有三种方法可以确定spark的属性： Spark Propertis 在 SparkConf 原始规格：
spark属性控制大多数应用程序设置，并为每个应用程序分别配置。这些属性可以直接在传递给sparkcontext的sparkconf上设置。 Dynamically Loading Spark Properties 最初的规范，它避免了在sparkconf中硬编码某些配置：
./bin/spark submit--name“我的应用”--master local[*]--conf spark.eventlog.enabled=false--conf“spark.executor.extrajavaoptions=-xx:+printgcdetails-xx:+printgtimestamps”myapp.jar
覆盖 spark-defaults.conf  — 默认spark特性文件-原始等级库
我按优先级描述了房产- SparkConf 具有最高优先级和 spark-conf 具有最低优先级。更多详情请查看此帖子
如果要将所有属性存储在同一个位置，只需键入safe config。typesafe配置不再使用输入流读取文件，它在scala应用程序中被广泛使用。

您可以在类似于java的scala中读取属性文件

import scala.io.Source.fromUrl
val reader = fromURL(getClass.getResource("conf/fp.properties")).bufferedReader()

您可以在scala标准库i/o中阅读更多关于i/o包的信息
如果您希望提供spark属性，则有不同的方法，例如在提交spark作业时提供。
希望这有帮助。

我们要做的是：
scopt.optionparser来分析命令行参数。
键/值参数 conf 复制到system.properties
命令行参数 config-file 用于读取配置文件（使用spark context从s3/hdfs读取，使用自定义代码路径从jar资源读取）
使用com.typesafe.config.configfactory解析的配置文件。
来自资源和读取文件的默认配置使用 withFallback 机制。顺序很重要，因为我们希望typesafe使用（2）中的值来覆盖文件中的那些值。