在本地模式下，如果Spark提交作业失败但没有显示任何错误，可能是由于以下几个原因：

1. 内存不足：本地模式下，默认情况下Spark使用的是较小的内存。如果作业需要较大的内存，可以通过设置spark.driver.memory和spark.executor.memory来增加内存分配。

from pyspark.sql import SparkSession

spark = SparkSession.builder \
    .appName("Local Mode Job") \
    .config("spark.driver.memory", "4g") \
    .config("spark.executor.memory", "4g") \
    .getOrCreate()

# 执行作业代码

2. CPU资源不足：本地模式下，默认情况下Spark使用的是单个线程来执行作业。如果作业需要更多的CPU资源，可以通过设置spark.driver.cores和spark.executor.cores来增加CPU资源分配。

from pyspark.sql import SparkSession

spark = SparkSession.builder \
    .appName("Local Mode Job") \
    .config("spark.driver.cores", "4") \
    .config("spark.executor.cores", "4") \
    .getOrCreate()

# 执行作业代码

3. 依赖问题：如果作业依赖于本地文件或库，可能需要将这些文件或库添加到Spark的classpath中。可以使用spark.jars和spark.driver.extraClassPath来添加依赖项。

from pyspark.sql import SparkSession

spark = SparkSession.builder \
    .appName("Local Mode Job") \
    .config("spark.jars", "/path/to/dependency.jar") \
    .config("spark.driver.extraClassPath", "/path/to/dependency.jar") \
    .getOrCreate()

# 执行作业代码

4. 日志级别设置：默认情况下，Spark的日志级别是INFO，可能会隐藏一些错误信息。可以将日志级别设置为DEBUG，以便查看更详细的错误信息。

from pyspark.sql import SparkSession

spark = SparkSession.builder \
    .appName("Local Mode Job") \
    .config("spark.driver.log.level", "DEBUG") \
    .config("spark.executor.log.level", "DEBUG") \
    .getOrCreate()

# 执行作业代码

通过检查上述原因，并根据需要进行配置更改，可以解决本地模式下Spark提交作业失败但没有显示任何错误的问题。