新一代信息技术的不断发展,给互联网行业带来了一次巨大的变革,促使了一种新的计算模式的产生。传统的基于虚拟机的虚拟基础设施已经广泛应用于云平台中,但存在着资源利用率低、调度效率低下以及软件堆栈环境不一致等问题。Google公司研发的基于操作系统级的虚拟化技术开始应运而生,在云环境中,以Docker为代表的容器开始被各大云服务提供商作为云平台的底层虚拟化技术,与之相应的集群管理方案Kubernetes已经被业界广泛作为容器集群编排系统,二者共同构建成为新一代的Paa S云平台,已经被广泛的应用。本文首先对Docker容器技术和容器编排工具Kubernetes涉及的相关概念和相关技术进行了分析与研究。在此基础之上,对于Kubernetes的资源调度模块进行了深入的研究与分析,指出了Kubernetes的默认调度策略中存在的问题,然后针对不同资源消耗类型的应用问题,提出了一种基于皮尔森相关系数法的优选调度策略,此策略根据待调度的Docker容器和Node节点之间相似度来为Docker容器选择最后宿主节点,可以有效地提高节点的资源均衡度。然后对Kubernetes的自动伸缩机制进行了分析研究,分析了Kubernetes默认的自动伸缩策略中存在的问题,提出了一种优化方案。针对现有的扩缩容机制存在的响应延迟问题,提出了基于负载预测的扩缩容算法,使用灰色预测法和平均自回归组合预测模型对云平台中web应用的负载进行预测,根据预测的负载和响应的负载动态地进行Pod的副本调整,在负载高峰到来之前提前进行扩缩容,进而可以减少用户的响应时间。最后通过搭建Kubernetes分布式集群,分别对上面提出来的两种优化策略进行了实验验证与分析。实验结果表明基于皮尔森相关系数法的优选调度策略可以有效地提高节点资源均衡度,减少资源碎片。相较于默认的自动扩缩容机制,基于负载预测的扩缩容策略可以有效减少应用的请求响应时间,提升集群的服务质量。