Fortran语言一直被广泛用于解决科学和工程中的计算密集型问题。由于多核架构的出现,追求Fortran的并行性成为科学计算领域中的一个重要目标。然而在大数据时代,多核架构由于计算资源不足和可扩展性差,导致多核并行后的Fortran程序仍然无法适应数据的爆炸式增长。云计算作为一种商业计算模型,不仅具有丰富的集群计算资源,而且具有理想的灵活性和可伸缩性,这为解决多核并行领域中计算资源不足等相关研究问题提供了可行的办法。Map Reduce是支撑云计算并行处理海量数据的有效编程模型,Spark平台是Map Reduce的高效实现,将可并行化的Fortran代码映射到Spark平台是一项有意义的工作,同时考虑到映射过程中存在云编程复杂等问题,因此,本文提出了一种面向Sp ark集群的Fortran代码自动重构及卸载方案。本文工作主要包括以下几个方面:（1）提出将Fortran代码重构为SparkMap Reduce代码的方案。首先将源代码转换为中间代码,以收集程序的语义信息。然后基于Map Reduce编程模型的并行模式,提出并行化重构方法,实现中间代码向Spark-Map Reduce代码的重构。重构的目标代码包括两部分,一是根据提出的重构方法将可并行循环重构为map函数和reduce函数,二是定义Spar k作业应用程序模板,并指出其中需要在重构过程中填充的部分,为可并行循环计算任务生成匹配的Spark作业应用程序。（2）提出计算任务卸载到Spark集群的方案。设计一个能够与Spark集群直接交互的卸载函数库,并通过Open MP卸载模型,自动生成对卸载函数库的调用,卸载计算任务。在该方案中,还通过扩展Open MP指令的使用,实现了分布式数据分区,减少了Spark内移动数据的开销。（3）在LLVM编译系统中实现了本文提出的重构及卸载方案,并开发了可视化前端。在实验中使用Poly Bench/Fortran基准测试程序集对方案的可行性进行测试,并通过与多线程Open MP并行化技术的比较来评估方案的性能。实验结果表明,本文所提方案可以有效地将运行在本地计算机上的Fortran代码自动映射到Spark集群,该方案在LLVM编译系统中的实现可以提高原有业务的执行效率。