随着互联网和智能移动终端的快速发展,全球越来越多的人使用基于web系统提供的如社交、游戏和购物等在线用户服务,海量用户对web网站的访问带来了海量的并发流量,这对web系统的高并发、高可用、高性能提出了新的挑战。由于web系统应用场景众多,其高并发、高可用、高性能受到诸多因素的综合影响,并且具有很大的不确定性。因此,对高并发web系统进行研究,具有重要的理论意义和实用价值。论文以web系统架构为基础,深入研究Docker和Kubernetes的原理与技术路线,确定了影响web系统高并发性能的主要因素;基于Kubernetes设计了一个能有效提升高并发处理性能的web系统架构。同时,论文采用Prophet模型,构建了一套web流量预测模型;采用LightGBM算法,构建容器工作负载预测模型。论文完成的主要工作及取得的创新成果如下:（1）基于Kubernetes的web系统架构设计。论文以Kubernetes技术为基础,从web流量与容器工作负载预测出发,利用微服务技术架构,同时在容器集群中添加监控模块、web流量预测模块、工作负载预测模块,设计了一个能有效提升高并发处理性能的web系统架构,保证web系统的服务质量。（2）基于Prophet模型的web流量预测。论文以Prophet模型为基础,构建web流量预测模型。该模型首先通过数据可视化方法研究数据集之间的关系,然后通过Prophet模型,以历史web流量数据为基础对未来流量进行预测,并分解出web流量数据的趋势项、季节性和节假日效应。理论研究和实验结论表明,Prophet模型与传统时间序列预测算法相比,在预测准确率、模型训练时间和稳定性方面都表现出了较大的优势,能极好的预测出web流量变化趋势。（3）基于LightGBM算法的容器工作负载预测。论文以LightGBM算法为基础,构建容器工作负载预测模型。该模型通过对数据集进行加工,将数据特征进行融合或删除,减少模型所受的噪音干扰,同时使用训练数据集对LightGBM算法进行训练,最后使用测试数据集对模型预测效果进行验证评估。理论研究和实验结果表明,该模型对容器工作负载的预测精度高、训练速度快、占用内存少。