随着大数据技术的快速发展和广泛应用,学术界和IT企业都涌现了大量的相关研究,包括分布式数据挖掘平台Hadoop、Spark等的技术改进,数据挖掘算法的性能优化等。但是目前,关于数据挖掘平台服务化的研究却甚少,对Spark等数据挖掘平台的使用仍停留在较为初级的层面。应用开发者在使用此类平台时,需要自行负责集群的部署、运维,甚至底层资源的管理,耗费了开发者大量的时间和精力,提高了应用开发的门槛。本文基于当下流行的容器技术,提出采用容器承载Spark集群节点的方式,借助容器轻量级、启动快的优势,实现Spark集群的快速创建、动态扩/缩容,进而达到Spark集群的自动化部署、管理的目的。使Spark集群成为一种按需使用的服务呈现给数据挖掘应用开发者。本文的主要工作内容可分为两个方面。一方面,设计实现了一个Spark数据挖掘平台服务系统,包括对底层物理资源的统一管理,基于容器技术实现Spark集群自动化配置、修改,以及数据挖掘应用的提交管理。首先,从应用开发者的角度分析了该系统在功能和非功能两方面的需求。然后采用自顶向下逐层分析的方式,逐步设计系统的各个模块,直至实现。另一方面,针对串行算法的并行改编问问题,基于依赖分析技术,提出了数据项依赖模型,对算法中数据元素的依赖关系进行分析,并提出了基于数据项依赖模型的并行性分析算法,分析在源数据集上进行数据并行计算的可行性,减少开发人员的工作量,提高此类问题的解决效率。