云计算是一个蓬勃发展的分布式计算模型,其主要目的就是处理和存储大数据。建立云平台的挑战之一是评估云平台性能,确定影响性能的主要因素。其中,系统性能指标分析可对云平台性能状态做出预测。本文主要研究基于Spark的云平台性能评估技术,主要做了以下三个方面的工作。首先,针对平台性能评估指标的确立和研究指标与负载性能间的关系问题,提出了Spark性能分析框架以及指标分析与负载预测模型。Spark集群在执行批处理应用时,利用多元线性回归技术,可以计算产生的真实性能指标数据与集群负载性能间的相关性以及指标权重值,并确定影响负载性能的主要指标因素。其次,云平台中工作节点存在计算能力差异、节点处理数据量大小的差异以及程序执行过程中的不确定性等问题,这些使得云平台在处理每个作业任务的执行时间会有很大的不同,为了能提高对Spark负载执行时间的预测准确性,合理申请Spark集群资源,提出了作业时间指标融合计算方案,以及提出基于标准回归系数的加权支持向量回归作业时间预测模型。实验表明,本文提出的预测模型可给用户在预测Spark资源开销上提供有效数据参考。最后,针对影响云平台性能的指标权重计算技术,以及云平台在执行作业过程中时间资源预测技术进行原型系统设计实现,测试了不同类型的工作负载与不同数据量场景,得出指标分析技术能有效且客观地计算出指标权重,而预测技术能较为准确的估测平台作业执行时间,为云平台资源的租赁提供参考依据。