云计算是一种允许按需动态租用计算资源的服务。云资源的弹性允许完美地利用计算资源,因为资源的数量可以根据实际需要进行调整。在云平台日益火热的今天,如何将云平台中资源,包括CPU、内存、GPU和网络等,更精准地提供给用户,是一个有待解决的问题。随着以Docker为代表的容器技术的成熟和流行,人们对于容器云平台的资源管理有了新的思路,业界的眼光逐渐从IaaS层转向PaaS层。Kubernetes正是新一代PaaS的代表性项目。如何提高资源使用率依然是云平台中资源管理的难题。本文首先介绍Kubernetes的架构与设计,随后本文立足于解决云平台资源调度工作的滞后性、资源利用率低等问题,研究了可用于预测云平台工作负载的模型,提出了一种基于ARIMA模型和LSTM神经网络模型的混合预测模型,作为云平台的负载预测方案。然后结合预测结果,对Kubernetes资源调度模块和弹性伸缩模块进行了优化。最后通过一系列实验,验证本文对Kubernetes的资源调度方案能够有效提高资源利用率和可靠性。