一旦用户的应用打包后，就可以使用bin/spark-submit脚本来启动，此脚本就会为Spark和它的依赖安排配置环境变量，还支持不同的集群管理和部署模式：
./bin/spark-submit --class <main-class> --master <master-url> --deploy-mode <deploy-mode> --conf <key>=<value> ... # other options <application-jar> [application-arguments]
一些常用的命令如下：
.--class:应用程序的入口（如：org.apache.spark.examples.SparkPi） .--master:集群的master URL（如： spark://23.195.26.187:7077） .--deploy-mode:选择集群模式来部署Driver进程或本地模式作为客户端 --conf:通过key=value格式来设置Spark配置文件属性，当value值包含格时，用引号引起key=value（”key=value“） --application-jar：包含应用程序和应用程序所依赖包的路径，URL在集群中必须是全局可见的，例如：hdfs://或者file://路径必须在节点上也是存在的 --application-arguments：将参数传递在主要的main方法中
本地模式：
./bin/spark-submit --class org.apache.spark.examples.SparkPi --master local[8] /path/to/examples.jar 100
Spark独立部署模式（Client）：
./bin/spark-submit --class org.apache.spark.examples.SparkPi --master spark://207.184.161.138:7077 --executor-memory 20G --total-executor-cores 100 /path/to/examples.jar 1000
Spark独立部署模式并监视（Cluster）
./bin/spark-submit --class org.apache.spark.examples.SparkPi --master spark://207.184.161.138:7077 --deploy-mode cluster --supervise --executor-memory 20G --total-executor-cores 100 /path/to/examples.jar 1000
Yarn部署模式：
export HADOOP_CONF_DIR=XXX ./bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn-cluster # can also be `yarn-client` for client mode --executor-memory 20G --num-executors 50 /path/to/examples.jar 1000
Master URLs
通过如下方法将Master URL传递给Spark
| local | 单个本地工作线程程运行Spark |
| local[K] | K个本地线程运行Spark（K为你机器的内核数） |
| local[*] | 根据你机器的内核数据来启动多个线程运行Spark |
| spark：//HOST:PORT | 连接Spark集群的master，端口要和配置文件中的相同，默认为7077 |
| mesos：//HOST:PORT | 连接Mesos集群，端口默认为5055 |
| yarn-client | 在client模式下连接YARN集群，集群的位置能在HADOOP_CONF_DIR 或YARN_CONF_DIR找到 |
| yarn-cluster | 在集群械下连接YARN集群，HADOOP_CONF_DIR 或YARN_CONF_DIR找到 |