Con el desarrollo vigoroso de big data y la computación en la nube, los contenedores se están convirtiendo en la plataforma principal para ejecutar aplicaciones debido a sus características flexibles y ligeras. El uso de un sistema de gestión de clúster de contenedores puede administrar de manera más efectiva múltiples contenedores en múltiples nodos de máquinas, y Kubernetes se ha convertido en un líder en sistemas de gestión de clúster de contenedores, con sus potentes capacidades de orquestación de contenedores. Sin embargo, los componentes y configuraciones predeterminados actuales de Kubernetes parecen tener un cuello de botella de rendimiento y no son adaptables a entornos de uso complejo. En particular, los problemas son la latencia en la distribución de datos, copias de seguridad y restauración ineficientes del clúster que conducen a una recuperación deficiente en caso de desastre, actualizaciones de despliegue sin tiempo de inactividad, ineficiencia en el equilibrio de carga y manejo de solicitudes, falta de escalado automático y estrategia de programación que conducen a violaciones de calidad de servicio (QoS) y uso insuficiente de recursos, entre otros. Con el objetivo de mejorar el rendimiento insuficiente de la plataforma predeterminada de Kubernetes, este documento se centra en reducir la latencia en la distribución de datos, mejorar las estrategias de copia de seguridad y restauración del clúster para una mejor recuperación en caso de desastre, optimizar las actualizaciones de despliegue sin tiempo de inactividad, incorporar mejores estrategias para equilibrar la carga y manejar las solicitudes, optimizar el escalado automático, introducir una mejor estrategia de programación, entre otros. Al mismo tiempo, se lleva a cabo un análisis experimental relevante. Los resultados del experimento muestran que en comparación con la configuración predeterminada, la plataforma de Kubernetes optimizada puede manejar más de 2000 solicitudes concurrentes, reducir la sobrecarga de CPU en más del 1.5%, reducir la memoria en más del 0.6%, reducir el tiempo promedio de solicitud en un promedio del 7.6%, y reducir el número de fallos de solicitud en al menos un 32.4%, logrando el efecto esperado.