云计算越来越多地向网络边缘推动,移动边缘计算的引入为许多新应用的落地提供了可能。但现有的移动边缘计算架构存在着由于计算资源分散,单机性能资源有限导致的卸载时延过高,峰值承载能力较弱等问题。本文在前人研究的基础上,从“基于用户移动的负载预测”和“联合资源分配和任务调度”两个方面入手,针对上述问题提出解决方案。主要工作包括以下方面:(1)首先根据边缘网络的动态性、计算资源多级分布、单台服务器资源受限、服务具有最低计算要求等特点,提出边缘卸载框架应该具有主动式、多级决策、边缘服务器合作以及集中控制等能力。以此为目标,本文设计提出了多级主动式边缘计算卸载系统(Multi-layer Proactive MEC Offloading System,MPMOS),并对系统中的模块功能,系统控制流程,用户计算卸载的具体流程进行了介绍。该系统工作在具有两层边缘计算节点的边缘网络中,以集中控制的方式对整个边缘域内的边缘服务器进行统一管控,由控制器周期性地对整个边缘域内的用户需求进行预测,并根据用户需求变化,对计算资源进行动态调整,并设计任务调度方案,降低了用户计算卸载时延,提高了边缘网络承载峰值流量的能力。(2)分析了边缘网络用户负载变化的特点,并分析了现有的负载预测方案,认为单纯使用基于历史统计的预测算法在边缘场景下存在较大的局限。在MPMOS架构下,综合现有对业务量预测和用户移动性管理的研究成果,设计提出了基于用户网络上下文信息的业务量预测算法(Network Context based Workload Prediction,NCWP)。该方法以周期的方式,利用用户的网络上下文信息,对用户轨迹进行预测,来达到预测每个周期基站用户数量的目的。并选取电子科技大学清水河校区地图作为仿真场景,通过SUMO软件模拟用户轨迹的方式,仿真结果验证了NCWP相较于传统的单纯基于历史统计的差分整合滑动平均自回归(Autoregressive Integrated Moving Average,ARIMA)算法,能够达到更高的预测精度。(3)分析了边缘计算场景下,计算资源分配和任务调度的所面临的问题,并总结分析现有工作。在MPMOS架构下,将边缘计算卸载的时延,通过排队论的方式进行建模,求解该模型需要进行混合整数非线性规划,属于NP-hard问题。本文通过拆分子问题分别求解的方式,提出了联合资源分配和任务调度(Joint Resource Allocation&Task Scheduling,JRATS)算法,用于求解最优的资源分配和任务调度方案,该算法基于贪心和最优化的思想。并通过MATLAB仿真的方式,对JRATS算法的效果进行了评估,相较于没有边缘服务器之间合作的模式,确实能够提高边缘承载峰值负载的能力,减少用户时延,有效地整合利用边缘的资源。