随着各种移动互联网社交平台的发展,在朋友圈小视频、快手、微博、抖音等短视频APP开始流行,产生了大量的用户短视频业务请求。在传统的云计算模式中,要求云计算中心必须有很强的计算和存储能力,虽然随着技术的发展,这些能力也在不断进步,但随着5G时代的到来,连入网络的移动设备终端的数量的增长速度将呈现几何级别,且通信业务场景的进一步的拓展等一系列问题,使得传统的云计算模式无法很好满足5G低时延、高速率的需求,急需寻找与传统云计算模式不同的另一种更为合理的方式。而移动边缘计算(MEC)这种模式的提出能够弥补移动云计算模式的不足。高清视频是移动边缘计算中一个比较常见的应用场景。缓存可以起到流畅视频流播放的目的,网络拥塞导致的视频抖动、卡顿等拉低用户体验的问题可以通过缓存技术来改善甚至消除,且缓存也可以解决大量用户请求同一视频文件所带来的的冗余请求和链路消耗。针对短视频业务的应用背景,采取合适的移动边缘计算短视频缓存策略有利于降低用户的时延,更好提升用户的Qo S。但是,现有的移动边缘计算缓存解决方案具有以下问题。首先,大多数现有的边缘缓存策略都是为固定的网络结构而设计的,重点关注缓存部署策略而忽略了用户的移动性;其次,针对短视频业务,大多数的边缘缓存方案对短视频业务的视频源时间短、用户业务请求刷新快、下载速率要求高的特点并没有针对性的研究方案;最后,由于用户移动性导致边缘缓存的任务具有动态特征,用户移动的动作可能会造成本该成功的缓存传输失败。面对上述问题和挑战,本文提出一种移动边缘计算短视频缓存策略。该策略使用用户轨迹预测算法预测用户下一时间片要移动到的目的基站位置,在目的基站位置提前缓存用户所需文件内容,实现用户请求在基站间无缝移动,根据用户流行度和用户移动速度评估文件内容的缓存价值,并根据该缓存价值的大小来进行缓存部署决策和缓存替换决策。该移动边缘计算短视频缓存策略的优化目标是最小化系统的总时延。通过在仿真平台上实现FIFO、LRU、LFU和KNAPSACK、GREEDY、《小小区网络中基于视频内容的边缘缓存技术研究》论文中的内容部分缓存方案六种策略,并与本文所设计移动边缘计算短视频缓存策略进行对比实验,仿真实验结果表明,本文所设计的移动边缘计算短视频缓存策略能够有效地减小时延、提高命中率和吞吐量。