万物互联时代下信息化社会不断发展,使得计算服务的需求量迎来了爆发式的增长。云计算和边缘计算相互协同、各自分工形成了新型的云边聚合计算。然而随着计算需求的不断增长,云边聚合计算在提供高效计算能力同时,面临的困难也愈发突显。一方面,云服务提供商构建的基础设施常常是由多数据中心构成,数据中心架构错综复杂,提供的服务也存在差异,如何设计有效的面向云端多数据中心的有效负载预测机制是实现数据中心弹性调度决策的先决条件。另一方面,边缘环境下由于无法预知用户的计算需求,传统的任务卸载策略时常出现网络拥塞现象,致使失败任务数增加、任务执行时间延长,服务质量下降,有效的任务卸载策略直接影响系统处理任务的能力,有助于提高系统性能,具有重要的研究意义。针对上述两个问题,本文围绕云边聚合计算环境下的负载预测与任务卸载展开研究,主要工作包含以下几个方面:（1）针对当前负载预测算法大多仅针对单一数据中心且无法平衡负载长期趋势与局部变化的问题,本文基于多层注意力机制与自回归模型,提出了一种面向云端多数据中心的负载预测模型。该模型综合考虑了输入特征数据与输出负载之间的动态依赖关系以及负载波动的长期整体变化趋势,利用自回归模型实现了对负载序列线性趋势进行建模,并使用基于神经网络模型来捕捉时间序列的非线性趋势。实验结果表明该预测模型在单一云数据中心与多云数据中心环境下均有较好的适应性且能提高负载预测的准确性。（2）针对现有的研究忽略了多种资源之间的协同工作,且仅从时延或能耗角度对系统进行单一目标性能优化的问题,本文基于自适应模糊逻辑方法和执行能力聚类,提出了一种多维协同任务卸载算法。该方案首先设计实现了边缘服务器间聚类协同、计算任务与缓存服务协同等多层次、多维度的协同机制,且设计了自适应模糊卸载的方式,不断修正边缘服务器的决策模型。实验结果表明,该卸载方案能够在处理终端设备产生的任务卸载问题上,具有可靠的性能保障。在降低任务执行失败率和减少任务处理时间上,相比较于基准算法有一定的性能提升。（3）基于上述工作本文设计并构建了云边聚合计算监管系统,系统整合了所提出的面向云端多数据中心的负载预测模型,并支持选择本文所提及的预测方法在内的多种方式,进行负载预测,可视化地将负载变化趋势与预测结果展现给用户。系统应用本文提出的多维协同任务卸载算法,根据触发任务卸载请求,系统提供查看卸载过程中的相关信息包含边缘服务器的聚类信息、编排器调度、结果缓存、所使用的模糊规则等功能。