云服务已经是大势所趋了,通过购置传统服务器来进行应用开发,无法与现代化敏捷的开发方法相结合,对于系统运维的难度也大大增加,而云服务的弹性伸缩、动态计费可以很好地帮助中小企业实现快速应用开发,使得产品的价值最大化,而亚马逊在这方面有很多年的技术和解决方案的沉淀,本次是通过学习亚马逊云科技助力游戏上云《增长》阶段的学习心得,不知不觉已经到了这次分享的最后一个阶段了,经过这么久的学习也让明白了更多云服务的架构模式和游戏的现代化开发方法,非常感谢各位老师的辛苦讲解!!!
那么针对这次《增长》阶段,主要学习了:
- 构建无服务器的游戏数据分析管线
- 量江湖是如何利用亚马逊基础设施进行增长的?
- AI是如何助力游戏增长的?
构建无服务器的游戏数据分析管线
实际上游戏的研发虽然很重要,但是游戏产生的数据更重要,这些数据会直接影响着我们对这个游戏的未来优化方向,所以为了更好地确定增长方向,我们需要对游戏用户产生的数据进行获取、分析,其实不单单只是为了优化,在游戏分析中还存在其他的需求,如:
- 开发更有吸引力的游戏
- 更具经济效益
- 作弊和恶意行为检测
- 性能监测和错误报告
可以看到,这些在我们游戏开发过程中都是不可或缺,但是在数据分析过程我们也会遇到很多难题,例如我们应该收集哪些数据呢?哪些数据对我们有价值呢?这次直播很好地对这个问题进行了多方面的回应,具体如下:
收集了这么多数据该怎么分析呢?实际上数据也是有保质期的,越长时间的数据价值越低,往往近期数据价值最高,最能反应用户的想法
但是随着游戏地不断运行,产生的数据也越来越多,游戏的开发者也面临了更多的挑战。
如何解决海量数据的分析问题?
首先我们要知道它带来的挑战有哪些?
- 游戏产生的数据比以往任何时候都多。
- 传统的数据分析解决方案管理和扩展起来都很复杂
- 需要更高级的分析功能和
AI/ML
使用场景的出现
有挑战就会有解决方案,亚马逊为了更好地帮助企业上云,其中有提到 Game Analytics Pipeline
解决方案,它主要是一种可伸缩的serverless
架构,结构图和参考架构如下:
在数据摄入方面,主要有两种方式:
- 直接客户端接入亚马逊的
SDK
- 提供
rest api
进行上报,这个就需要有一个后端服务
有摄入,就会有分析,亚马逊提供了交互式的查询分析:
并且可以通过QuickSight
仪表盘展示分析结果:
Game Analytics Pipeline优势
- 大规模数据摄入与存储
- 灵活分析数据
- 轻松部署和定制
量江湖是如何利用亚马逊基础设施进行增长
量江湖主要就是做App
推广的,聚焦苹果App Store
业务多年,是首批开展Apple Search Ads
业务的代理机构。
他们主要就是通过合理投放、关键词优化等完善广告业务,提升用户增长,他们需要从Apple Store
中获取百万应用的数据,并且保证数据的及时更新,并且分析出合理的优化方案,面对这么多的数据,以及数据的及时性要求,他们也分享了如何采用亚马逊云科技的数据湖方案进行基础设施建设的
可以看到,也是利用亚马逊的RDS
、DynamoDB
等组件进行数据的建设,天然就具备了海量数据、高性能、高扩展等特性,同时,他们将项目全面 serverless
化,serverless
服务迷你分散,快速复制部署多个版本,特别适合敏捷开发的微服务,可以像积木一样需要连接件,采用极高的效率复制部署多个版本,开发、测试、预生产、生产,让团队的经验和最佳实践得以固化和复用
采用Amazon Serverless的优势
- 围绕全托管的
Serverless
服务 - 减少故障发生的橱率以及时间
- 性能/弹性得到可靠的保证
- 按量计费/不用不花钱
- 几乎无需运维
- 易于与流式系统结合
- 原生实现架构代码化
- 天然的安全性
可以看到,采用亚马逊组件量江湖的系统也产生了质变
AI是如何助力游戏增长的
现在AI
智能已经非常的成熟,各类的模型算法都让死板的程序有了无限的可能,行者AI
团队专注于人工智能在游戏领域的研究和应用,凭借自研算法,推出了游戏AI
、游戏安全以及大数据解决方案,并结合
Amazon SageMaker
搭建了自己的AI SaaS
平台。
我们来看一下游戏的生命周期有哪些:
通过了解整个游戏的生命周期,我们可以更好的选择在哪个阶段哪些部分采用AI
进行优化,我们AI
机器人的主要应用场景有:
- 休闲游戏:关卡优化、难度测试
SLG
游戏:陪玩、活跃、优化游戏生态- 竞技类:冷启动、陪玩、托管、温暖局
- 棋牌策略:陪玩、托管战斗、bug发现
让我们来看一下游戏AI的技术架构是什么样的,以下是架构参考图:
AI机器人在游戏优化中的案例
还有个很重要的,就是我们的AI安全,通过自然语言处理对于游戏内产生的垃圾信息进行过滤、广告过滤等
游戏AI的优势
- 便捷:接入、训练、部署方便
- 分布式训练:
Amazon SageMakers
分布式支持 - 训练效果可视化:方便观察结果
- 终端/在线部署:结合项目具体需求,支持多种部署方式
- 节约计算资源:
Amazon SageMaker Spot3
实例 - 内置算法:内置算法,适合各类游戏需求
总结
在增长阶段中,我也发现,增长是一个任重而道远的路程,可以从服务架构、AI化、广告等多个方面实现我们的增长,亚马逊的解决方案也帮助了很多中小企业实现了高效、高性能、高扩展的系统,真正让我们看到未来已来!!!