随着5G技术与人工智能技术的进一步发展,虚拟现实、人脸识别、情绪识别等新兴应用的低时延需求,以及云游戏这类应用对服务器的内存资源需求,都给现存的网络提出了挑战。为了应对这些挑战,移动边缘计算应运而生。移动边缘计算是一种以云计算技术为核心,将服务器部署在用户周围的小基站、路由器等网关节点上的云计算平台。与传统的云服务相比,边缘云提供的服务能显著降低延时保证稳定传输。为了保证边缘云的服务质量,需要部署大量的边缘云服务器,导致单个边缘云计算节点的计算与存储资源十分有限。此外由于用户的移动性,许多时延敏感型应用服务需要跟随用户一起迁移,频繁的迁移会降低边缘计算节点的资源利用效率,影响了用户体验。针对以上问题,对边缘云服务迁移策略展开了研究。首先考虑到高负载状态会导致边缘计算节点无法满足一些服务的低延时需求,因此根据用户的移动性、边缘云计算节点资源变化的周期性以及应用弹性特性,建立了以减轻边缘计算节点高负载为目标的系统模型。其次综合考虑低阶马尔可夫模型和不同时刻内存状态之间的影响,提出物理机内存负载预测算法,并结合服务迁移收益与动态规划算法,提供最佳的边缘云服务迁移策略。此策略能够避免大量用户服务迁移导致边缘云节点高负荷运行状态,提高整个系统的资源利用率。最后,选取了4个典型服务迁移策略进行仿真实验,证明了该策略的有效性,并分析了不同策略下的最大用户承载数、云服务质量、平均用户服务数据迁移量以及平均时延等指标。