Apache Spark的工作节点可以与HDFS数据节点不同的机器，这种配置称为跨集群部署。下面是一个使用pyspark代码示例来设置跨集群部署的方法：

from pyspark import SparkContext, SparkConf

# 配置Spark应用程序
conf = SparkConf().setAppName("Cross Cluster Deployment")
sc = SparkContext(conf=conf)

# 设置HDFS的配置信息
hdfs_config = {
    "fs.defaultFS": "hdfs://:",
    "dfs.nameservices": "",
    "dfs.ha.namenodes.": "nn1,nn2",
    "dfs.namenode.rpc-address..nn1": ":",
    "dfs.namenode.rpc-address..nn2": ":",
    "dfs.client.failover.proxy.provider.": "org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider"
}

# 将HDFS配置信息添加到Spark配置中
for key, value in hdfs_config.items():
    sc._jsc.hadoopConfiguration().set(key, value)

# 在Spark上执行你的代码
rdd = sc.textFile("hdfs://")
result = rdd.count()
print(result)

# 关闭SparkContext
sc.stop()

在上面的示例中，你需要根据你的HDFS集群的配置来替换尖括号（<>）中的内容。同时，你可以根据你的需求修改Spark应用程序的配置。

这样，你就可以在与HDFS数据节点不同的机器上部署Apache Spark的工作节点，并通过设置HDFS的配置信息来与HDFS进行交互。