随着万物互联时代的来临,不同于云计算时代,大量数据在网络边缘产生,有限的网络接入带宽和应用对实时性的要求使得远端的云计算中心不能对海量数据进行高效处理。多址边缘计算（Multi-access Edge Computing,MEC）技术作为云计算模式在边缘网络中的扩展,能够在边缘网络中支持资源密集、延迟敏感型应用,并为用户提供有地理位置感知的实时服务。但与此同时,新型信息服务和面向业务类应用的快速增长迫切要求在边缘计算中考虑服务质量对用户体验的影响。针对应用的响应性需求,本文提出基于软件定义网络的资源调度框架和基于无服务器计算的边缘计算平台,并主要研究了边缘计算中体验质量感知服务器部署问题。由于物联网设备的激增以及这些设备产生的巨大计算需求,大量的数据将在网络边缘进行实时地处理。如何管理由大量异构基础设施组成的边缘网络以支撑运行在其上的移动应用,如何在边缘网络中高效部署数量有限的服务器以满足应用的体验质量要求,具有十分重大的研究意义。我们提出功能分发网络（Function Delivery Network,FDN）,一个基于软件定义网络的轻量级资源调度框架,以解决AIo T应用场景下的资源调度与管理、服务定义与接入以及体验质量（QoE）感知服务器部署等问题。FDN将应用执行环境下发到离用户最近的MEC节点上,保障应用对体验质量的要求;收集边缘节点和网络的状态信息,并基于这些信息做出全局最优调度;最后,中心化的控制方式也方便对大量设备进行管理。我们使用Go语言实现了一个FDN的原型,并将其部署在由四台服务器组成的测试平台上,基于流行的无服务器计算框架构建的MEC平台与5G基站共置。方案的可行性通过视频监控实时人脸识别应用得到了验证,与现有无服务器解决方案相比,在100并发请求下,FDN中请求的延迟相比云解决方案低了62%,同时实现了卓越的性能。在解决了边缘计算基础设施异构性和移动应用在MEC服务器上的生命周期管理等问题后,鉴于服务器部署的数量和位置直接影响到用户体验质量（Quality of Experience,QoE）（如负载不平衡和高延迟）以及运营成本。本文提出基于整数规划的最优部署算法作为衡量其他算法性能的基准,并基于贪心思想提出了近似最优部署算法（GDSA）,能够获得与最优解较为接近的结果。随后,本文对图论中的最小集合覆盖问题进行了扩展,提出了新颖的基于反向覆盖集的服务器部署算法（GCQA）,在99%的实验场景下都获得了与最优解最为接近的结果。另一方面,考虑相似研究中的求解算法,本文又提出了改进的基于多轮K-medoids聚类的服务器部署算法（MRKM）和基于多轮Top-K的服务器部署算法（MRTK）来验证本文提出算法的有效性。最后,我们在现实网络拓扑和上海电信基站数据集上使用真实的用户数据来对比上述服务器部署算法。在部署成本和体验质量方面,GCQA获得的部署方案大大优于其他算法。对于现实网络拓扑,GCQA算法得出的方案相比第二名的GDSA算法在相同的QoE要求下可以将部署成本降低15-35%;对于基站数据集,GCQA算法可以在给定的成本预算内相比其他算法可以将QoE提高约10-25%。