传统的计算机实训课程具有软件、硬件和地点的限制,疫情期间计算机实训课程成为了教学的一个难点,因此将实训课程进行云化具有极其重要的应用价值,而作为其核心的弹性伸缩也具有重要的研究意义。本文首先对云实训平台进行需求进行分析,依据实际教学需求将云实训课程划分为三种类型:命令行型、Web应用型和远程桌面型,同时增加实训自测功能;在完成需求分析后开始对平台进行架构设计,结合实际场景,将系统功能进行模块化设计,保证各个模块的高内聚、低耦合;最后结合云原生应用实现云实训平台。在构建好云实训平台的基础上,为了实现平台的高可用,本文对已有的弹性伸缩方案进行研究,分析发现云实训开启弹性伸缩时新节点加载过慢且新节点中云实训启动拉取镜像缓慢问题。因此本文将对这两个问题提出一套解决方案。针对弹性伸缩节点加载过慢的问题,本文设计了基于ARMA预测时间序列的弹性伸缩,使用实训监控系统的数据驱动帮助弹性伸缩模块完成预测,实现以ARMA预测的弹性伸缩方案为主,阈值性弹性伸缩方案兜底的弹性伸缩模块,从而实现节点预加载,达到优化节点的加载时间的目的。针对实训镜像拉取缓慢的问题,提出了基于LRU策略的镜像预加载技术,使用LRU记录最常使用的实训镜像,在ARMA预测的弹性伸缩模型的基础上,对LRU缓存中的镜像进行预加载,进一步优化了弹性伸缩中云实训的启动速度。最后将面向云实训的弹性伸缩模块嵌入到云实训系统进行融合,完成一套高可用的云实训平台。为了保证云实训平台的稳定性、可用性以及可靠性,本文将进行基础测试、功能测试和性能测试。测试中使用1200台机器并发请求1976232次,成功率达到92.68%,在启动100个实训时对比未启用弹性伸缩方案,资源利用率提升了44.44%。最终基于云原生的云实训平台通过了所有的测试,表明其是具备高性能、高可靠并稳定的系统。