近几年,由于相比于传统的磁盘计算框架运行迭代和交互式应用程序快数十倍,以Spark为代表的内存集群计算框架获得大量关注,发展迅速。但是由于内存集群计算框架是一种新的计算框架,配置参数对其性能的影响仍未知,因此尚未有研究解决从有优化参数角度优化Spark集群的性能。本研究首先研究配置参数对Spark性能的影响,发现由配置参数引起的最优性能是最差性能的20.7倍,说明配置Spark程序对程序的性能非常重要。然而,传统的手动调参方法既困难也很耗时,远未达到最佳性能。为解决这一问题,本论文提出一种自动优化Spark配置参数的方法(ACS)。ACS首先使用随机森林算法构造性能模型,模型以Spark配置参数为输入,程序执行时间为输出;然后ACS使用遗传算法结合性能模型搜索最优配置参数。使用六个Spark程序,每个程序搭配五个输入集进行实验,实验结果表明,ACS相比于默认配置参数的平均加速比是2.2,最高加速比达8.2,并且加速比随着输入集的增大而增大。