随着云计算和人工智能的广泛应用,容器技术扮演的角色越来越重要。Docker作为最广泛应用的一种容器技术有效解决了传统虚拟机技术存在的资源利用率低、软件堆栈环境不一致等问题。在云计算环境下,需要大规模部署容器,与之相应的集群管理方案应运而生,其中Kubernetes作为一种容器集群管理系统的佼佼者,在业界得到广泛应用。本文首先对Docker容器技术和Kubernetes集群架构以及自动伸缩技术进行分析。在此基础上深入研究Kubernetes自动伸缩策略,分析现有自动伸缩策略在扩容和缩容两个阶段存在的问题,并提出优化方案。针对扩容阶段存在的响应延迟问题,提出一种基于负载预测的扩容策略。使用指数平滑法与灰色预测相结合的方法,对应用Pod的负载进行预测,并根据预测结果调整Pod的副本数。从而达到在负载高峰到来前进行扩容的目的,减少应用的请求响应时间。针对缩容阶段没有考虑Pod资源因素的不足,结合现有策略中状态优先级的计算方法,提出一种综合考虑状态因素和资源因素的优化缩容策略。然后分别对这两种优化策略进行实现。最后搭建Kubernetes分布式集群,分别对两种优化方案进行实验。实验结果表明,优化扩容策略相比于现有扩容策略可以有效解决响应延迟问题,减少应用的请求响应时间;优化缩容策略相比于现有缩容策略,能够优化集群负载不均衡的问题,减少节点的资源碎片,提升集群的服务质量。