随着移动物联网新应用的蓬勃发展,移动设备有限的存储和计算能力与应用程序激增的计算需求之间的冲突日益明显,移动边缘计算（MEC）已成为解决该问题的有效技术之一。并且,将MEC与网络虚拟化技术结合,可以进一步提升服务的灵活性和经济性。然而,现有面向虚拟网络功能（VNF）的映射和迁移方案中,大多采用被动服务方式,难以即时响应用户的服务需求和应对故障导致的资源变化。因此,基于对业务需求和资源状态的预测,研究MEC网络中主动式VNF资源分配方法具有重要意义。为解决目前被动式虚拟资源映射方法导致的服务响应延迟大,提出基于流量预测的SFC资源动态供应和部署算法。该方法首先建立基于门控循环单元（GRU）的服务链流量预测模型,并基于流量预测值设计VNF弹性伸缩策略,通过对VNF的水平伸缩,避免服务中断。进而,基于扩展得到的VNF实例,考虑物理节点容量等约束,设计基于深度强化学习的VNF实例部署算法,节约服务成本。最后,根据各VNF实例的部署位置,设计基于业务优先级的服务链流量路由算法,保障高优先级业务服务质量的同时,进一步降低服务成本。仿真结果表明,本文所提VNF部署算法与其他强化学习部署算法和贪心算法相比,分别节约了 7.4%和22.2%的成本。为解决节点故障引起被动服务迁移导致的VNF服务中断和故障保护滞后,本文提出基于故障预测的服务主动迁移算法,提高服务可靠性和资源效用。首先构建物理节点故障预测模型,预测网络中各个节点未来时刻可靠服务能力,进而结合预测结果设计面向成本和业务优先级的VNF实例迁移算法,将服务链（SFC）上可能受承载节点故障影响的VNF实例均衡迁移到可用节点上。仿真结果表明,本文所提方法能够有效保障95%的SFC正常运行,相比启发式算法和贪心算法,可节约21.3%和26.6%的成本。