可穿戴应用场景目前不断涌现,有效提升了个人和团队的工作效率。在团队协同执行任务的过程中,穿戴式设备能够提供AR辅助、人脸检测、数据融合等功能。这些功能方便了团队协作,也对穿戴式设备的计算和续航能力提出了极大的挑战。为提升可穿戴设备的性能,边端协同的方案得到迅速发展。通过利用边缘的计算优势,可以有效降低穿戴设备的能量消耗、提升服务质量。弹性策略是边缘计算中的一项关键技术,目的是及时分配资源给应用,已应对突发的工作负载变化。边缘计算集群资源有限,需要满足多种可穿戴应用的计算需求。因此,弹性策略应该具备轻量化的特点,尽量少的占用集群资源的同时有效应对工作负载的变化。本文首先对穿戴式应用场景进行分析,确定边端协同穿戴应用时弹性伸缩的必要性。然后对轻量化Kubernetes（K3S）边缘计算平台的基础概念和容器技术进行分析,采用开源方案Prometheus监控边缘计算集群的节点和应用状态。K3S的原生弹性策略是一种静态阈值响应式策略,面对动态变化的应用工作负载无法提供良好的服务质量。由此,在经过对边缘计算平台弹性策略的优化要求和可行性分析后,课题采用基于时间序列分析的预测模型和基于BP神经网络的弹性决策模型来进行应用级别进行弹性优化。然后结合K3S边缘计算平台的特性,设计弹性策略的实现架构。主要包括资源监控模块、预测分析模块、弹性伸缩模块和容器调度模块。最后,在实际的硬件节点上搭建边缘计算集群,并基于应用场景中的人脸检测应用,测试设计的弹性策略性能。实验结果表明,该弹性策略有效提升了服务质量,避免了突发波动对服务质量的影响。