随着边缘计算技术的发展,越来越多的终端设备应用可以卸载到网络边缘具有高分布特性的数据中心进行服务与计算。边缘数据中心分布在网络边缘,相对于传统云数据中心在地理位置上更加接近用户和终端设备,能够减少应用业务请求的时延,给用户带来更高的服务质量。另一方面,边缘数据中心受到地理位置,基础设施等多方面影响,使其在建设规模,物理设备上不及云数据中心。有限的资源容量限制了边缘数据中心的计算、存储能力,边缘数据中心不能完全替代云数据中心,二者协同配合才能够最大程度的发挥作用。边缘计算和云计算的结合为用户提供新的服务模式,计算海量的时间敏感型应用将面临很多挑战。首先是资源部署问题,边缘数据中心如何对不同应用所需的服务器资源进行有效的部署与管理,在数据中心有限的资源容量下制定合理的资源部署策略来提高资源利用率,较少资源成本,实现负载均衡。其次应用的任务卸载问题,任务卸载能够利用服务器资源对应用进行计算与服务,可以有效的提高执行速率,减少用户本身设备的能耗,应用在进行任务卸载时如何在本地,边缘,云进行抉择,在满足时延要求的条件下制定合理的卸载策略对能耗和时延做出权衡。本文主要工作和创新点如下:(1)针对边缘计算的局限性,本文分析了边缘计算与云计算协同的可能性,在边缘计算与云计算架构下,主要研究资源调度问题和任务卸载问题和传统云计算架构下的区别,同时分析万物互联时代下新型应用的特点以及工作方式,为后续在边缘与云结合场景下的资源部署策略制定和任务卸载策略制定奠定理论基础。(2)针对边缘计算中的数据中心资源部署问题,本文在边缘数据中心和云数据中心共存的网络系统架构下分析影响资源部署的多个因素,面向多种时延敏感型应用,结合虚化化技术将不同应用需求的服务资源抽象为不同的虚拟机进行部署与管理,通过建立数学模型将最小化系统中的资源总量的资源部署问题转化为混合整数线性规划模型,最终运用IBM WebSphere ILOG CPLEX工具给出资源部署策略的最优解,并通过多组的仿真比较多个因素对资源部署策略的影响。最终的仿真结果表明最系统的资源总量受到边缘资源容量大小,应用请求速率,服务速率的影响。(3)针对边缘计算中的任务卸载问题,本文详细的分析了应用卸载到云,边缘执行应用与在本地执行边缘的时延和能耗的组成部分,通过问题的建模与分析得出该问题为非确定性多项式难题(NP-Hard),给出了一种最小时延和能耗的启发式算法来解决任务卸载问题,我们将时延和能耗归一化为系统损耗,并由权衡因子分配时延和能耗所占比重。仿真中将基于该算法策略和多种卸载策略进行对比,结果表明该算法是一种近似最优算法,能够有效地降低系统中的损耗。