近年，ビッグデータ解析や機械学習の需要が増大する中，これらの大規模データ処理を効率的に実現するため，並列分散処理フレームワークであるApache Sparkが広く利用されている．しかし，Sparkのクラスタ管理方式では，計算機資源の割り当てが固定的で動的な調整が難しい．そのため，過剰な計算機資源割り当てや無駄な遊休資源が発生しやすく，処理性能が低下することがある．本論文では，計算機資源を最大限に活用することを目的に，タスク割り当て制御手法についての提案を行う．本手法では，計算機資源の使用状況に基づいた並列タスク数を調整する．これにより，負荷変動への対応や，より高いスループットが実現できる．