、120和130可以具有被存储在每个设备中的相同内容的不同表示。例如，设备110可以对应于具有内容的数字表示(例如，可以在计算机上呈现的数字照片)的台式计算机。设备120可以对应于具有相同内容的分别表示(例如，可以在膝上型计算机上呈现的数字照片的副本)的膝上型计算机。更进一步地，设备130可以对应于也具有相同内容的分别表示(例如，可以在移动设备上呈现的照片的副本)的移动设备。
[0021]在一个实施方式中，设备110的用户可以手动地选择内容。该选择可以涉及用户浏览被存储在设备110中的内容的列表。替代地或者附加地，设备110的用户可以请求从另一设备或内容提供者通过云105获得内容。内容提供者可以包括可以提供用于被用户设备消耗的内容的任何实体。内容提供者的示例可以包括(但不限于)电视广播台、服务器、对等联网实体(例如，其他用户设备120、130)和/或等等。进一步地，内容可以是各种内容，诸如文件、补丁、图形和/或等等。文件可以包括视频、音频和/或文本。
[0022]监视引擎140可以包括收集与系统的操作和动作相关的数据、可以被用于推断网络中的用户活动的数据以及明确地指示活动的数据。例如，监视引擎140可以监视被用户输出的内容。进一步地，监视引擎140可以收集与经由设备110给用户的内容呈现和/或用户内容选择相关的数据，所述用户内容选择指示用户已经请求接收并且选择用于输出(例如，观看和/或收听)的内容。例如，用户可以浏览在他的桌面上的“我的项目”文件夹中的文件。然后用户可以启动文字处理应用，并且开始对文件夹中的特定文件进行编辑。监视引擎140可以监视设备110上的这样的用户活动，并且基于这样的活动，监视引擎140可以生成用户活动数据，其可以然后被存储在日志数据库150中并且与预测引擎160共享。
[0023]此外，监视引擎140可以监视应用数据并且跟踪应用访问的数据。应用可以包括可以在设备上运行以提高生产率(例如，文字处理、电子数据表)、支持通信(例如，电子邮件、web浏览以及即时消息)、提供娱乐(例如，游戏、多媒体播放器)和/或等等的各种典型应用中的任何应用。
[0024]在另一实施方式中，监视引擎140可以监视与设备110相关的系统信息。这样的系统信息可以包括设备110的各种属性，包括。属性可以是静态的或者是动态的。例如，动态属性可以包括但不限于，电池电力信息、电池电力消耗率、存储器/存储装置空间、无线信号强度、网络细节、整体设备健康信息、设备或周围温度值和/或等等。信息还可以包括与各种输入或输出设备的状态相关的信息，或者关于输入或输出设备的状态方面的改变的信息。例如，设备信息可以包括指示设备110到另一设备的连接(例如，经由蓝牙无线连接或者硬连线连接)的数据。类似地，设备信息可以包括具有向用户呈现内容的功能的任何软件应用的标识。在说明性实施方式中，设备信息可以由设备110上的硬件部件(例如，传感器)或软件部件生成。附加地，可以由设备110从诸如附接的硬件部件、远程监视部件/服务或者网络数据源之类的外部资源获得设备信息。
[0025]在一个实施方式中，设备信息可以对应于来自全球定位系统(“GPS”)或者蜂窝式定位系统(例如，三角测量)的信息(诸如玮度和经度信息或者其他地理坐标信息)。在一个实施方式中，来自GPS天线的GPS接收信号可以被GPS接收部处理并且可以被输入到监视引擎140中。设备110的位置信息可以被解释并翻译成可以被用于预测在该位置处用户可能需要访问的内容的集合的用户行为数据。例如，系统可以检测用户处于图书馆处，并且过去的用户行为示出当用户处于图书馆时，用户访问在用户的膝上型计算机中的“我的照片”文件夹中的图像文件。相应地，除了与位置相关联的用户过去的和/或现在的行为之外，监视引擎140还可以收集关于用户的位置的信息，并且将其递送到预测引擎160。在分析该信息之后，预测引擎160可以预测用户可能选择在图书馆处在用户的膝上型计算机上访问的对象，所述对象例如可以是在用户的膝上型计算机中的“我的照片”文件夹中的图像文件。
[0026]在另一实施方式中，被监视的数据的类型可以基于设备类型而变化。设备可以标识应该被监视的数据的具体类型以便确定同步事件或者建立用于建立同步事件的阈值或者两者都有。数据的这些类型可以被分类为限制事件。例如，基于数据的这些类型，监视引擎可以检测指示本地资源的繁重使用的图案(例如，低电池、低网络带宽、高网络业务量)。相应地，系统可以切换到资源节省模式并且保持、减少或者阻塞数据传输和数据同步以限制正在被利用的资源。例如，诸如便携式设备之类的某些设备可以进一步限制发生的同步事件的数量以保存设备电池寿命。在另一示例中，系统100可以根据最小功率级别指定针对便携式设备的同步事件(例如，在设备断电、丢失通信能力连同其他可能性之前传送同步信息)。在又一示例中，系统100可以基于通信信号强度准则(承受得住的最小通信信号强度)指定针对便携式设备的同步事件。
