如何节省手机应用空间

我们消费多媒体内容的方式逐渐改变,提供多媒体内容的技术也发生了变化。从原来的下载到流媒体音频或视频文件的远程副本可以实时通过互联网传送，而不需要在设备上存储本地副本。

但如果流式传输也适用于移动应用程序，会怎样呢？这就是AppStreamer背后的想法，AppStreamer是一个旨在通过预测流降低应用程序存储需求的新程序。该软件由泰国松卡大学、美国普渡大学、伊利诺伊大学和美国伊利诺伊大学开发。

purdue大学电气和计算机工程教授萨拉布巴基（saurabhbagchi）说，我们希望在设备上花更多的钱，但是它们并不像我们想的那样资源丰富。世界上的一些地区买不起最新的智能手机，他们怎么能买得起内容呢？流式传输应用程序似乎是合理的方法。”

appstreamer假定设备没有本地存储所有内容的空间，因此它依赖于云存储或边缘存储，这意味着服务器位靠近网络端点（如电信提供商的基站）。

当诸如手机游戏之类的应用程序需要资源（如图像、视频或声音文件）时，应用程序流程者在应用程序需要之前从远程存储获取资源。因此，应用程序不需要在本地节省所有资源，以尽量减少所需的存储空间。此外，当用户安装应用程序时，即使应用程序没有完全下载，也可以立即开始使用它。

AppStreamer在移动应用程序和设备操作系统之间的水平上工作，而不改变应用程序本身。

Bagchi说：“实际上，我们甚至不需要移动应用程序的源代码。应用程序可以被视为二进制黑盒，我们只看它如何与操作系统交互。

应用pstreamer功能的关键部分是预测应用程序需要什么资源以及何时使用。为此，AppStreamer使用机器学习，从离线培训阶段开始，这样特定的应用程序就可以学习从一个状态到另一个状态的变化。如果特定的状态可能遵循当前状态，软件就可以获得资源。

例如，当玩家处于手机游戏的幻想世界时，他们不断地从一个岛屿移动到另一个岛屿。Bagchi说：“机器学习这部分能够预测这一点，它知道与下一个岛屿相对应的所有资源。它不需要为世界另一边的岛屿提供资源。只有当玩家靠近岛屿时，它才需要资源。

该团队使用第一人称射击游戏deadeffect2和基于转身的战术角色扮演游戏中的火花标志英雄来测试应用流程器。结果表明，AppStreamer为70%的Deadeffect2玩家和88%的Fireemblem英雄玩家提供了相同的游戏体验，因为整个游戏都存储在智能手机上。AppStreamer还将这两款游戏的存储需求降低了85%以上。

与采用机器学习的任何应用程序一样，准确性和表示性带来了挑战。Bagchi说：“预测是项棘手的任务，[就AppStreamer而言]我们要预测应用程序的行为。拥有足够的数据代表不同类型的玩家来训练机器学习模型是一个挑战，所以一旦AppStreamer被部署到实际环境中，它将是准确的。

Bagchi设想AppStreamer将不仅用于移动游戏，而且用于更广泛的应用。正如他所说：任何应用程序只在内存和存储中使用其总体功能的一小部分都适合于应用程序流程器等技术。