随着云原生理念的普及和其生态的迅速扩大,采用容器化和云部署的应用程序能够轻松地享受到上云的便利。Kubernetes是一种能够协调集群内云部署应用容器的容器编排引擎。它在管理应用程序的同时也提供了对应用程序的弹性伸缩功能,以适应不断变化的请求负载。但是对于默认的Kubernetes弹性伸缩方法来说,这个伸缩决策依赖于静态配置的参数和被动式的伸缩策略,对于动态的Web请求而言并不灵活和主动。于是在提高应用服务质量的最终目标下,本文以Kubernetes为研究对象,在基于Web应用的场景下对弹性伸缩策略展开研究,具体来说可以分为以下三点:（1）构建Web请求数据集:本文针对Kubernetes上实际运行的某个微服务Web应用,查询并采集了大量Web请求量的真实时序数据,经过数据清洗、聚合、滚动窗口等预处理操作过后,制作成了可用于时序预测的Web请求数据集。该数据集的特点在于同时记录了微服务的请求量与其中一个接口的请求量,弥补了其他现有Web请求数据集没有细粒度请求数据的缺陷。（2）提出面向Web应用的Kubernetes容器弹性伸缩方法:本文提出了一个基于Web请求量预测的Kubernetes容器弹性伸缩方法,使伸缩行为随着请求负载的变化而进行动态调整。为了达到目的,本文首先构建了一个基于长短期记忆网络的LSTM@Web请求量预测模型,该模型能够接收历史请求量数据,从而预测出未来下一时刻的请求量,其预测效果在和ARIMA的对比实验中得到了精确度的验证。之后,本文设计了一种基于M/G/1排队模型的Web性能分析方法,该方法可以利用LSTM@Web请求量预测模型的请求量预测值,对未来Web应用的状态进行性能分析。最终,本文成功融合了以上两个成果,设计了一个具体算法,该算法可以接受历史请求数据为输入,输出未来时刻Kubernetes上Web应用的理想Pods副本数量。（3）设计并实现面向Web应用的Kubernetes容器弹性伸缩系统:本文设计并实现了面向Web应用的Kubernetes容器弹性伸缩系统,以增强原有的伸缩机制,达到更好的资源调度效果。该系统基于上述提出的弹性伸缩方法实现预测模块和伸缩模块,并额外补充请求采集模块和监控模块以提供请求数据的收集与系统性能观测功能,最终能够实时读取到达的请求信息并对目标工作负载的副本集提前进行水平伸缩。之后本文根据从Web请求数据集中生成的真实请求数据,与原生的Kubernetes HPA进行对比模拟实验,以显示应用所使用的云资源和在规定响应时间内达成的请求数。从实验结果来看,与默认基线相比,本文在Kubernetes中实现的弹性伸缩系统能够提供更高质量的服务。最后,本文所提出的面向Web应用的Kubernetes容器弹性伸缩系统相比于原有弹性伸缩系统能够减少其25%的请求损失,进而验证了服务质量得以提升。