在微服务的发展过程中,开发人员发现因依赖服务器本身的配置管理导致系统的可用性下降,使得本身为了软件迭代更加快速的微服务模式开发效率不升反降。而容器技术的兴起及成熟使得配置管理等问题得以解决。本文在第一章中首先对容器技术的原理及容器调度管理平台Kubernetes的核心概念和系统架构进行论述。在此基础上对Kubernetes的自动伸缩技术的实现原理进行了介绍,并结合业务场景,论述了当前自动伸缩策略在实际生产场景下的不足之处,提出了调度策略的优化方案,解决因无法快速满足需求而导致的性能瓶颈问题。在负载预测模型的算法选择上,通过分析比较移动平均算法、线性回归预测算法以及差分自回归移动平均预测算法的各自适合场景及其利弊,结合实际业务场景,预测未来一段时间的负载请求情况,使业务系统在请求负载峰值到来之前提前进行扩容,减少用户端所发起的请求响应时间,改善用户体验。另一方面,公有云提供的云服务采取按时收费模式,本文针对Kubernetes的动态伸缩策略无法对底层资源池进行策略控制的问题进行优化,提出了一种基于资源因素的优化缩容策略,通过该策略的实现,使得底层资源使用率始终能够保持在一个较为合理的范围之内。在实验中,通过搭建Kubernetes分布式高可用集群模拟实际生产环境的负载请求数量,对优化后的横向扩容算法进行了验证。通过实验结果可知,优化后的算法策略除了满足Kubernetes的基本功能性需求以外,较之当前算法策略,在近似线性负载请求量增长的情况下,能够提前进行扩容操作,并有效的减少应用响应时长。而缩容阶段通过定期对当前资源池进行计算,释放底层资源并降低运营成本。