近年来，随着万物互联时代的快速到来和无线网络的普及，高清视频流、虚拟现实等移动多媒体服务快速发展，网络边缘的设备数量和产生的数据都快速增长，并且还将达到当前蜂窝网络的容量限制。在未来的5G移动通信中，移动互联网应用还将进一步持续高速发展，数据业务类型更加多样化，用户对高速率的移动网络服务的需求急剧增加，现有的移动通信网络架构明显受到限制，5G通信系统必须提供快速、灵活、可靠和持续的无线连接，同时有效地支持快速增长的移动网络流量和海量数据业务。

为了应对移动网络流量的爆发式增长，学术界和产业界做出了许多努力，其中移动边缘计算就是重要的一个方面。移动边缘计算（MEC，Mobile Edge Computing），又称为多接入边缘计算（Multi-access Edge Computing），是一项新兴的技术，它能够在移动网络的边缘或靠近用户的无线接入网侧提供信息技术服务环境和云计算能力。同时，对应用开发者和内容提供商而言，MEC 可以为其提供超低时延和高带宽的网络服务环境，为互联网业务的发展以及应对海量的数据流量提供了数据支持，利用MEC平台的计算能力、存储能力以及靠近用户端的特性，可以在网络边缘最大限度地提高服务、内容访问和应用程序的响应速度，增强交互性，提升用户体验。MEC 基于虚拟化平台，被欧洲 5G PPP（5G Infrastructure PublicPrivate Partnership）研究机构认可为 5G 网络（包括网络功能虚拟化（Network Function Virtualization, NFV）和软件定义网络（Software Define Network, SDN））的关键新兴技术之一。

随着通过对流量爆炸式增长问题的研究发现，移动网络流量主要一部分来自于从远端服务器重复下载一些流行度较高的内容（例如多媒体文件和视频流），为了应对急剧增长的用户需求和海量的数据流量对移动通信网络的冲击

一种有效的解决方法是，在流量非高峰时段，热门的视频可以存储在边缘，通过内容缓存策略，流行的内容都被缓存在中间或者地方服务器，（例如网关、路由或基站）甚至用户设备，需要相同内容的用户可以直接从本地缓存获取，而不需要重复地从远端服务器下载这在一定程度上可以降低传输时延。但边缘服务器的计算能力和缓存空间有限，面对海量的用户视频请求，如何设计并实现一种高效的缓存策略或者算法，来提高缓存的命中率、用户的请求延迟等，进而提升用户体验，这需要进一步的研究。

国外的研究现状分析：

2013 年，美国太平洋西北国家实验室的 Ryan LaMothe在一个 2 页纸的内部报告中提出“edge computing”一词,这是现代“edge computing”的首次提出，2016 年 5 月，美国自然科学基 金委（National Science Foundation，NSF）在计算机 系统研究中将边缘计算替换云计算，列为突出领域（highlight area），8 月，NSF 和英特尔专门讨论针对 无线边缘网络上的信息中心网络（ NSF/Intelpartnership on ICN in Wireless Edge Networks ，ICN-WEN），10 月，NSF 举办边缘计算重大挑战 研讨会（NSF Workshop on Grand Challenges in Edge Computing），2016 年 5 月，美国韦恩州立大学施巍松教授团队给出了边缘计算的一个正式定义：边缘计算是指在网络边缘执行计算的一种新型计算模型，边缘计算操作的对象包括来自于云服务的下行数 据和来自于万物互联服务的上行数据，而边缘计算的 边缘是指从数据源到云计算中心路径之间的任意计 算和网络资源，是一个连续统。并发表了“Edge Computing: Vision and Challenges”一文，第一次指出 了边缘计算所面临的挑战。同年 10 月，ACM 和 IEEE 开始联合举办边缘计算顶级会议（ACM/IEEE Symposium on Edge Computing，SEC），这是全球首个以边缘计算为主题的科研学术会议。自此之后，ICDCS，INFOCOM，MiddleWare，WWW 等重要国际会议也开始增加边缘计算的分会（track）或者专题研讨会（workshop）。另外，近年来，关于异构蜂窝网络中的内容缓存和分发问题已经引起了国内外科研人员的广泛关注与研究。随着超密集异构网络（heterogeneous networking, HetNets）（例如微微基站和毫微微接入点）的部署和移动流量的不断增长，给连接基站到核心网的回程链路带来巨大的压力。为应对回程链路可用性和容量的性能瓶颈问题，研究者们提出向小型基站（Small Base Station, SBS）引入缓存功能，以便在终端用户请求的非高峰时段预取内容，并在高峰时段有效提供服务。在参考文献[14]中，作者提出了“FemtoCaching”的概念，并研究了异构蜂窝网络中的最优内容缓存和分发机制，旨在最小化平均下载延迟。在参考文献[15]中，作者研究了路由和缓存的联合优化问题，目标是最大化在蜂窝网络中由部署的微基站（SBS）所服务的内容请求数.

国内的研究现状分析：

国内边缘计算的发展的速度和世界几乎同步，特 别是从智能制造的角度。2016 年 11 月，华为、中国 科学院沈阳自动化研究所、中国信息通信研究院、英特尔、ARM 等在北京成立了边缘计算产业联盟（edge computingconsortium），致力于推动“政产学研用” 各方产业资源合作，引领边缘计算产业的健康可持续发展。2017 年 5 月，首届中国边缘计算技术研讨会在合肥开幕，同年 8 月，中国自动化学会边缘计算专 委会成立，标志着边缘计算的发展已经得到了专业学 会的认可和推动。2018 年 9 月 17 日，在上海召开的世界人工智能大会，以“边缘 计算，智能未来”为主题举办了边缘智能主题论坛， 这是中国从政府层面上对边缘计算的发展进行了支持和探讨。2018 年 8 月，两年一度的全国计算机体系结构学术年会以“由云到端的智能架构”为主题，由此可见，学术界的研究焦点已经由云计算开始逐渐转向边缘计算。