随着移动设备的普及和视频应用的爆炸性增长，移动网络面临着前所未有的流量压力。
为了缓解核心网络的拥塞，改善用户体验质量（QoE），移动边缘计算（MEC）应运而生，其将计算和存储资源推送到网络边缘，为用户提供低时延、高带宽的服务。
视频预取缓存作为MEC的关键技术之一，通过预测用户请求，提前将视频内容缓存到边缘服务器，能够有效降低网络回传流量，减少视频播放延迟，提升用户观看体验。
本文首先概述了移动边缘计算和视频预取缓存的基本概念，并介绍了视频预取缓存技术的国内外研究现状；然后，重点探讨了视频预取缓存策略的设计，包括基于用户偏好的预取算法、基于视频流行度预测的缓存策略以及考虑网络条件的自适应缓存替换算法；最后，对视频预取缓存策略的实现进行了分析，并对未来的研究方向进行了展望。
关键词：移动边缘计算，视频预取缓存，流行度预测，缓存替换策略，用户体验质量
#1.1移动边缘计算（MEC）移动边缘计算(MobileEdgeComputing,MEC)是一种将计算和存储资源部署在网络边缘（靠近用户侧）的新兴计算范式[1]。
与传统的云计算模式相比，MEC具有更低的延迟、更高的带宽以及更强的本地化服务能力等优势，能够更好地满足用户对实时性、可靠性和安全性日益增长的需求。
#1.2视频预取缓存视频预取缓存是一种主动服务机制，其核心思想是通过预测用户未来可能观看的视频内容，并提前将这些内容缓存到边缘服务器，以便用户在请求时能够快速获取所需内容，从而减少视频启动延迟、提高播放流畅度、降低网络回传流量[2]。
#1.3视频预取缓存策略视频预取缓存策略是决定缓存内容和缓存替换方式的关键因素，其目标是在有限的缓存空间资源下，最大限度地提高缓存命中率，降低平均下载延迟，提升用户体验质量。
常见的视频预取缓存策略包括：
基于用户偏好的预取算法:这类算法主要根据用户的历史观看记录、兴趣偏好、社交关系等信息，预测用户未来可能观看的视频内容，并进行预取缓存[3]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
