随着现代移动应用变得越来越复杂,移动边缘计算将计算资源与计算服务等带到移动网络的边缘,以满足各种计算和应用需求。考虑到移动设备可能并不总是有足够的硬件条件,计算卸载可以帮助设备充分利用额外的计算资源,已经在边缘环境中得到了广泛的使用。近年来,有许多关于计算卸载的研究解决了如何确定是否进行计算卸载的问题,这些工作主要使用了机器学习和博弈论。然而,这些方法基于已经训练好的模型,只能在边缘服务器没有发生变化的固定环境下工作。一些文献提出在卸载程序之前对任务进行划分,但一个移动应用程序内部通常十分复杂,甚至包括了一些无法卸载的任务等。在边缘环境中,边缘服务器是动态变化的;移动应用程序内部的结构十分复杂;同时,移动应用程序的计算任务有多种类型。这给边缘计算的相关研究带来了不少的挑战。为了应对这些挑战,本文中提出了递增并发任务划分算法（the incremental concurrent task partitioning algorithm,ICTP）,根据数据依赖性和状态对移动端应用程序的任务进行划分。同时,基于边缘环境的动态条件,本文设计并实现了一种实时调度算法,可以针对边缘服务器的情况实现对移动应用的实时卸载。实验结果表明,本文提出的算法可以有效地应用于构建移动应用程序。与其他卸载算法相比,所提出的方法中移动应用的平均响应时间减少了10%到20%。本文的创新点如下:提出了一种划分算法,该算法可以对移动应用进行划分,增加应用的并发性。该算法使移动应用更适合计算卸载,方便计算任务进行调度。同时,设计了一种基于多边缘服务器环境的实时调度算法。该算法对计算任务进行实时卸载,从而减少应用所产生的时延。