随着互联网的飞速发展,缓存技术（caching）的应用范围越来越广,从最初的操作系统和CPU,到如今的服务器和边缘节点。随着边缘计算等概念的相继出现和普及,缓存有了更丰富的应用场景和落地方式。通常来说,对于热点内容的缓存能减少不必要的开销并提升效率。在边缘计算场景下,利用边缘节点靠近用户的特点,预先在边缘节点中缓存热门视频,能缩短用户获取视频的时间,大幅提升用户体验。然而,热门视频可能会有很多,单个视频会被编码成不同的清晰度,在复杂场景下如何选择要缓存的视频和比特率,如何平衡用户体验、边缘节点有限的存储和计算资源,以及视频提供商（video provider,VP）的成本仍然极具挑战性。另外,在有多个视频提供商的情况下,维护边缘节点的网络服务提供商（network service provider,NSP）如何分配存储空间给各个VP,提高空间利用率,并最大化其利润,是需要考虑和研究的。因此,本文的主要工作如下:（1）边缘计算中的多比特率视频缓存设计方法。本文首先根据视频的流行度分布、用户获取视频的时延等因素建立了参数化系统;其次,基于效用函数量化了缓存收益,以便将视频缓存问题建模为目标函数是效用函数的最优化问题。之后,本文研究了视频只包含单个比特率版本的场景和包含多个比特率版本的场景,并提出了分别适用于两种场景的视频缓存算法。最后,本文借助仿真实验对算法性能进行了评估。结果表明,提出的算法有着良好的性能,能高效地给出合理的视频缓存方案。（2）联合视频缓存的存储空间分配设计方法。本文在建立了相应的参数化系统后,基于效用函数量化了分配收益,以便将空间分配问题转变为求解包含一个约束条件的最优化问题。之后,本文尝试引入博弈论中的相关方法辅助求解,提出了用于求出问题最优解以及博弈平衡点的算法。仿真实验结果表明,提出的算法能给出合理的空间分配方案。