近些年来,互联网技术高速发展,网络用户也在相应地增长,传统的系统面临巨大压力。传统系统采用的是固定资源模式,应用程序被部署在物理机上,通常会被过度使用达到额定工作负载,导致系统的可用性以及稳定性不高,这样的模式浪费了能源和空间,资源利用率低。因此,研究负载均衡系统,使得整个应用系统高可用、高稳定性、资源利用率高具有巨大意义。目前,容器技术和微服务架构被广泛研究并被应用在当前网络系统中。互联网技术不断迭代,从最初的虚拟机部署到如今更细粒度的容器部署,因容器具有轻量化、便捷性和资源利用高等优点,所以替代了虚拟机;从最初的单体架构演变为微服务架构,微服务架构中每个服务具有自己独立的功能,共同维护更大的系统,分工明确,所以在开发、测试、部署和调度中具有显著优点。因此,本文结合上述优点,基于微服务Spring Cloud框架与Docker容器技术设计并实现负载均衡系统。本文主要工作有以下三点:（1）提出基于负载的具有注意力机制的双向长短时记忆网络（AttentionBi LSTM）预测模型。由于传统时间预测算法,采用的大多是回归拟合,精度较低,本文采用Bi LSTM神经网络模型,并加入注意力机制,提取和关心时间序列重要数据特征,提高预测的精度以及迭代的时间效率。并且负载模型充分考虑了CPU、IO、内存和网络等因素,表征更强。经实验验证,该模型具有较好的预测精度和计算效率。（2）提出基于容器依赖的改进离散布谷鸟优化算法（RDCS）。当系统负载不均衡时,需要进行容器调度。本文深入研究微服务架构下容器间依赖关系,基于容器依赖改进传统布谷鸟搜索（Cucoo Search）算法,在莱维飞行和放弃新建鸟巢关键步骤加入轮盘赌和容器依赖,增强了算法全局和局部搜索能力与效率。最终经过验证,该算法提高了系统的资源利用率、响应速度。（3）设计负载均衡系统并应用于风电场管理系统。对负载均衡系统进行需求分析,有如下功能:服务高可用、资源监控、集群服务管理和负载均衡模块。架构设计方面,采用模块分治结构,降低系统耦合度;并将改进负载预测模型和容器调度算法应用于实际风电场管理系统,除了能对外提供稳定的服务,还具有负载均衡功能。经过实验验证,该负载均衡系统,使得应用系统响应速度更快,更稳定。