随着智能手机和移动网络的普及,短视频社交平台逐渐兴起,这给移动网络的回传链路带来了大量的流量。相比YouTube等VoD平台,短视频社交平台中视频的流行度分布更加趋向于极少数的流行视频,因此利用边缘缓存的技术,将流行视频提前缓存在基站上,就可以大大减小回传链路的流量负载,并降低用户观看视频的延迟和云服务器的负载。但是短视频社交平台中视频流行度变化迅速,具有更强的动态性,因此传统的基于用户最近访问记录的缓存替换策略难以及时对视频流行度的变化做出反应,导致缓存效率降低。本文首先通过逆向工程得到了获取抖音平台数据的接口,获取了抖音的相关数据。以抖音短视频为例,本文对短视频社交平台中用户和视频的特征进行了分析,并详细测量了平台中的视频传播机制。测量结果显示平台中用户分布是不均匀的,在城市范围存在大量用户聚集在少数区域的情况。平台中视频传播的主要方式是推荐,其次是通过社交网络传播,并且视频传播呈现出明显的时间局部性和空间局部性。基于测量的结果,本文提出了一种云边协同的协作式边缘缓存策略来减小回传链路和云服务器的负载,降低用户观看视频的延迟。用户分布的不均匀导致了不同区域的基站负载不均衡,因此本文提出的算法将区域内的边缘节点统一考虑,使低负载的边缘节点能够为高负载的边缘节点提供服务,互相协作,提高资源利用率。测量结果显示抖音能够很大程度上感知视频的传播,因此本文采用了云边协同的策略,即利用云服务器来预测用户要观看的视频,利用边缘节点来缓存视频。最后本文利用获取的数据对算法进行仿真测试,并与传统的缓存替换算法进行比较,结果显示本文提出的算法在缓存命中率、流量卸载率和延迟降低率上都取得了更好的结果。