随着物联网技术的不断发展,各种物联网应用与服务层出不穷,为用户享受舒适、高效、便捷的生活提供了源源不断的动力,也为社会的发展注入了新的活力。物联网近端服务让信息服务位置尽可能的靠近服务使用者,可以在资源受限的物联网环境下为其提供更加高效的信息服务。根据物联网服务对资源的使用情况,可以将物联网服务分为三种类型:数据传输密集型服务、计算密集型服务、综合性物联网服务。针对不同类型的物联网服务可以分别采用数据缓存技术、服务缓存技术以及缓存感知的计算卸载等方式为其构建高效的近端服务模式。可以看到,构建近端服务的各种方式均与缓存息息相关,缓存技术可以说是构建物联网近端服务模式的核心之一。因此,对面向物联网近端服务的缓存技术展开深入研究,具有十分重要的理论价值和实际意义。本文针对不同类型的物联网近端服务,分别从数据缓存、服务缓存、计算卸载中的缓存置换以及缓存感知的卸载策略等角度出发展开研究,提出了一系列新模型和新方法:(1)针对物联网环境下网内数据缓存问题,研究ICN架构下的数据缓存技术,提出了基于拉格朗日启发式算法的近似全局最优解和分布式局部最优解决方案;实现了在不增加额外通信开销情况下对数据缓存放置位置的本地计算。并针对周期性数据新鲜度的保障问题,在NDN模型基础上提出了一种周期性数据主动更新机制,实现了在保证数据新鲜度的同时最小化网络数据传输量的目标。通过构建基于NDNSIM的仿真实验环境,从网络数据流量、数据新鲜度等多个角度验证了所提出理论的有效性。实验结果表明,局部最优的分布式缓存算法可以平均减少约12.6%的网络流量,周期性数据主动更新机制可以平均减少约33.8%的网络流量。(2)针对物联网环境下服务缓存问题,尤其是针对物联网设备移动性较强的特性,研究了移动感知的服务分配与缓存策略。首先,研究了基于频繁模式挖掘的运动轨迹预测模型,并结合当前服务缓存状态提出了基于目标位置的服务分配算法,以最大化本地边缘服务器服务用户数为目标实现了移动感知的服务分配。然后,基于服务请求的短期动态变化规律和长期历史数据构建在线服务缓存预测模型,以缓存未来一段时间内本地最流行的服务为目标提出了服务缓存决策算法。通过分析本地服务比例和平均服务响应时间,验证了所提出的移动感知的服务分配与缓存策略的有效性。(3)针对计算卸载过程中缓存置换对计算卸载策略的影响,以最大化本地数据缓存价值为目标,研究了价值驱动的缓存置换问题,并提出了一种价值驱动的缓存置换算法。首先,通过引入相应计算任务的优先级,更准确地定义了数据的缓存价值;然后,以最大化平均缓存价值和缓存项数量为目标,将缓存置换问题定义为多目标优化问题,并提出了一种基于理想点法的缓存置换算法。该算法保证了高缓存价值的数据可以被优先缓存。实验结果表明,价值驱动的缓存置换算法可以将平均缓存价值提高约22.53%。(4)针对计算卸载位置选择问题,研究了缓存感知的计算卸载策略。以最小化所有任务的等效加权响应时间为目标,形式化定义了缓存感知的计算卸载位置选择问题;提出了基于运输问题的离线最优解,并转化为在线解决方案;该在线计算卸载策略可以根据当前缓存内容选择适合的位置进行计算任务的卸载。实验结果表明,所提出的在线计算卸载策略可以逼近全局最优解,其加权响应时间平均减少了约 26.13%。