5G的三大业务场景包括增强型移动宽带场景、超高可靠低时延场景和大规模机器类通信场景。这三大业务场景具有差异化的性能需求和较高的资源需求。边云协同多级计算是满足5G业务需求的关键。边云协同多级计算系统通过边缘层、区域云数据中心和核心云数据中心来为5G业务提供充足的资源。但是,该系统内的网络规模较大,包含基站、交换机和路由器等大量的网络设备。当这些网络设备来自不同的供应商时,设备上的控制协议或编程接口通常是不统一的,导致网络系统的更新速度缓慢且可操控性差。同时,为了满足5G业务场景下自动驾驶和超高清视频等应用多样化的资源需求,现有的研究较多使用网络切片来提供定制化的网络资源,较少同时考虑存储和计算等资源的定制化提供。为解决上述问题,本文在基于软件定义网络（Software Defined Network,SDN）的边云协同多级计算环境中研究了多维资源的联合配置。针对边云协同多级计算系统内硬件设备数量众多且种类多样,边缘-区域-核心多级资源的层次性等特点,围绕四个科学问题:如何解决边云协同多级计算系统内网络设备的高效统一管理问题;如何解决网络、存储和计算等多维资源的按需提供问题;如何解决终端设备的资源受限问题;如何解决边缘-区域-核心多级资源的协同问题,本文从系统架构设计、资源切片映射、计算卸载和资源编排等方面展开了研究和探索。主要研究内容和创新工作如下:（1）设计了基于SDN的边云多级计算系统构架在边云协同多级计算系统中,如何高效统一地管理多样化的网络硬件设备,以及实现多级资源的高效协同是亟待解决的问题。针对以上问题,本文提出了一种基于SDN的边云多级计算系统构架,利用SDN来管理系统内的网络硬件设备。该架构将数据层与控制层分离,并提供逻辑集中但物理分布的SDN控制器、边缘控制器、区域云控制器、核心云控制器和开放的可编程接口。数据层与控制层分离、集中的控制机制和开放的接口可有效地提高网络的可编程性,并实现边缘-区域-核心多级资源的高效协同。实验结果表明,基于SDN的边云多级计算可有效地网络资源的利用率。在为资源需求不同的任务提供资源时,基于SDN的边云多级计算系统利用资源切片可有效地提高多维资源的利用率和服务质量。（2）提出了基于SDN的边云多级计算中跨域资源切片生存性映射方法针对为资源切片预留的资源与任务需求不匹配会降低资源利用率,资源受限的边缘层难以为资源切片提供充足的资源,且边云协同多级计算系统内的节点失效会降低资源切片服务质量的问题,本文提出了基于SDN的边云多级计算环境中跨域资源切片生存性映射方法。该方法首先利用长短期记忆网络来预测资源切片的存储和计算资源需求。然后,将边云协同多级计算系统内的存储和计算资源分配给现有的网络切片,建立资源切片映射能耗最小化目标函数,以获得最优的资源切片映射结果。当服务器节点失效时,利用链路重映射能耗和节点重映射能耗,建立资源切片重映射问题模型,以获得最优的资源切片重映射结果。实验结果表明,本文所提资源切片映射算法S-CDRSE可以有效地降低资源切片恢复能耗,并提高资源切片请求接收率和资源切片恢复比例。（3）提出了基于资源切片选择的协作式软件定义计算卸载方法针对计算任务的资源需求和资源切片提供的资源不匹配会导致服务质量下降,以及在计算卸载时只考虑资源切片内的可用资源量会降低资源利用率的问题,本文提出了基于资源切片选择的协作式软件定义计算卸载方法。该方法首先利用动态电压频率调整技术来获得任务的本地执行时间和能耗。根据资源切片内的可用资源量、无线信道状态和终端设备的传输功率来进行资源切片选择,以获得计算卸载的时间和能耗。再根据计算任务的截止时间、本地执行时间和能耗以及卸载的时间和能耗,建立计算卸载问题模型。最后,利用深度强化学习技术获得最优的计算卸载结果。实验结果表明,本文所提计算卸载算法SD-CCO能够有效地降低系统总能耗和终端设备平均能耗,并提高任务完成率。（4）提出了基于SDN的边云多级计算中数据驱动定制化资源编排策略如何协同利用位于不同空间位置的边缘-区域-核心多级资源,以实现定制化的资源编排是基于SDN的边云多级计算系统亟待解决的问题。为解决上述问题,本文提出了基于SDN的边云多级计算中数据驱动定制化资源编排策略。该策略利用深度信念网络进行任务分类,以确定资源切片的种类。然后,分别进行资源切片间和切片内的资源编排。对于切片间的资源编排,根据资源切片种类和多级资源的使用能耗,建立切片间的资源编排问题模型。对于切片内的资源编排,根据切片内的可用资源量和任务截止时间,建立切片内的资源编排问题模型。最后,利用Benders分解法和序列二次规划算法获得了最优的资源编排结果。实验结果表明,数据驱动的定制化资源编排算法DBN-RO可有效地降低系统能耗,并提高系统吞吐量和任务完成率。