移动端业务的日益增加,导致传统架构不再适用于新的移动业务,云计算成为核心网架构的演进方向。然而,随着5G时代的到来,带宽超高、密度超大、时延超低将成为业务的主流特征。如果依然采用原有的云计算模式,速度、延迟和稳定性根本无法得到保证。边缘计算是一种在网络边缘为用户提供服务的计算模式,拥有低时延、高带宽的特点,该模式可以使用户享有稳定的高质量网络体验。同时虚拟化技术的出现,使得传统的服务器资源可以得到更充分的利用。平台和应用程序虚拟化正迅速走向云的边缘,为物联网、移动和嵌入式应用设备核心的多核处理器铺平了道路。本文通过整合Docker容器技术、Kubernetes容器管理技术,搭建一个边缘计算平台。为了弥补边缘侧弹性算法的不足,本文对原有弹性算法进行改进,提出了 CPU-内存交叉最大算法。该算法兼顾了应用对内存和CPU的需求,通过内存及CPU这两个参数对目标副本数目做出决策。本文对该算法在Kubernetes平台上进行了验证,并与原始算法进行比较,结果证明了该算法在保证扩/缩容工作稳定进行的同时,能提供更加准确的目标副本数目。在改进的弹性算法基础上,本文在边缘计算平台上进行了网络服务实验,通过在边缘侧和云侧的指标对比,验证了边缘侧相比云侧带来的稳定性及时延优势。另外,本文还详细描述了边缘计算平台的设计和构建过程。为了充分使用该边缘计算平台云侧及边缘侧的资源,本文还提出一种在云侧训练、边缘侧预测的机器学习思想,并且通过在边缘侧成功实现图像识别服务,验证了该思想的可行性。