云计算的出现解决了计算机基础设施资源的按需分配、分时使用的问题,极大地降低企业在获取计算机资源的成本与技术门槛。容器因其自身启动速度快、占用资源小、对环境依赖小等特点在云计算的资源虚拟化市场占据大量份额。Kubernetes对容器具有优秀的编排能力(自动扩容、服务发现、资源调度等),容器与Kuberentes相结合的云平台方案已经被广泛应用,降低了企业运维的投入。然而,在使用过程中,发现基于Kubernetes的Docker容器云平台存在以下问题,Kubernetes集群中的异常情况不能被有效监控告警、Kubernetes组件存在单点故障造成集群服务间断不可用、Docker容器实例不能进行伸缩资源造成资源浪费、基于Kubernetes的持续集成与持续部署系统不完善而且没有管理操作界面对非运维人员不够友好。针对以上存在的问题,本课题主要从以下方面进行研究:第一,搭建基于Kubernetes的容器云平台,完善基于Kubernetes的容器云平台设计,包括对Kubernetes组件的高可用与快速升级、Docker容器实例资源的自动收缩研究,同时对基于Kubernetes的日志的收集、组网方案、存储方案进行深入研究。第二,研究基于机器KPIs(Cpu、内存、网络、存储等)关键性能指标的异常检测算法,设计基于统计特征、对比特征以及滑动窗口的对于时序数据的特征提取方法,搭建深度学习模型进行异常检测,与其他模型进行比较,在F1-Score指标上有明显提升。同时,设计并实现基于该异常检测模型的系统,用于对集群中的异常进行检测。第三,设计并实现基于Kubernetes的持续集成与持续部署系统,提升开发、测试、部署、运维的效率。可以进行管理部署的应用、查看当前机器的资源使用以及查看异常检测的结果,使部署流程更加方便同时减少部署应用服务的复杂性,对非运维人员更加友好。最后,对容器云平台进行整体的测试,通过部署应用服务验证容器云平台功能有效性,使用JMeter测试工具验证容器云平台的性能有效性。同时测试了异常检测算法、持续集成与持续部署的功能。