在5G边缘计算环境中,为了实现服务的快速响应以及资源的高效利用,微服务需要相互协同,以满足用户服务需求。微服务协同的核心是基于部署在5G网络中的边缘服务器,对其计算、存储、网络资源进行高效调度,实现微服务的高效部署,进而实现微服务的协同。然而5G边缘计算环境中服务需求的多样性、边缘资源的有限性、微服务之间的依赖性、系统动态性等,都给微服务协同带来了挑战。本文针对面向5G边缘计算的微服务协同问题,从边缘服务器部署与资源调度、微服务部署、微服务协同三个方面逐层递进地展开深入研究,取得如下创新性成果:（1）基站感知的边缘服务器部署与资源调度方法。针对用户服务请求的时空不均衡和微服务架构中资源的竞争与合作问题,本文提出基站感知的边缘服务器部署方法和面向微服务的资源调度方法,以满足多样化的服务需求,实现边缘资源的高效利用。首先,基站感知的边缘服务器部署方法以在有限的部署成本下降低服务平均时延和负载均衡为目标,将问题建模成整数二次规划问题;然后,提出了一种基于放置和分配迭代优化的近似算法,从而得到基站侧的边缘服务器部署方案;其次,为了进一步提高资源利用率,本文提出了面向微服务的边缘服务器资源调度方法,该方法根据匹配理论将资源调度问题建模成多对一匹配问题,并提出了依赖感知的延迟接受算法;最后,基于真实数据集的实验结果表明本文所提出的基站感知的边缘服务器部署方法和面向微服务的资源调度方法可以有效地实现边缘服务器的部署和资源调度,降低边缘服务时延,满足多样化的用户服务需求。（2）UPF感知的微服务部署方法。针对5G边缘融合环境和微服务之间的依赖关系导致的微服务部署难问题,本文提出一种UPF感知的微服务部署方法,以提高网络和计算资源的配置效率,保证服务时延需求。该方法首先考虑了不同用户差异化的时延需求和有限的边缘服务器资源约束,并以最小化部署成本为目标将问题建模成一个整数非线性优化问题;然后,提出了一种基于凸近似及李雅普诺夫优化的近似算法,其核心是利用连续松弛和半定松弛技巧将问题松弛成一个凸优化问题,将原问题被分解成多个顺序子问题,引入李亚普诺夫优化方法进行求解;最后,基于真实数据集的实验结果表明所提方法能在满足服务时延要求的同时,有效地降低微服务部署成本。（3）面向用户移动性的微服务协同方法。针对边缘环境的动态性和用户的移动性,本文提出一种面向用户移动性的微服务协同方法,以保证边缘服务的连续性。该方法以响应时间和迁移成本为优化指标,将问题建模成一个多目标优化问题;然后,根据求解该问题所需要的环境信息是否完备考虑了两种协同场景:已知未来一段时间内完整信息的离线协同场景和只知道当前时刻信息的在线协同场景;其次,针对离线协同场景,提出了一种基于动态规划的离线微服务协同算法,并分析了该离线协同算法的最优性和复杂度;再次,针对在线协同场景,提出了一种基于强化学习的在线微服务协同算法,最后,基于真实数据集的实验结果表明基于强化学习的在线微服务协同方法可以有效降低服务延迟和迁移代价,并接近离线协同方法的最优性能。