由于移动设备在日常生活中的使用率越来越高并且越来越便利,目前已有许多平台将服务集成并迁移到移动应用程序中,其中包括了密集型计算应用,即需要大量实时计算的应用,例如自动驾驶服务和基于区块链的加密货币服务,此类应用对移动设备的存储和计算能力提出了很高的要求,但移动设备因计算和存储资源不足无法支持此类服务的高速运行。移动边缘计算可以通过提供计算任务卸载服务来解决上述移动设备资源受限问题,将应用服务的计算任务迁移到移动设备附近的边缘服务器上,通过合理的资源分配方法,为用户提供计算和存储资源,同时,为了更高效地完成计算任务,边缘计算网络中还提供缓存功能,确保延迟敏感和上下文感知的应用程序能在边缘计算网络中有效进行。本文基于移动边缘计算的相关重要理论,对边云协同模式下的资源分配方法和缓存管理进行了调研和分析,研究了密集型计算卸载场景下的高效资源分配与缓存机制,主要贡献如下:（1）通过边云协同的方式来解决密集型移动区块链应用的计算卸载问题,提出了一种基于边-云两级双边组合拍卖机制的边缘计算资源分配机制,并提出了相应算法G-TLRA。本文首先设计了一个包含两级资源的双边组合拍卖模型,在此模型中,边缘计算服务提供商基于边云协同方式向移动用户提供云级-边缘级两级资源,用户通过竞争购买所需虚拟机（VM）实例完成计算任务;然后,本文综合考虑拍卖真实性、个人理性、收支平衡、计算有效性等经济属性,提出了改进的两级资源双边分配算法和定价算法,解决了单一边缘级资源不足的问题,并且在资源分配过程中形成自适应的市场平衡,实现资源分配过程的长期稳定运行。仿真结果表明本文提出的拍卖机制能有效适用于密集型计算任务卸载的场景,并且其资源利用率和用户获胜率较之前的研究都有明显提升。（2）本文针对密集延迟敏感度高的实时计算任务在边缘计算网络中卸载的场景,提出了一种基于三层边缘计算网络的多内容缓存机制,该机制在边云协同的基础上,使用边缘-边缘数据中心-云数据中心三层缓存结构,解决了传统两层结构存储空间不足、任务计算时间和传输时间过长导致任务超时、用户服务无法完成等问题。该机制对用户请求服务以及计算结果同时进行缓存,摒弃了目前的内容流行度计算方法,综合考虑了造成任务计算时长过高的因素,并且结合传输距离重新定义了服务的内容流行度和任务结果价值的计算策略,同时基于新定义的内容流行度提出了相应的缓存替换策略,针对不同缓存内容进行内容放置和缓存替换。仿真结果表明,该缓存机制可以在用户允许时限内有效提高卸载服务完成率和缓存命中率,从而证明该机制可有效降低卸载服务的时延。