移动互联网产业的飞速发展促使了物联网、大数据、人工智能等技术的诞生及发展,也正是这些技术的快速发展,给互联网产业带来了深刻的变革。这些技术无一不对响应时间、设备续航、网络环境等有着严格的要求,这对于传统网络的计算模式无疑是一个巨大的挑战。移动边缘计算(Mobile Edge Computing,MEC)做为最有希望解决以上需求的计算范式被提出,其低时延、本地化、近距离、位置感知等特点使各种移动应用的功能得到了极大的提高。边缘计算是指在网络边缘进行计算的服务模式,其“边缘”是一个相对概念,在边缘计算环境中具有一定计算和存储能力的终端设备都可以参与计算。移动边缘计算靠近产生数据的源头,用户在网络及空间距离上离为其提供计算的服务器更近,满足了用户对于低时延的需求。然而设备的资源量远远小于用户的任务请求量,因此如何部署及迁移任务才能最好的利用移动边缘计算的优势是一个亟待解决的问题,本文在边缘计算环境下对计算任务的缓存及迁移展开了详细研究。本文所考虑的移动边缘计算环境是由多移动用户和多服务器组成。其服务器包括边缘服务器、代理服务器以及远程中央服务器。移动用户向处于同一系统中的服务器发出计算任务请求,并期望在相对较短的时间内得到任务的计算结果。由于在不同的服务模式下任务的响应时间不同,因此任务的调度策略对用户任务的响应时间有着至关重要的作用。此外,在同一环境下的移动用户倾向于请求相同或相似的计算任务,若用户每次重复的计算任务都被执行一次无疑会造成计算及能量资源的极大浪费。因此研究者在任务迁移技术的基础上衍生出了任务缓存技术。将某些任务缓存至边缘服务器,当相应任务请求到达时直接返回其计算结果不但可以减少任务的响应时间,同时也降低了用户的能量开销。本文将任务效用和服务器被接入情况等影响因素纳入考量,通过对系统中过往任务请求及服务情况的长期观测提出了适用于多服务器环境的任务缓存策略。策略以最小化处于同一边缘系统中所有用户的任务响应时间为目标建立数学模型并提出启发式算法对该问题进行求解,最终得到了计算任务的缓存部署决策,并将部署好的环境应用于短期的任务迁移技术中。最后将计算结果与理论最优的计算方法进行实验对照,仿真结果表明,提出的启发式算法有效地减少了用户计算任务的响应时间及能量消耗,在性能上接近理论最优的计算策略。