无服务器边缘计算采用了事件驱动模式来服务应用的请求。在这种计算模式中,应用的代码运行在轻量级的容器中,当该应用的请求产生时,才启动容器服务请求。虽然这种方式极大地提升了硬件资源的使用效率,但是容器的冷启动时延降低了时延敏感型应用的服务质量。容器“缓存”技术,即把服务完请求的容器缓存在内存中不销毁,在服务下一个相同请求时可以避免经历冷启动过程,从而能够消除这种时延,但同时增加了内存负载,导致了硬件资源浪费,在资源受限的边缘场景中,控制硬件负载,做好负载调度,提升资源的有效利用率更需要被着重考虑。为了解决上述问题,提出了无服务器边缘计算中的容器缓存策略。利用边缘节点分布式与异构化的特性来联合优化容器缓存与请求分发策略,一步一步地揭示了这个联合优化问题可以被映射成经典在线优化问题-雪橇租赁问题,并基于该问题的在线最优算法来设计启发式算法。首先从若干条件简化的特殊场景入手,设计不考虑内存约束条件下的最优算法,该算法通过一组精确计算的概率分布函数来分发请求与缓存容器,并经过严谨地数学推导证明了该算法在理论上可以实现最低的竞争比。基于这个算法,提出了一个具有性能保障的启发式在线算法来应用于具有完整限制条件的多区域多节点并发请求场景。通过部署大量的实验来验证算法的性能表现,实验包括基于Azure数据集的仿真实验与基于开源无服务器计算平台OpenWhisk的真实系统实验。实验结果表明算法的性能在系统总开销上优于现有的无服务器计算平台以及最新学术论文中的策略。