随着5G技术的成熟,AR/VR、自动驾驶等新兴产业的发展,集中式云计算逐渐难以满足大众对于时延的需求,使得计算范式开始向着边缘计算转变。然而,边缘计算因其分布式多部署的特点,不能保证每个边缘节点集群都拥有足够的资源。面对边缘节点集群有限的资源,如何通过合理的资源调度,来为用户提供高质量、低时延的服务,成为了一个值得研究的问题。针对此问题,本文研究边缘计算中边缘节点资源调度方法。面向资源受限与不受限场景,基于线性规划与稳定匹配理论,分别提出了基于线性规划的服务器数量优化模型和适应边缘计算环境的改进稳定匹配算法,以改善用户任务的传输时延与服务质量。同时,本文也实现了边缘计算系统中资源管理业务功能,用来作为以上两种算法的载体。具体地,本文主要工作如下:（1）提出了基于线性规划的服务器数量优化模型针对边缘计算资源受限场景下的资源调度问题,研究如何通过最小化服务器数量,部署更多的边缘节点集群,以降低用户任务传输延迟。为解决此问题,本文引入了NP难的多背包问题,将原有求解物品价值最大化的多背包问题,在本文基于资源构建的数学模型下,转化为求解服务器数量最小化的资源调度问题,提出了基于线性规划的服务器数量优化模型。本文从服务器使用数量与服务器资源占用两个指标入手,在Kubernetes平台上对比了通过隐枚举法求得此模型的资源调度结果与使用首次适应算法求得的资源调度结果。结果显示,基于线性规划的服务器数量优化模型能有效的减少服务器使用数量与资源占用。（2）提出了适应边缘计算环境的改进稳定匹配算法针对边缘计算资源不受限场景下的资源调度问题,研究如何通过合理地配置虚拟资源与物理资源间的映射关系,将虚拟资源单位调度到最合适的服务器上,以提高用户服务质量。为解决此问题,本文引入了容器稳定匹配算法,将其应用于上述场景并根据实际情形进行优化,提出了适应边缘计算环境的改进稳定匹配算法。本文从资源调度时间指标入手,在Kubernetes平台上将该算法与轮询调度算法进行了对比。结果显示,适应边缘计算环境的改进稳定匹配算法能减少约8%的资源调度时间。（3）设计与实现了边缘计算系统中资源管理业务功能为实现以上提出的两种资源调度方法,本文设计与实现了边缘计算系统中资源管理业务功能。该业务功能基于Kubernetes平台,对Pod、镜像、数据卷进行管理,并以此实现了包含上述算法的资源调度功能。同时,考虑资源调度真实需求,本文还实现用户管理模块与资源监控模块用来分割与监控资源,并对这三个模块分别进行了功能验证。