本发明公开了一种基于用户移动和联邦缓存决策的内容缓存方法，涉及边缘计算的内容缓存技术领域，包括以下步骤：用户向覆盖范围内的边缘服务器发出内容请求；边缘服务器预测用户在当前覆盖范围内的停留时间；边缘服务器将全局模型传输给用户，作为用户的本地模型；得到当前边缘服务器下感兴趣的内容的排名；边缘服务器根据环境信息和感兴趣的内容的排名进行内容缓存决策。本发明增强了边缘服务器的容错能力，考虑了服务器故障概率，并实现了与相邻服务器的协同内容更新。而且，本发明综合利用了用户的历史轨迹信息，引入联邦学习方法，确保在保护用户隐私的前提下，能够有效预测用户感兴趣的内容，进而预测每个边缘节点的优先缓存队列。