您可以使用spark-submit --status（如[掌握Apache Spark 2.0]中所述）。

spark-submit --status [submission ID]

字符串
检查它的状态。
1.您可以通过调用外部进程（spark-submit）提交作业，并读取输出流来解析和提取submissionId。
1.然后，通过调用上述流程检查作业状态。

Spark-submit提交的是申请，而不是工作。因此，无论任何作业是否失败，如果应用程序成功启动和停止，您自然会看到退出代码0和FINISHED。
为了能够获得失败代码，您需要对通过spark-submit提交的作业进行更改，并修改当关键作业失败时它生成的退出代码。
您可以在提交的spark作业中监视作业状态，例如在上下文关闭或退出之前。您可以使用以下命令：

JavaSparkContext sc;
... 
JavaSparkStatusTracker statusTracker = sc.statusTracker();
...
final SparkJobInfo jobInfo = statusTracker.getJobInfo(jobId);
final JobExecutionStatus status = jobInfo.status();

字符串
如果作业失败（status == FAILED），则可以使用不同于0的代码触发退出应用程序

System.exit(1);

型
这将允许应用程序正确地关闭Spark上下文并完成。然后您将能够检查spark-submit命令的退出状态，因为您是在独立模式下启动的。

**注意：**对于单机模式，一般情况下甚至不需要使用Spark提交。jar可以启动为 *java -jar... *，这将是相同的。

我知道你没有要求这样做，但我强烈建议你使用Airflow运行Spark应用程序，而不是cron。它提供了an integration with Apache Spark，它可以处理很多事情。其中之一就是你发现的这个问题。
SparkSubmitOperator通过跟踪和解析驱动程序的日志来提取结果Spark的作业状态代码来解决这个问题。
但是，如果您想自己实现日志解析，您可以查看airflow.providers.apache.spark.hooks.spark_submit代码中的_process_spark_submit_log方法，以获得在生产系统中通常如何完成的一些灵感。