近年来，随着科学研究的深入和产业竞争的加剧，各个领域越来越多的使用HPC应用来解决科研和生产中遇到的问题。随着计算的模型越来越大，要求的精度也越来越高，而且往往要求必须在规定的时间内完成任务，这对于底层的计算资源利用效率提出了更高的要求。传统的HPC应用大多直接运行于物理机环境之上，即便是在基于虚拟机技术的HPC Cluster环境中，资源的分配粒度也受限于节点级别，对于资源的利用率和HPC应用的运行效率都存在很大的制约，因此在HPC应用领域，亟需一种更好更高效的资源隔离和调度管理方式。容器技术的出现，为上述问题提供了一种新的解决方案。　　本文在深入研究了容器技术及其编排调度系统的基础上，结合HPC应用在开发、部署、运行过程中的诸多挑战，基于Docker和Kubernetes，设计并实现了在云计算中心下，一个面向于HPC应用的CaaS(Container as a Service)平台Meadow系统，针对于HPC应用的特性，扩展了Kubernetes资源调度器原生的调度算法。在应用服务和网络资源相结合方面，本文提出利用网络流量监控数据结合网络感知策略，优化存在相互依赖关系的HPC容器之间的调度，以平衡集群中全局网络流量分布。在HPC容器放置策略方面，本文采用约束满足问题来模拟容器放置问题，推导并实现了容器放置算法。在集群资源调度方面，提出并实现了一个基于用户优先级的，以满足用户SLA需求为目标的弹性资源调度算法。　　实验数据表明，Meadow系统以更细的粒度将集群资源虚拟化，资源利用率有了较为显著的提升。本文提出的调度算法，能够明显的提高HPC应用的运行效率，并使得集群资源得以被均衡的使用。