随着大数据时代的到来,计算机集群被广泛用于人们的项目与学习之中;与此同时,集群部署复杂的问题也一直挥之不去。课题工作以一个目标检测项目为背景,基于容器的高复用与跨平台的特性,旨在研究出一套能够在多平台上快速部署的高可用的自动化集群部署方案与工具,以解决项目中实验环境部署与环境复用性问题。针对上述任务目标,本课题工作从方案可行性开始,选定了以Docker与Kubernetes为核心的集群管理体系,选定了以Metrics Server与Prometheus为核心的集群自定义指标监控方案,并确定了以Etcd集群作为数据存储器、以Haproxy与Keepalived组建负载均衡器的集群高可用方案。在完成对方案可行性的研究之后,工作内容转向解决快速部署方案、高伸缩性与高可用性方案等核心问题,并针对Kubernetes的响应式自动扩容方案进行了优化,使用指数平滑法与灰度模型相结合的方式对负载高峰进行预测,并据此进行提前扩容以应对即将到来的负载高峰,最终达到减小负载高峰对应用性能影响的目的。最后对研究成果进行了实验,验证了部署工具的可用性与优化方案的有效性,并得出对于论文提出的预测型优化方案,选择副本初始化时间作为扩容提前时间量即可保证服务质量不降级,并可以根据项目实际需求与负载变化周期选择更大提前量,适当牺牲资源换取更稳定的性能的结论。本文有如下创新之处:(1).将容器集群、管理平台整合成了一个能自动化快速部署的、可复用的、高可用的、高伸缩性的高并发集群,部署过程不需要人员关注,降低了集群的部署人力成本;(2).自动化部署方案中整合了通过自定义指标监控集群的方案,实现了基于自定义指标的容器自动伸缩,并且支持水平伸缩与垂直伸缩两种伸缩方式;(3).研究成果将一种新的容器自动扩容优化策略整合到架构中,将响应式的容器自动扩容方式改为了预测式,在一定程度上提高了用户体验。