GCP现为Apache Spark推出Kubernetes Operator，简称Spark Operator，能够让用户在云计算原生地使用Kubernetes管理Spark应用程序。
Spark Operator由于原生集成Kubernetes，可以执行、监控和管理Spark应用程序生命周期。 Google提到，Spark Operator为Kubernetes自定义的控制器，能对Spark应用程序进行高精细度的生命周期管理，包括使用可配置的重启政策，自动重新启动Spark应用程序，以及执行使用Cron调度的应用程序。
Spark Operator也提供高度弹性的功能，还集成日志记录和监控等Kubernetes服务，让用户可以创建描述Spark应用程序的声明式规范，并使用Kubernetes原生工具诸如Kubectl，来管理应用程序。用户能获得通用控制接口，以管理Kubernetes的各式工作负载，简化应用程序管理工作，并提高集群资源利用率。
Google在Spark Operator中支持Apache Spark 2.4，并为Python和R语言量身定做Docker镜像文件，供用户在Kubernetes上执行PySpark和SparkR应用程序。另外，Spark Operator还有客户端模式，允许如Spark Shell等交互式应用程序，以及Jupyter和Apache Zeppelin笔记本等数据科学工具，原生地在Kubernetes上执行。也因为Apache Spark 2.4为Kubernetes添加的强化和修复功能，让其原生Kubernetes集成更加可靠。
Spark Operator集成了多种GCP服务，包括记录和监控服务Stackdriver，以及分析数据存储BigQuery。其以Prometheus数据格式公开应用程序等级的指标，并自动设置Spark应用程序，提供驱动程序与执行器（Executor）等级的Prometheus指标。结合Prometheus以及Stackdriver，集群可以自动收集指标并将其发送至Stackdriver进行监控，当应用程序在GKE上执行时，系统将会自动收集驱动程序与执行器日志，并推送至Stackdriver。
Spark Operator还提供了命令行工具sparkctl，能用来自动检测应用程序在用户计算机上的依赖性，并将其上传至云计算存储桶中，并把客户端的本机依赖性，替换成存储在云计算的应用程序规范，如此便能大幅简化客户端应用程序在Kubernetes环境的依赖性设置。
另外，Spark Operator还附带了一个自定义的Spark 2.4 Dockerfile，在应用程序中支持输入或是输出数据至云计算存储，Dockerfile也支持Prometheus JMX输出器，当Spark Operator激活Prometheus监控时，该输出器为默认使用和配置应用程序的方法。