随着互联网技术发展,移动网络数据流量激增,海量终端设备的连接请求给核心网络带来了巨大的压力。而伴随着线上教育、视频会议等新兴业务的兴起,用户对移动网络的服务质量提出了更高的要求。在这种情况下,传统云架构难以提供低延迟、高带宽的数据访问服务。边缘缓存技术通过在靠近用户的边缘端缓存流行数据,可以有效的减少网络内的重复流量,从而满足海量用户的低延迟访问需求。为了应对单个边缘服务器存储资源有限的问题,协作式缓存方案被提出以优化数据访问性能。然而现有的协作式缓存策略需要求解大规模混合整形非线性规划问题,难以在有限时间内获得最优方案。使用贪心算法缓存流行数据作为复杂度更低的替代方案却难以获得令人满意的性能。针对上述问题,提出了基于冗余感知的协作式边缘数据缓存策略（Redundancy-aware Cooperative Edge Data Caching,RCEDC）。通过预测边缘服务器的缓存收益阈值,将流行数据选择性的缓存于多个边缘服务器,以改进贪心算法,从而快速获得近似最优的缓存放置方案。为了应对数据流行度随时间动态变化的场景,需要实时更新缓存内容。然而基于现有的缓存替换策略,每个边缘服务器都会倾向于保留流行度更高的数据,导致协作缓存域内冗余数据量过多,空间利用率低下。针对上述问题,按照数据是否缓存于多个边缘服务器进行数据分区缓存,提出了面向分区缓存的基于冗余感知的替换策略（Redundancy-aware Partitioned Cache Replacement Strategy,RPCRS）,通过限制冗余数据最大可用缓存空间来保障空间利用率。面向实际应用场景使用真实负载进行实验,实验结果表明,RCEDC与最新研究工作相比,在保证命中率的情况下平均延迟最多减少了25.40%,执行时间最多缩短了81.46%;RPCRS与最新研究工作相比,缓存命中率最多提高了29.15%,平均延迟最多减少了16.80%。