量和Executor CPU核数共同决定。
任务可并行执行的最大Task数量=Executor个数 * Executor CPU核数。
您可以根据购买的队列资源合理规划计算资源规格。
需要注意的是，Spark任务执行需要driver、executor等多个角色共同调度完成，因此“Executor个数*Executor CPU核数”要小于队列的计算资源CU数，避免其他Spark任务角色无法启动。更多Spark任务角色的相关信息请参考Spark官方。
Spark作业参数计算公式：
CU数=driver CPU核数+Executor个数*Executor CPU核数
内存数=driver内存+(Executor个数*Executor内存）
选择依赖资源参数说明
参数名称 参数描述 modules 如果选择Spark版本为3.1.1时，无需选择Module模块， 需在Spark参数（--conf)配置跨源作业的依赖模块。
DLI系统提供的用于执行跨源作业的依赖模块访问各个不同的服务，选择不同的模块：
l MRS HBase: sys.datasource.hbase
l DDS：sys.datasource.mongo
l MRS OpenTSDB: sys.datasource.opentsdb
l DWS: sys.datasource.dws
l RDS MySQL: sys.datasource.rds
l RDS PostGre: sys.datasource.rds
l DCS: sys.datasource.redis
l CSS: sys.datasource.css
资源包
运行spark作业依赖的jar包。
计算资源规格参数说明
参数名称 参数描述 资源规格 下拉选择所需的资源规格。系统提供3种资源规格供您选择。
资源规格包含以下参数：
l Executor内存
l Executor CPU核数
l Executor个数
l driver CPU核数
l driver内存
最终配置结果以修改后数据为准。
Executor内存
在所选资源规格基础上自定义Executor内存规格。
代表每个Executor的内存。通常建议Executor CPU核数：Executor内存=1：4。
Executor CPU核数
用于设置Spark作业申请的每个Executor的CPU核数，决定每个Executor并行执行Task的能力。
Executor个数
用于设置Spark作业申请的Executor的数量。
driver CPU核数
用于设置driver CPU核数。
driver内存
在用于设置driver内存大小，通常建议即driver CPU核数：driver内存=1：4。
5.完成作业的参数配置后，单击Spark作业编辑页面右上方“执行”，提交作业。
当页面显示“批处理作业提交成功”，可在“Spark作业”管理页面查看提交作业的状态及日志等。
