Ｓｐａｒｋ系统是基于Ｍａｐ－Ｒｅｄｕｃｅ模型的大数据处理框架。Ｓｐａｒｋ能够充分利用集群的内存，从而加快数据的处理速度。Ｓｐａｒｋ按照功能把内存分成不同的区域：Ｓｈｕｆｆｌｅ　Ｍｅｍｏｒｙ和Ｓｔｏｒａｇｅ　Ｍｅｍｏｒｙ，Ｕｎｒｏｌｌ　Ｍｅｍｏｒｙ，不同的区域有不同的使用特点。首先，测试并分析了Ｓｈｕｆｆｌｅ　Ｍｅｍｏｒｙ和Ｓｔｏｒａｇｅ　Ｍｅｍｏｒｙ的使用特点。ＲＤＤ是Ｓｐａｒｋ系统最重要的抽象，能够缓存在集群的内存中；在内存不足时，需要淘汰部分ＲＤＤ分区。接着，提出了一种新的ＲＤＤ分布式权值缓存策略，通过ＲＤＤ分区的存储时间、大小、使用次数等来分析ＲＤＤ分区的权值，并根据ＲＤＤ的分布式特征对需要淘汰的ＲＤＤ分区进行选择。最后，测试和分析了多种缓存策略的性能。