在新一轮科技革命的驱动之下,数字化、智能化和万物互联的趋势愈发明显。网络流量和终端数量呈现爆炸式增长,为云中心计算处理能力与网络传输带来巨大的负担。如何减小网络带宽消耗,降低用户时延,提高服务质量是互联网今后发展的重中之重。所以,能够在网络边缘为用户提供轻量级云服务能力的边缘计算,与缓存流行内容用以更快响应用户请求的缓存技术,开始被高度关注。针对云计算模式中用户时延过大这一问题,本文结合边缘计算与缓存技术特点,研究基于边缘计算的缓存系统的设计与实现,主要贡献如下:首先,本文对边缘计算框架进行优化,提出了一种更适合缓存的框架优化方案:基于边缘节点的资源差异性与局域网网络拓扑,将边缘计算框架优化为“云—调度层—接入层—终端”四层结构。调度层中边缘节点称作为区域边缘服务器(RES),负责管理边缘集群、与其他集群通信以及缓存集群服务范围内的流行内容;接入层中的边缘节点称为本地边缘节点(LEN),负责缓存该节点服务范围内的流行内容。这种优化不但为不同集群间的协作提供了基础,而且依据流行度对缓存内容实现了分层放置,降低了整个集群的缓存冗余。其次,基于系统平均负载、磁盘I/O空闲率与带宽空闲率,本文提出了可承载因数这一概念,用来表示服务器在不使自身过载的情况下响应用户请求的能力强弱,同时,这一因数可以作为选定协作集群的重要参数。然后,结合牛顿冷却定理、某一内容的累计请求数与最近请求趋势,本文提出了一种流行度计算方法,并利用这一方法设计集群内缓存的放置与替换策略,实现整个集群的缓存命中率与空间利用率的提升。以上述研究为基础,本文设计并实现了基于边缘计算的协作式分层缓存系统。该系统分为存储端与控制端。存储端负责缓存内容的存储,由RES的缓存存储单元与集群中所有LEN组成;控制端部署于RES中,负责控制整个缓存系统,主要由信息管理模块、节点监控模块、集群内缓存放置模块、集群协作缓存模块、缓存读取模块以及缓存清理模块组成。信息管理模块负责管理系统的缓存与设备信息;集群内缓存放置模块根据本文提出的流行度计算方法来选择流行内容并进行存储;缓存清理模块用于在某节点存储空间不足时,对该节点缓存内容进行清理和替换;集群协作缓存模块用于在集群中RES的可承载因数过低时,发现并利用合适的集群进行缓存协作。最后,本文搭建了真实的测试环境,对web服务器中资源进行并发访问,并就缓存命中率、平均时延等指标,与缓存服务中经典的缓存策略进行对比。测试证明了本文的基于边缘计算的协作式分层缓存系统可以在有效降低用户时延的同时,降低系统的缓存冗余,提高缓存系统的空间利用率,并可以防止RES的严重过载。