【51CTO.com快譯】我們消費多媒體內容的方式已逐漸發生了變化，提供多媒體內容的技術也發生了變化。由原來的下載變成了流式傳輸，音頻或視頻文件的遠程副本通過互聯網實時傳輸，無需在設備上存儲本地副本。

[[323482]]

但如果流式傳輸也適用于移動應用程序，會怎樣呢?這就是AppStreamer背后的想法，這款新程序旨在通過預測性流式傳輸降低應用程序的存儲需求。該軟件由泰國宋卡王子大學、美國普渡大學、伊利諾伊大學厄巴納尚佩恩分校、AT&T實驗室研究和喬治亞理工學院的一群研究人員共同開發而成，得到了AT&T和美國國家科學基金會的支持。

領導這項研究的普渡大學電氣與計算機工程教授Saurabh Bagchi說：“我們想在設備上消費更多的內容，但是這些設備不像我們希望的那樣有豐富資源。而且世界上有些地方買不起最新的智能手機，那么如何為他們提供消費內容的能力?流式傳輸應用程序似乎是合理的方法。”

AppStreamer假定設備沒有在本地存儲所有內容的空間，因此它依賴云存儲或“邊緣”存儲，這意味著服務器的位置比較靠近網絡端點(比如電信提供商的基站)。

移動游戲之類的應用程序需要資源(比如圖像、視頻或聲音文件)時，AppStreamer會在應用程序需要資源之前從遠程存儲獲取該資源。因此，應用程序無需將所有資源保存在本地，從而使所需的存儲空間最小化。此外，用戶安裝應用程序時，即使該應用程序尚未完全下載，也可以立即開始使用它。

AppStreamer在移動應用程序和設備操作系統之間的那一層工作，不需要更改應用程序本身。Bagchi說：“實際上，我們甚至不需要移動應用程序的源代碼。應用程序可以被視為二進制黑匣子，我們僅查看它與操作系統之間的交互。”

AppStreamer功能的關鍵部分是預測應用程序將需要哪些資源以及何時需要這些資源。為此，AppStreamer采用了機器學習，從離線訓練階段開始，以便特定的應用程序學習從一種狀態轉換到另一種狀態的可能性。如果該特定狀態跟隨當前狀態的可能性極大，軟件才為該狀態獲取資源。

比如說，玩家們置身于移動游戲的幻想世界時，會不斷地從一個島嶼進入到另一個島嶼。 Bagchi說：“機器學習這部分能夠預測這一點，它知道與下一個島嶼相對應的所有資源。它不需要為世界另一端的島嶼獲取資源。只有當玩家靠近該島嶼時，它才需要獲取資源。”

研究團隊使用第一人稱射擊游戲《Dead Effect 2》和基于回合制的戰術角色扮演游戲《Fire Emblem Heroes》對AppStreamer進行了測試。結果表明，AppStreamer為70%的《Dead Effect 2》玩家和88%的《Fire Emblem Heroes》玩家提供了與整個游戲存儲在智能手機上時同樣的游戲體驗。AppStreamer還將這兩款游戲的存儲需求降低了85%以上。

與采用機器學習的任何應用程序一樣，準確性和表示性帶來了挑戰。Bagchi說：“預測是項棘手的任務，[就AppStreamer而言]我們要預測應用程序的行為。擁有代表不同類型游戲玩家的足夠多數據以訓練機器學習模型是一個挑戰，因此一旦AppStreamer部署在實際環境，它就會很準確。”

Bagchi設想，AppStreamer將不僅用于移動游戲，還將用于更廣泛的應用場合。正如他所說：“內存和存儲方面占用大量資源，僅使用其整體功能一小部分的任何應用都適合于AppStreamer之類的技術。”

原文標題：New Software Streams Apps to Save Space on Your Phone，作者：Rina Diane Caballar

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】