01

背景介绍

浏览赛题�团队讨论将应用领域锁定在服务器优化࿰上c;一是因为这方面很有趣󿀌此外，它是团队中长期使用爱发电的成员^[1] 开服，对此非常有商业经验。

1.1 团队简介

四个团队都是本科生，相识于 Topview 工作室大数据组，现在广东工业大学入学。

温嘉诚：大三本科生󿀌承担整体架构的设计和数据处理。

温嘉诚：大三本科生�承担整体架构的设计和数据处理。

胡锦峰：大三本科生�承担整体架构设计和日志采集部分。

郑子游：大二本科生󿀌承担数据传输部分。

邓媚：大二本科生󿀌承担数据显示部分。 各种改进方案的游戏服务端，大多是出于 IO/CPU 改进消耗方向，不同的游戏也没关系

通用方案

。每个人都希望借助 Flink 实时，从数据分析和信息监控的角度进一步深化࿰的扩展c;以数据分析的形式快速找到需要优化的中心点，即时处理服务端卡顿问题#xff0c;提升玩家体验#xff00c;降低人工监督调整成本。࿰很重要c;其应用领域不局限于某款游戏，只需要同类型的游戏

完成给定的日志接口和反馈插口

，所有这些都可以通过这个系统来改进。

团队系统以 Minecraft 例，因为游戏生态丰富，易于开发。

(

你甚至可以在格子的世界里前进四次

[2]

，这款游戏是一款完美的实验产品，Flink 最好与之融合

)

1.2 一些定义

• Minecraft 游戏实体包括三部分，落物实体、格子实体、生物实体，少量玩家在线，无模块服务器的平均值每分钟都有成千上万的实体升级。

• 当玩家增加时，#xff00c;玩家放置的格子，玩家旁边的实体会进行 tick 测算(1 秒=20 tick)。由于一些历史执行顺序，区块形成、实体计算等加起来比例超过 60%部分，࿰在一个主线程上实施c;市场上大多数服务端࿰试图分割计算多线程c;因为一些无缘无故的原因 bug (破坏“游戏机制” 或是 导致一些线程安全、执行顺序、多线程可以降低的问题) 而不是生气。

• 大型服务器，一切 bug 都可能导致严重伤害󿀌本方案基本不伪造游戏机制󿀌防止遇到上述情况 bug。

大型打怪场 / 大型红石机 / 刷石机刷铁机 /.https://blog.csdn.net/huzechen/article/ 过度存活的建筑包括过量的格子实体。头、箱、信标、品牌、发射器、投掷器、旗、盔甲架等都属于格子实体，每 1/20 每秒参加一次计算。头、箱、信标、品牌、发射器、投掷器、旗、盔甲架等都属于格子实体，每 1/20 每秒参加一次计算。

让这个东西聚在一起发生󿀌显然，服务端不好，会影响服务器TPS(Tick Per Second)

。不适合直接从服务端计算，这将严重影响玩家的体验。

1.3 方案目的

目前统计服务端集群实体异常点，选用指定
2. 消除或限制

   战略解决异常点，提高服务端运算效率，提升玩家体验。

将 Minecraft 日志发送到大数据后面，根据 Flink 进行算法统计，算法参数󿀌输出结果输入数据库表格查询#xff0c;或者将数据动态调优反馈给服务端，如生物形成。

02

设计

2.1 整体架构

该系统的简化架构如下图：

2.2 日志收集和反馈机制

日志接口和反馈插口，在大数据后面连接

使用 Bukkit 事件监听器系统󿀌监控游戏中实体的形成和消退信息，完成我们的日志接口和反馈插口

2. 埋点࿰落物、生物和情况格子c;获得它唯一的标志

3. 按时获取服务器 tps、gc 信息，输出到大数据后面

4. 实时获取玩家数据信息c;记录玩家聊天信息，交互信息等

5. 从 mysql 获取大数据后输出异常点󿀌采用不同的对策来解决

实时获取 mysql 数据库中的服务端动态配置信息，调整生物刷新率󿀌减少服务器负载

2.3 传送数据

这部分采用 Pravega 出于以下考虑，：

2. 与传统相比 Kafka+Flume 组成，应用 Pravega 可简化系统处理架构。Pravega 它可以自动将数据从热存储转换为冷存储，不需要额外的 ETL 开发。Pravega 它可以自动将数据从热存储转换为冷存储，不需要额外的 ETL 开发。

3. Pravega 对于高吞吐量的历史数据和低延迟的实时动态，有一致的浏览方法，能有效实现离线计算和实时计算的统一。Pravega 方便以后扩展批数据处理业务󿀌例如，深度学习模型训练是根据长期数据进行的。

4. Pravega 相较于 Kafka 可节省文件存储费用。数据在 Pravega 只需存放一份󿀌而 Kafka 团本必须存放。

5. 系统内部将 Pravega 作为存储引擎和信息队列󿀌可自动伸缩的特，可以很好的替代 Kafka，同时通过 Pravega Flink Connectors 可以使其与 Flink 中间连接顺畅。

