随着社会进步和科技的发展,各类应用的不断出现以及海量增长的数据,人们对用户体验提出了更高的要求。这就迫使人们寻找更加有效的方法探索数据的内在价值并对数据进行合理的优化放置。云计算和边缘计算的出现为满足社会需求提供了更多的可能。然而,云计算和边缘计算服务与资源种类繁多,其计算和存储能力也千差万别。因此,面对日益复杂的网络环境和应用需求,云计算和边缘计算融合协同发展成为趋势。并且,由于现实世界中大部分数据都具有时间和空间维度上的属性信息,以及一些数据特性也具有时空维度上的关联性和变化性,这些特性对数据放置具有显著的影响,而已有的研究缺乏对这方面的考虑。因此,在云边协同环境下,迫切需要得到可靠有效的数据放置方案。本文针对上述问题,针对如何从数据的时空特性出发进行建模与计算,如何结合数据区域间关联性进行分析以及如何面向云边环境进行数据放置优化开展了如下研究:（1）基于温度矩阵的数据优化放置。本章通过考虑数据自身特性以数据温度为基础提出数据温度矩阵,并在此基础上提出副本选择算法以满足用户延迟请求。随后根据数据副本矩阵和区域服务器矩阵得到数据与服务器之间的映射关系,并以此得到区域下的成本矩阵。最终采用改进的匈牙利算法基于数据成本矩阵得到数据放置策略。实验结果表明,本章提出的方法能在满足用户访问延迟的前提下,有效地降低成本并提升负载均衡效果。（2）数据区域价值的模型与计算研究。基于上述的数据温度计算模型,本章进一步定义了数据区域价值模型。由于数据温度缺乏对区域间相互影响的考虑,而其对数据放置也存在很大的影响。因此,本文借鉴PageRank算法思想给出了两个数据温度与区域价值的判断规则:即温度值越高,价值贡献越大;但同时距离越远,价值贡献就越小。最后,分别在模拟数据集和真实数据集下对考虑数据温度和数据区域价值的策略进行了对比分析,可以获知考虑区域间相互影响的区域价值及其放置策略能够带来更优的效果。（3）基于区域价值的数据优化放置。本章基于上述对数据区域价值的分析和探讨,提出了云边协同环境下面向成本和用户访问延迟的数据优化放置方法。给出了相关问题定义和优化模型,并结合区域价值提出了一个基于副本选择的数据优化放置方法。通过实验对比了多个传统数据放置方法和常用的智能优化算法,从多角度证明了所提方法既能够保证高效性又能够在成本上得到更优的结果。本文提出了在云边环境下进行数据放置的策略,考虑了数据的时空特性,并针对数据的区域价值特性进行了探讨与分析。通过大量实验验证了文中提出的方法能够有效地提升云边融合环境下数据放置的效果。