随着车联网技术的快速发展,新兴车载应用服务不断涌现导致网络边缘的数据急剧增多。然而,将车载应用服务相关的海量数据上传到远端云进行分析与处理,容易造成核心网络拥堵,产生较高的时延,车载应用服务的实时性难以得到保障。为了应对上述挑战,移动边缘计算（Mobile Edge Computing,MEC）作为一种网络新范式产生,在无线接入网络的边缘提供远端云的计算、存储能力,有效的保证了通信的可靠性,并降低了服务响应时延。当前对服务缓存的研究,主要面向独立服务而非具有依赖关系的服务。因此,研究如何将远端云的服务链部署到不同的边缘节点,以及如何在已缓存相同服务的边缘节点之间进行工作量的调度是非常必要的。首先,将具有依赖关系的复杂应用服务建模为服务链。其次,将服务链处理任务的过程建模为开马尔可夫排队网络,结合排队模型分析将任务交由服务链处理后产生的平均逗留时延,建立了一个混合整数非线性规划的数学模型。最后,结合外逼近（Outer Approximation,OA）算法提出了基于服务链缓存与工作量调度的调度策略,对构建的混合整数线性规划问题进行求解。并从任务到达率、存储容量等影响因素考察对服务响应时延的影响。仿真结果表明,可以有效的降低平均服务响应时延,提高边缘节点的资源利用率。图21幅;表6个;参63篇。