选择学习的目的 Pravega。Pravega 批流一体化存储设计具有很大的发展潜力。

这儿应用 Springboot 载入收集到的数据 Pravega（demo 以下）：

Flink 根据 Connectors 对 Pravega 消耗数据。使用这部分跟随 Kafka 类似，十分方便。

2.4 数据处理

进行数据 ETL

清理数据丢失的日志

• 按类型分流整体日志流，计算各实体总数，便于后续分析

在数据处理中，需要统计当前期间各种坠落物的数量和当前座标

以 Item 掉落物类为例󿀌设计理念如下：

2. 主输出流收集当前期间掉落物总数，每一个游戏日志，确定是否有坠落物，假如是，区分日志类型的爆发或拾取，加上各自的跌落 amount 或者减去捡起 amount。

3. 侧输出流收集当前期限内掉落物品类型及其坐标位置，每次都有一个游戏日志，确定是否有坠落物，假如是，把掉落的物种和它们的座标放进去 map 中导出。

各自写下主输出流和测输出流 MySQL 中，作为数据显示。

Entity 生物实体及其 tileEntity 网格实体数据处理与 Item 类似，这里就不一一列举了

• 应用 DBSCAN 实时分析数据点的聚类算法

  • 考虑到服务器中的数据点是不规则的，而 DBSCAN 根据密度的聚类算法࿰，可以解决随意形状的空间聚类问题c;所以选择了这个系统 DBSCAN 分析数据。DBSCAN 该算法还具有无需区分类型数量和处理噪声点的特点。

这里用的是 org.apache.commons.math3.stat.clustering.DBSCANClusterer<T>

• • 实际分析，保存旧数值需要#xff0c;当新数据到来时，可以根据旧结论计算升级。我们采用的方案是：将每个 cluster 密度 ρ（cluster 内部数据等级//cluster 面积）做为 cluster 中心点计算权值󿀌通过聚类计算，可以获得一批数据点 cluster 中心点集，包括核心点的坐标和权值，把它存储在 Flink 的 在State中。当新数据点到来时，将和State 聚类，并将新的中心点集更新到 State。

当某定位点 ρ 大于设定的阀值，确定是必须清洗的点，将此点导出至 MySQL 表中。服务器检测出表数据将清除定位点所属区块的数据。

网络检测到密集点座标，清理掉落物（鸡肉属于不同类型的牛肉，因此不会被清洗）

系统密集点属于区块生物清洗

目前，服务端可以调节动态配置参数

2.5 效果展示

该部分使用 Quick BI 实时载入 MySQL 显示中间的数据。

服务端将实体座标信息传输到大数据后面󿀌输出到报告系统，实时查看地图上的生物信息。完成卫星地图效果

Entity（#xff09生物类型;数据的遍布

tileEntity（格子类型）数据的遍布

实体数据统计图

如果你有足够的耐心，您可以在服务器中使用格子实体来放置这种图片

清除前 TPS：

清理后 TPS：

03

结语

离去 Minecraft，对于大多数网络游戏来说，，Flink 实时非常适合游戏标准的即时操作，许多原本存在于游戏服务器端的计算资源，所有这些都可以解放，由 Flink 后面的代理解决方案，快速将结果返回服务端。我们可以想到一些对即时要求较高的例子；

2. 大型网络游戏的实时任务系统

3. Boss 实时调整掉落物，物件推荐

4. 服务端无法快速响应的类型重返预测

NPC自然语言理解任务

事实上，游戏中有无数的并行处理需求，Flink 能做的远不止这个，随着更多需求的探索和转移，Flink 或者网络游戏带来一次"前行四"。

总的来说，，该系统成功实现了优化游戏的想法，我们认为我们在这次比赛中学到了很多，意识到与巨头的区别。下面要准备好测试月，期待明年有机会参加 Flink 争霸赛༌与参赛者和评委的思想和技术碰撞！

参照

•  结构流存放 — Pravega（https://flink-learning.org.cn/article/detail7a9cfcbcf3c01ad0b38a89249cfb7e9）

  
  

MCBBS-插件开发教程#xff08;https://www.mcbbs.net/thread-1051397-1-1.html）

[1] 爱发电所指的低利润或无利可图仍然坚持做某事，这里指的是我们团队开服务器

[2] 图片来源于网络动画《我的三体章北海传》，改编自刘慈欣的科幻小说《三体》 2：黑暗森林，动画初期，发烧友依靠游戏 Minecraft 拍照。在作品中，章北海威胁亚洲舰队旗舰飞船发出飞船前行四的命令。在作品中，章北海威胁亚洲舰队旗舰飞船发出飞船前行四的命令。前进四，是飞船最大的加速档，最高速度为光速的15%。