随着物联网技术以及移动计算的飞速发展,智能手机、平板电脑等移动边缘设备的数量急剧增加,其身份也逐渐从数据消费者转换成了数据生产者和数据消费者的双重角色。互联网5G技术的提出将使整个人类迈入万物互联的时代。受限于网络带宽的瓶颈,传统的云计算方式将不完全适用于万物互联的场景。移动边缘计算是基于5G技术提出的一种新型的计算模型,通过利用边缘网络的计算和存储能力来对附近的移动用户提供具有云计算能力的计算服务。移动边缘计算模型能很好地应用于万物互联的场景。在移动边缘计算中,将移动边缘设备的计算任务迁移到无线接入网内的云服务器上执行能有效地降低本地计算所带来的开销,但是计算迁移会造成额外的开销,包括了无线网络传输的能耗和时间开销,同时也会增大云服务器的负载。从另一方面来说,利用移动边缘设备的计算能力,可以有效地分担云服务器的的计算压力、降低计算任务的响应时间并保护用户的隐私数据。但是考虑到移动边缘设备本身的处理能力和电量有限,其上的计算任务也不能过于复杂。本文将提出有效的计算迁移机制来达到移动边缘设备的能耗、计算任务的响应时间等多方面因素的平衡。本文首先提出了移动边缘计算的体系架构,包括了三个部分:移动边缘设备、边缘云和监测服务器。移动边缘设备是原始数据的来源,边缘云部署在无线接入网内为移动边缘设备提供用于计算迁移的计算服务,监测服务器负责计算服务的维护及服务状态的监测。该体系架构充分利用了移动边缘设备的计算能力和边缘云的计算能力,以此来降低计算任务的响应时间,同时有效地节省移动边缘设备的能耗并保护用户的隐私数据。本文提出了数据预处理来保护计算迁移中用户的隐私数据并为后续的计算迁移机制做准备,数据预处理包含了数据清理和数据切分两个步骤。数据清理一方面能减少冗余数据对计算任务带来的额外开销,另一方面能保护冗余数据中的用户隐私信息。本文提出的数据切分从多个粒度将原始数据切分成数据块和数据切片,针对数据块和数据切片来考虑计算迁移策略。同时本文提出了移动边缘计算下的能耗模型和时间模型,来对移动边缘设备的能耗和计算任务的响应时间进行详细的分析。为了实现计算迁移策略的动态调整,本文提出了服务动态感知方法来实现对边缘云负载变化的感知。服务动态感知方法包括了服务过滤和服务动态更新。服务过滤机制包括了基于聚类的服务过滤和基于匹配函数的服务过滤,能够实现计算迁移策略中将计算任务卸载给最合适的计算服务执行。服务动态更新能够实现根据云服务器的负载动态的更新计算服务的状态,并将其状态更新及时的推送给网络位置下的移动边缘设备,以此来实现计算迁移策略的动态调整。本文所设计的计算迁移机制着眼于降低移动边缘设备的能耗和缩短计算任务的响应时间,根据云端的负载和网络状态的变化实现计算迁移策略的动态调整。本文单方面从降低移动边缘设备的能耗出发,提出了 ECPO机制;单方面从缩短计算任务的响应时间出发,提出了 RTPO机制。考虑到ECPO机制和RTPO机制考虑因素单一,对于不同应用场景的适应性较差,本文结合了这两种计算迁移机制并综合考虑移动边缘设备的电量和用户的需求而提出了动态计算迁移机制。最后,本文构建了上下文感知的移动边缘计算系统的原型,分别在网络正常、网络拥塞、低电量、任务限时等场景下进行仿真模拟实验。实验结果表明,本文所提出的基于移动边缘计算的上下文感知的计算迁移机制能够综合考虑移动边缘设备的能耗、计算任务的响应时间以及边缘云的负载,实现动态调整计算迁移策略。