開源社群越來越多人使用Kubernetes來進行資料處理、資料分析和處理機器學習計算，Kubernetes也增加了不少擴充功能，資源定製化、控制器定製化，以便對更深度整合這類專屬應用程式。

現在熱門的大資料分析平臺Spark在2.3新版中，開始原生支援Kubernetes。可以直接在一個現成Kubernetes 1.7以上版本部署的容器叢集中，執行Spark運算工作，而且還可以利用Spark自身功能，來管理分散的資料處理或分析任務。Spark可以接使用Kubernetes叢集的名稱空間或儲存空間，例如整合到外掛式驗證機制或Log追蹤上。

Spark原生支援Kubernetes最大的好處是，不用重新安裝Kubernetes叢集，或改變現有Kubernetes叢集的配置，只要建立一個新的容器映象，並指派合適的RBAC許可權角色，給所要執行的Spark應用程式，就可以開始使用這個Spark程式了。

在2.3新版中還有不少重要更新，例如增加了新的DataSource機制、Structured Streaming API第二版，也強化了PySpark的效能。

Hadoop工具商MapR強化Kubernetes支援，在K8S分析大資料更穩定

知名Hadoop分析工具之一的MapR，最近在Strata Data大會上宣佈，要提供進行容器整合機制，推出MapR Data Fabric的Kubernetes支援，可以讓MapR的Converged Data Platform大資料分析平臺可以提供容器上可用的永久儲存空間，也可供用來部署一個Stateful型別的容器應用。

MapR Data Fabric現在可以原生整合到Kubernetes的儲存空間，來提供永久儲存空間，可用來存資料庫、檔案或串流資料等。