近年来,以移动边缘计算(MEC)和雾计算(Fog Computing)为代表的边缘计算技术获得高度关注,被认为是缓解网络带宽压力,实现业务低时延的关键技术之一。与传统的数据中心相比,边缘计算节点具有接近用户,分布广等优点,但同时它们也受计算和存储资源限制等缺点。因此,面对海量的互联网内容以及用户请求,如何高效地进行内容缓存和分发,以充分利用边缘节点的计算和存储能力,提升用户体验,是边缘计算网络中一个有待解决的重要研究问题。本文主要研究基于云(Cloud)、边缘和雾计算的内容缓存和分发策略。首先,针对云与MEC相结合的情形,提出了 一种基于区域的协作式内容缓存和分发策略,即在邻近区域内的MEC服务器上协作缓存内容,并向用户提供服务。本文着重研究了 MEC服务器的最优缓存问题,构建了相应的混合整数线性规划(MILP)模型,并提出了一个名为MixCo的启发式算法。该算法的核心思想是将每个MEC服务器的存储空间分成两部分:第一部分用于缓存MEC服务器本地较为流行的内容,第二部分用于和其它MEC服务器共同协作缓存区域内较流行的内容。仿真与实验结果表明,相对于传统的缓存算法,该策略可以有效地降低内容分发的平均时延,并可均衡系统内各个MEC服务器上的负载。在云与MEC相结合的情形的基础上,本文进一步引入更为广泛的雾计算节点,并基于云、边缘与雾计算相融合的架构,研究了 MEC节点与Fog节点采用的缓存策略,评估它们对于用户体验的影响。对于Fog节点,本文进一步提出了一个名为RMC的缓存策略,即每次替换Fog网络中副本数最多的内容。此外,本文还开发了一套动态仿真模型,用以模拟现实中内容发布,请求,流行度变化等过程。仿真结果表明,采用MixCo与RMC相结合的缓存策略,可以有效地提高本地内容的命中率,并提升用户体验。