以下示例用于从客户端创建一个新的 Spark Connect App，并返回 App ID、状态和 Tracking URL。

from emr_spark_connect import EMRSparkConnectSession, StaticCredentials

app = (
    EMRSparkConnectSession.builder
    .region("<region>")
    .credentials(StaticCredentials("<your-ak>", "<your-sk>"))
    .queue("<your_queue_name>")
    .allowOtherUsers(True)
    
    .getOrCreateApp()
    
)

print(app.getServerId())
print(app.getStatus())
print(app.getTrackingUrl())

创建 Spark 4.x 版本的 Spark Connect App，创建时需要添加参数：serverless.spark.runtime.version=spark4.1
示例：

from emr_spark_connect import EMRSparkConnectSession, StaticCredentials

app = (
    EMRSparkConnectSession.builder
    .region("<region>")
    .credentials(StaticCredentials("<your-ak>", "<your-sk>"))
    .queue("<your_queue_name>")
    .allowOtherUsers(True)
    
    .config("serverless.spark.runtime.version", "spark4.1") #创建 Spark 4.x 版本的 Connect App
    .getOrCreateApp()
)

创建完成后，若需要关闭 Spark Connect App，可调用 .cancel()，例如：

app.cancel()

参数说明：

以下示例用于从客户端创建一个新的 Spark Connect App，并输出 App ID、状态和 Tracking URL。

import com.volc.emr.spark.connect.EMRSparkConnectSession;
import com.volc.emr.spark.connect.EMRSparkConnectProvider;
import com.volc.emr.spark.connect.StaticCredentials;
import com.volc.emr.spark.connect.SparkApp;
import org.apache.spark.sql.SparkSession;

public class SparkConnectJavaExample {
    public static void main(String[] args) {
        SparkApp app = EMRSparkConnectSession.builder()
                .region("<region>")
                .credentials(new StaticCredentials("<your-ak>", "<your-sk>"))
                .queue("<your_queue_name>")
                .allowOtherUsers(true)
                
                .getOrCreateApp();
        
        System.out.println(app.getConnectId());
        System.out.println(app.getStatus());
        System.out.println(app.getTrackingUrl());
    }
}

创建完成后，若需要关闭 Spark Connect App，可调用 .cancel()，例如：

app.cancel()

参数说明：

1. 登录 EMR Serverless 控制台。

2. 在顶部菜单栏中，根据实际场景，下拉选择地域和项目空间。

3. 单击作业中心> 作业管理或作业实例进入创建作业页面。
   

4. 配置作业参数，并提交。

   1. 配置作业基本信息，参数说明见下表。

      参数	配置操作
      作业名称	本次 Spark Connect App 的名称，创建后不可更改。
      作业类型	创建的 Spark Connect App 的类型。
      执行资源	执行作业使用的EMR资源，分资源类型下拉框和队列/项目下拉框。 可选择具体资源，支持通过名称或ID搜索。
      开发模式	UI：通过可视化界面提交作业内容。 JSON：通过 JSON 方式提交作业内容，更适合批量配置或复用已有配置。例如：

   2. 配置作业内容，不同开发模式下的参数入口不一致，参数说明可参见下表。

      UI 模式参数	JSON 模式参数	是否必填	说明
      EngineRuntime	ServerlessSparkRuntimeVersion	Y	选择 Spark 计算引擎环境，支持选择 Spark 版本及对应的 Java Runtime 或 Bolt Runtime。 Java Runtime：标准的 Java 运行时。 Bolt Runtime：火山引擎自研的原生内核加速引擎，可提升 Spark、Presto 等作业执行速度。详细介绍请参见Spark on Native 引擎：Bolt。 注意 作业的 EngineRuntime 参数优先级高于 default 计算组和通用计算组参数。
      依赖 Jar(Jars)	Jars	N	Spark Connect App 依赖的第三方或自定义 JAR 包，Executor 执行任务时会自动加载。 需上传至 TOS 并在此指定路径。
      依赖 File 资源	Files	N	Spark Connect App 的依赖资源文件。 需上传至 TOS 并在此指定路径。
      依赖 Archive	Archives	N	Spark Connect App 的依赖 Archive。 需上传至 TOS 并在此指定路径。
      Spark 参数(Spark Conf)	SparkConf	N	SparkConf 用于在创建 Spark Connect App 时传入运行时配置，包括引擎类型、鉴权信息、访问控制及资源规格等参数。这些配置会在 App 启动阶段生效，直接影响应用的运行模式、可访问性和资源分配。 例如"spark.emr.connect.engine.allow.other.users": true。 注意 UI 模式下，EngineRuntime 参数以选项的形式传入，若此处提交 EngineRuntime 参数，不会生效。

      JSON 模式参数提交示例：

      {
        "JobType": "SparkConnect",
        "ServerlessSparkRuntimeVersion": "spark<version>",
        "SparkConf": "serverless.spark.access.key=${AK}\nserverless.spark.secret.key=${SK}\nspark.emr.connect.engine.allow.other.users=true\nspark.executor.instances=2\nspark.executor.cores=2\nspark.executor.memory=4g",
        "Jars": [
          {
            "fileName": "tos://bucket/path/extra-dependency.jar"
          }
        ],
        "Files": [
          {
            "fileName": "tos://bucket/path/dependency-file"
          }
        ],
        "Archives": []
      }
      

      SparkConf 参数说明：

      配置项	示例值	说明
      serverless.spark.access.key	${AK}	Access Key（访问密钥，AK）。用于服务端鉴权与签名计算的身份标识。建议通过环境变量或密钥管理注入，不要明文写死在配置里。
      serverless.spark.secret.key	${SK}	Secret Key（密钥，SK）。用于签名（Signature，签名）计算，属于高敏感信息，必须妥善保管；不要写入日志/文档/代码仓库。
      spark.emr.connect.engine.allow.other.users	true	是否允许其他用户连接/访问该 Spark Connect 引擎，默认值为 false。
      spark.executor.instances	2	Executor（执行器）实例数量，决定并行度与资源占用。
      spark.executor.cores	2	每个 Executor（执行器）的 CPU 核数，与 instances 共同决定总 CPU 资源。
      spark.executor.memory	4g	每个 Executor（执行器）的内存（Memory，内存）。