近年来,随着接入网的智能设备数量激增,庞大的数据流量给现有的通信系统带来了巨大的挑战。为了应对通信量激增带来的各种难题,边缘缓存技术成为研究热点。边缘缓存通过充分利用边缘节点的存储和计算资源,提前预测流行度较高的内容缓存到距离用户较近的边缘节点上,从而缓解核心网的压力。边缘缓存方案制定的过程中,缓存内容、缓存放置、缓存更新是边缘缓存需要解决的三大问题。本文主要针对基站之间的聚类、基于用户偏好的内容流行度预测以及域内内容放置问题进行了深入研究。一、针对5G超密集网络（Ultra-Dense Network,UDN）中传统基站聚类方法效果欠佳导致协作缓存性能较低这一问题,本文提出一种基于基站聚类的分区协作缓存的方法,通过对宏基站覆盖范围下的小基站进行聚类,从而得到多个协作域,利用域内基站之间的相互协作,提升整体的缓存命中率。首先,根据宏基站范围下的小基站（SBS）之间的下载历史和位置信息,计算出小基站之间的余弦相似性和高斯相似性,得出综合相似度矩阵,然后利用Fast Newman算法进行协作域划分,达到合理的划分效果。最后,根据域内内容流行度,选择流行度排名较高的内容,分级缓存放入本地基站、域内其他小基站和宏基站中。实验结果表明,通过该算法对小基站进行聚类,可以有效划分协作域,进一步增强网络性能,提高总体命中率和降低平均内容传输时延。二、在聚类后的各个协作域内,以能耗最小为目标,对每个协作域进行最优内容放置。首先,基于全局下载历史计算出全局内容流行度,并利用Movie Lens数据集进行区域用户偏好计算,综合全局内容流行度和区域用户偏好完成内容流行度预测。然后,定义内容缓存价值,将缓存内容集按照缓存价值大小进行排序,选取缓存价值较大的内容进行缓存。最后,在内容放置策略中,考虑到用户请求内容偏好、基站位置信息以及各基站能耗差异,提出一种基于贪心思想的能耗最小内容放置策略。通过仿真验证,所提策略与最流行缓存策略、最佳冗余缓存策略相比,在缓存命中率、缓存能耗和能耗节约率指标上均展现出明显优势。综上所述,本文解决了边缘缓存中基站协作缓存、内容放置等问题,相较于现有方案,网络性能有所提升。