云计算是一种基于网络按需为用户提供计算资源的服务模式,Docker容器技术凭借资源损耗小,启动快捷等优点在云计算环境中得到了广泛的应用。在容器云环境下,需要对数量巨大的容器进行高效便捷的管理,在众多容器编排系统中,Kubernetes由于其优秀的设计与良好的可扩展性得到了广泛的应用。但是,Kubernetes原生的响应式弹性伸缩策略存在不足,在扩容阶段,可能出现用户请求响应延迟的问题;在缩容阶段,删除冗余的pod副本后可能会对集群负载均衡造成影响。本文针对上述问题进行了下列研究工作:(1)首先对Docker容器技术、Kubernetes集群架构与核心概念进行介绍,对Kubernetes弹性伸缩策略进行了研究,对Kubernetes原生弹性伸缩存在的问题以及造成问题的原因进行分析。研究了差分自回归移动平均模型(Autoregressive Integrated Moving Average model,ARIMA)与灰色模型的基本原理,对传统灰色GM(1,1)模型进行优化改进,将ARIMA模型与改进的灰色GM(1,1)模型相结合,构建组合预测模型,对集群负载变化进行预测。(2)针对Kubernetes在扩容阶段存在的问题提出优化方案,设计并实现了预测式扩容策略。建立组合预测模型对集群负载进行预测,并根据预测结果提前完成扩容操作,避免在负载高峰可能出现的用户请求响应延迟的问题。(3)针对Kubernetes在缩容阶段删除副本后,可能对集群负载均衡造成影响的问题提出优化方案,在缩容阶段,为了解决缩容动作对集群资源均衡的影响,在状态优先级的基础上,增加对负载均衡权值的计算,设计并实现了结合负载均衡因素的优化缩容策略。(4)设计了一系列实验,对负载预测模型的预测效果进行了验证;搭建了Kubernetes集群,分别验证了预测式扩容策略和负载均衡缩容策略的可行性和有效性。在实验环境中,预测式扩容策略在负载达到峰值时,响应时间比原生扩容策略减少了47%;在结合负载均衡优化后的缩容策略下,进行缩容操作之后,Kubernetes集群各节点平均资源利用率方差由0.0807下降到了0.0026。实验结果表明,预测式扩容可以有效地解决扩容阶段的响应延迟问题,减少用户请求的响应时间,优化后的缩容策略可以在不影响服务质量的同时,优化集群负载均衡问题。