正如您在运行spark作业的第二种方法中所述，用spark类和/或语法打包java文件实质上就是将spark作业 Package 在hadoop作业中。这可能有其缺点（主要是您的工作直接依赖于系统/集群上的java和scala版本，但也有一些关于不同框架版本之间支持的成长烦恼）。因此，在这种情况下，开发人员必须小心作业将在两个不同平台上运行的设置，即使对于hadoop用户来说似乎更简单一些，因为hadoop用户更好地掌握了java和map/reduce/driver布局，而不是spark更易调整的特性和scala那种陡峭的学习曲线。
提交作业的第一种方式是最“标准”的（就大多数用法而言，它可以在网上看到，因此对此持保留态度），几乎完全在spark中操作作业的执行（当然，存储作业的输出或从hdfs获取其输入的情况除外）。通过使用这种方式，您只需要在某种程度上依赖于spark，从而使hadoop（也称为其Yarn资源管理）的奇怪方式远离您的工作。而且它可以在执行时间上显著加快，因为它是最直接的方法。