[0027]日志数据库150可以从监视引擎140接收收集的数据，所述数据可以隐含地指示在用户的网络中的哪个对象可能当前正在被用户使用或访问。此外，日志数据库150可以开发用户历史，所述用户历史例如指示设备110的用户已经连续两周使用设备110观看了两集电视连续剧。该数据可以连同与用户和设备110的其他当前和过去的活动相关的数据一起被存储在日志数据库150中。在日志数据库150中，数据可以被管理到质量的级别(根据准确度、可用性、可使用性和恢复性(resilience)测量)。替代地或者附加地，历史统计数据可以被存储在云105中的中央日志数据库115中，所述中央日志数据库115可以经由预测引擎160连接到设备110。在一个实施方式中，中央日志数据库可以存储来自系统100中的多个设备(例如，设备120和/或设备130)的日志。在某些实施方式中，中央日志数据库和日志数据库150可以被集成到单个数据库中，所述单个数据库可以与设备110组合。
[0028]在一个实施方式中，通过监视在设备110处的用户活动和系统信息以及跟踪具有历史统计资料(其被存储在日志数据库150中)的形式的用户活动和系统信息，监视引擎140和日志数据库150可以与预测引擎160交互操作。在另一示例系统中，监视引擎140和预测引擎160可以能够彼此直接连接。替代地或者附加地，预测引擎可以连接到中央预测引擎125。
[0029]预测引擎160可以预期在设备110和与设备110的用户相关联的其他设备(例如，设备120和130)之间的某些对象(例如，内容)的期望的同步。在一个实施方式中，预测引擎160可以生成对在各种设备处的用户而言将是可期望的内容的预测性选择。预测性选择的生成可以涉及基于各种因素做出推断，所述各种因素诸如曾被提供到设备的先前的内容和/或在系统100的状态信息中提供的信息。进一步地，做出这样的推断可以涉及采用一个或多个试探(heuristics)，可以以各种方式和/或数据挖掘算法对所述一个或多个试探进行加权，所述数据挖掘算法可以是试探和计算的集合，所述试探和计算可以根据从曰志数据库150接收的数据创建数据挖掘模型。为创建模型，该算法可以首先分析由日志数据库150提供的数据，并且确定模式或趋势的具体类型。该算法可以使用该分析的结果以限定用于创建挖掘模型的最优参数。然后可以跨整个数据集合应用这些参数以提取可行动的模式以及详细的统计资料。此外，预测引擎160可以将优先级级别分派给被预测性地选择的对象(例如，内容)。在某些实施方式中，预测引擎160可以基于属性动态地分派优先级级别。
[0030]在另一实施方式中，可以在中央预测引擎125处执行内容的预测性选择的生成，作为对在设备110中的预测引擎160的替代或附加。中央预测引擎125可以从日志数据库150和中央日志数据库115接收与跨所有设备(例如，设备110、120和130)和系统100的用户行为相关的数据，并且生成内容的预测性选择。内容的这样的预测性选择可以被传送到预测引擎160或者其他相关联的本地预测引擎。
[0031]在一个实施方式中，同步信息可以从预测引擎160通过例如云105的中央源传播到例如设备120和130的其他设备。在其他实施方式中，同步信息可以从设备110直接传播到设备120和/或设备130而不需中央源。
[0032]对内容的同步替代地或者附加地，系统100可以通过将数据从一个设备分发到另一设备来传播内容。在一个实施方式中，可以根据传播规则管理这样的分发。
[0033]在一个实施方式中，预测可以基于在具体设备上的输出习惯(例如，观看和/或收听习惯)。例如，在特定设备处的特定种类或类型中的内容的增加的输出可以导致选择类似种类或类型的更多的内容以用于与该设备同步。例如，如果设备120用户在设备120上观看相同流派(例如，情景喜剧)的三集或更多集的表演，则在该流派中的新近记录的剧集可以被选择并且被同步到设备120。
[0034]在另一实施方式中，预测可以涉及跨设备的输出(例如，观看和/或收听)习惯。例如，由设备I1的用户进行的特定内容的观看可以导致相同内容的选择以用于与设备120同步，所述选择基于在设备110处开始观看该内容的用户可能选择在设备120处继续观看该特定内容的预测。例如，如果设备110 (例如，台式计算机)的用户开始在设备110上观看电影但是中途暂停，则预测引擎160可以推断出该用户可能在设备120 (例如，膝上型计算机)处继续观看所述电影。相应地，该电影文件可以被选择以被同步到设备120。
[0035]作为另一示例，如上文所讨论的那样，设备110的用户可以连续两周使用设备110收听一个播客系列中的两个播客。基于这样的用户行为，预测引擎160 (基于用户历史)可以选择相同系列的第三个播客以在第三周同步到设备110。作为另一