随着智能设备和移动数据服务的迅速发展,全球的数据流量呈爆炸式增长。由于回程链路容量有限,数据的爆炸式增长将不可避免的造成网络拥塞。如何打破回程链路容量瓶颈,成为了5G网络的一项挑战。尽管请求多而杂,但研究表明,互联网中绝大多数的业务负载源于少数流行内容的反复传输。因此,若将流行的内容缓存到网络边缘,可以显著减少回程链路的业务负载,缓解网络拥塞。本文在回程连接容量有限的软件定义网络(SDN)中考虑多层级边缘缓存,其中,网络的控制功能从数据平面中解耦并集中于中央控制基站(CBS)中,业务基站(TBS)只为用户提供数据覆盖,且TBS和CBS都具有缓存内容的能力。为了在网络边缘实现高效的内容缓存和分发,本文对CBS和分布式TBS之间的存储资源分配问题和内容放置问题进行了联合设计,并在总存储容量有限的条件下,提出了令网络的平均内容供给开销最小化的分析框架。这是一个一般的NP难题。为了便于对比,本文首先分析了一个非协作边缘缓存策略,其中TBS和CBS各自独立缓存流行的内容。然而,非协作缓存策略始终存在着缓存冗余。为了进一步提高存储资源的利用率,本文通过利用TBS和CBS之间的垂直协作,以及不同TBS之间的水平协作,提出了一种高效的多层级协作边缘缓存策略。仿真结果表明,利用本文分析得到的最优存储资源分配因子,本文提出的多层级协作边缘缓存策略可以显著降低网络的平均内容供给开销,且协作边缘缓存优于非协作边缘缓存。另外,通过将缓存策略在垂直协作和水平协作之间进行切换,本文提出的协作边缘缓存策略能获得额外的性能增益。在以上分析中,缓存决策仅取决于内容的流行度,而忽略了内容大小对缓存决策影响。为了进一步优化缓存决策,本文提出了一种基于内容大小加权的流行度(SWP)缓存框架,其中内容缓存与否由内容流行度和内容大小共同决定。根据边缘服务器执行缓存可用的前验知识和缓存内容的时间,本文基于SWP提出了前摄型缓存算法和反应型缓存算法。仿真结果表明,网络的平均内容供给开销和边缘缓存命中率之间存在折中,且前摄型算法的性能优于反应型算法。