一种基于负载预测的容器云弹性伸缩方法

本发明公开了一种容器云弹性伸缩方法，特别涉及一种基于负载预测的容器云弹性伸缩方法，包括以下步骤：步骤S1：数据采集与存储；步骤S2：数据预处理与规则过滤；步骤S3：负载预测模型训练；步骤S4：负载预测与趋势分析；步骤S5：扩缩容判定与参数计算；步骤S6：扩缩容策略执行与实时调整。相较于传统的负载预测方法，本发明采用基于PatchMixer的深度学习模型，能够更精确地捕捉云资源负载的时间序列特征，尤其是在处理非线性和非平稳数据时具有明显优势。通过高精度的负载预测，能够更好地为容器云的弹性伸缩提供可靠的输入数据，显著提升资源调整的及时性和预测准确性。