移动边缘计算是一种极具潜力的新兴计算范式,通过在基站部署计算、存储等资源,使得任务可以在网络边缘被快速地处理,从而满足许多新兴应用程序对低响应时延的需求。当前对移动边缘计算的研究主要集中在任务的卸载、路由以及调度策略等方面。虽然相关研究取得了一定的成果,但是大多数工作都是假设基站可以处理任意类型的任务。但在实际场景中,基站需要先缓存应用程序才能执行相应的任务,而且这些应用程序大多是由多个服务或模块构成。本文摒弃不适用于实际场景的传统建模方式,将应用程序建模成服务链的形式,并在此模型基础上对资源有限的基站进行动态服务链缓存以及高效的任务路由规划。本文主要工作如下:本文从应用程序服务提供商的角度出发,在考虑长时平均开销的约束下对服务链缓存和任务路由的联合优化问题展开了研究。为了更为准确地进行服务链缓存和任务路由的决策,本文采用分时隙的方式进行操作。首先,根据开放Jackson排队网络的理论分析服务链处理任务的平均逗留时延,进而将服务链缓存和任务路由决策量化为一个长时系统平均响应时延最小化问题。然后,在满足应用程序服务提供商所设置的长时平均开销约束下,本文基于李雅普诺夫优化技术设计了在线的开销自适应算法,将需要未来全局任务信息的长时最小化问题转化为只需当前时隙任务信息的单时隙问题。最后,针对单时隙内的服务链缓存和任务路由问题,本文分别设计了基于构造方式的单时隙服务链缓存和任务路由算法以及基于开销时延联合感知的迭代搜索算法。仿真的结果证明,本文所提出的算法与其他算法对比可以有效地降低系统处理任务的平均响应时延,并且保证应用程序服务提供商租赁基站资源的开销维持在一个相对较低的水平。