Spark job提交时，spark-submit的主要参数的解析及建议

前言

说spark之前，先提一下MapReduce：

    最本质的两个过程就是Map和Reduce

• Map的应用在于我们需要数据一对一的元素的映射转换，比如说进行截取，进行过滤，或者任何的转换操作，这些一对一的元素转换就称作是Map；
• Reduce主要就是元素的聚合，就是多个元素对一个元素的聚合，比如求Sum等，这就是Reduce。

Mapreduce是Hadoop1.0的核心，Spark出现慢慢替代Mapreduce。

为什么Mapreduce还在被使用呢？

因为有很多现有的应用还依赖于它，它不是一个独立的存在，已经成为其他生态不可替代的部分，比如pig，hive等。
    尽管MapReduce极大的简化了大数据分析，但是随着大数据需求和使用模式的扩大，用户的需求也越来越多：

• 1.更复杂的多重处理需求（比如迭代计算, ML, Graph）；
• 2.低延迟的交互式查询需求（比如ad-hoc query）