一种基于Kubernetes的云际工作弹性伸缩扩容方法

本发明涉及云际工作负载预测技术领域，具体提供了一种基于Kubernetes的云际工作弹性伸缩扩容方法，将PM‑SGRUs‑DTW模型应用于Kubernetes平台，所述PM‑SGRUs‑DTW模型包括多尺度时序分解与特征提取、自适应模式聚类与数据增强以及相似性对齐的动态集成预测关键设计，最后基于Alibaba和Google的真实数据集进行了CPU利用率和内存利用率的预测实验。本发明将PM‑SGRUs‑DTW模型的预测结果与Kubernetes原生的HPA机制结合，通过精确预测负载趋势，预判资源需求，实现了负载波动初期的扩缩容决策，降低了弹性伸缩机制的响应延迟，提升了资源利用效率和服务质量。