随着网络技术的飞速发展,无处不在的移动设备和大量的新兴应用导致了移动数据流量的爆炸式增长。内容分发网络（Content Delivery Network,CDN）作为解决网络流量快速增长的重要手段,为了获得更低的延迟和更好的用户体验,不断将其缓存设备从中心网络下沉到边缘网络当中,我们称这样的内容分发网络叫做边缘缓存网络。新的场景带来新的问题,边缘缓存中,通常缓存设备搭载在基站上,这导致了缓存所能够覆盖的用户大大减少,从而使其收到的请求相对较少。本文通过对YouTube请求数据集的分析,发现在边缘缓存中全局热门的内容不一定在局部缓存中也是热门内容,同时边缘缓存中局部缓存的内容热度偏度较小,大量的内容都只被访问了极少的次数。我们称缓存设备收到的对某个内容第一次请求未命中为首次未命中,通过这些分析和相关文献的查找,我们发现边缘缓存中,首次未命中对缓存整体命中率有着较为重要的影响,这是边缘缓存中特有的且不被重视的问题。据我所知,本文是第一个提出这个问题的。本文采用了主动推送的策略来解决这个问题,与其他文章不同,我们并不根据内容的热度来进行内容推送,因为我们发现在边缘缓存中内容热度相差较小。我们借鉴协同过滤的思想,通过缓存之间的相似性来进行内容推送。我们首先提出了最简单的广播策略,并且证明在缓存无限的条件下广播策略能够解决边缘缓存中的首次未命中问题,然后根据缓存历史收到的请求集合,计算缓存之间的Jaccard相似度,通过对缓存进行分簇的方法来限制内容推送的范围,利用图分割算法来解决簇划分问题,且进一步分析该问题具有子模性质。最后在分簇的基础上增加内容推送的概率,进一步提高内容推送的准确率。我们利用SNM模型和YouTube统计信息数据集生成了两个请求序列,并且模拟出缓存之间偏好的相似性。在仿真实验中,我们比较了本文提出的内容推送策略与最近相关研究中提出的缓存策略在边缘缓存中的性能,包括缓存命中率,缓存推送的开销,以及缓存推送的准确率。验证了本文提出的内容推送策略能够在可接受的开销下很大程度的解决边缘缓存中的首次未命中问题。