由于物联网、车联网的兴起而导致的计算场景变化给传统云计算带来了新的机遇和挑战。基于嵌入式设备的轻量云计算是解决物联网和车联网中计算需求的有效方案。在满足关键性能指标的前提下,如何设计面向轻量云的统一资源管理架构以及轻量云资源的有效编排部署,是实现物联网和车联网技术发展成熟的关键问题。本论文针对上述问题进行了研究,完成了以下工作和创新点:首先,面对物联网和车联网的资源受限场景,设计了基于嵌入式系统的分布式容器化资源管理架构。面向物联网和车联网场景提供的计算或存储服务称为轻量云计算。由于嵌入式设备具有灵巧、可靠和低功耗的特点,加之容器技术具有轻便、安全、快速和规模化部署的优点,因此基于嵌入式系统的容器化资源管理技术是轻量云场景下的一种有效、便捷的资源管理方案。其次,结合容器化、容器编排、网络功能虚拟化(NFV)等技术,设计并搭建了基于嵌入式系统的分布式容器化资源管理实验平台,并完成了实验分析。实验结果表明,该平台能够实现轻量云计算所需基础计算资源的按需供给。最后,借鉴当下流行的深度学习算法,针对资源调度的及时性,提出了基于两种不同流量预测算法的资源管理方案,设计了两种不同的深度学习训练模型,在基于历史流量数据上进行资源需求预测从而实现提前部署资源。原始资源管理机制HPA和分别基于长短时记忆网络(LSTM)算法和反向传播神经网络(BPNN)算法的LSTM-HPA、NN-HPA机制的实验对比表明,本文所提方案能够有效解决资源负载失衡问题,最终效果达到了车联网的服务级别协议(SLA)要求。