在本地模式下运行Spark应用程序时，资源消耗是相对较低的，因为应用程序只会在本地的一个进程中运行，而不需要启动集群资源。以下是一个使用Spark的本地模式运行应用程序的示例代码：

from pyspark.sql import SparkSession

# 创建SparkSession对象
spark = SparkSession.builder.master("local").appName("MyApp").getOrCreate()

# 读取数据文件
data = spark.read.csv("data.csv", header=True, inferSchema=True)

# 执行一些转换和操作
result = data.filter(data.age > 30).groupBy("gender").count()

# 打印结果
result.show()

# 停止SparkSession对象
spark.stop()

在上述示例中，SparkSession.builder.master("local")指定了Spark应用程序运行在本地模式下。appName("MyApp")用于设置应用程序的名称。getOrCreate()方法用于获取或创建一个SparkSession对象。

接下来，使用spark.read.csv()方法读取一个CSV文件，并将其存储在一个DataFrame中。然后，使用filter()方法过滤出年龄大于30的数据，再使用groupBy()和count()方法进行分组和计数操作。最后，使用show()方法打印结果。

最后，使用spark.stop()方法停止SparkSession对象，释放资源。