随着Docker容器技术的发展普及,越来越多的企业开始利用Docker容器构建云平台。为了使Docker容器上托管的应用程序可以安稳运行,都会为其调配充足的资源。但大多数情况下托管的应用程序不是以最高负载的状态运行,并且CPU、内存等各项资源也不会同时处于最高负载的状态,因此预先调配的资源在大多数时候会处于空闲状态,从而造成了资源的浪费。当应用处在负载较高的状态,预先分配的资源也不一定够用,使用特定的预测算法来预测容器和应用的资源需求,并提前做好资源分配优化,可以提高资源的利用率和服务质量。首先根据容器环境和资源负载动态性的特点,提出了使用ARIMA(Autoregressive Integrated Moving Average Model)和三次指数平滑组合模型采用一步预测的方式来对Docker容器资源负载进行预测。该组合模型中两个模型的加权值是根据本次预测之前的一段时间它们各自预测的误差的平方和求解,该权值随着时间序列的变化而变化。根据该组合模型的目的以及需求,在应用层面上设计并实现了Docker容器资源负载的实时预测系统。该系统实现了容器资源负载数据的收集、存储、预测以及根据预测值对CPU和内存的资源使用量进行动态调度。实验结果表明组合模型在多种负载的预测效果都是优于两种单一模型。相比于ARIMA模型,组合模型预测精度提高了10%以上;相比于三次指数平滑模型,组合模型的预测精度提高了20%以上。