【社区分享 - 游戏篇】AWS云科技助力游戏内容开发 - 游戏项目构建篇 & 运行篇 & 增长篇

【社区分享 - 游戏篇】AWS云科技助力游戏内容开发 - 游戏项目构建篇 & 运行篇 & 增长篇

概述

该公开课持续8周，每周分享内容如下：

参考链接如下：

• Amazon Nimble Studio

• Amazon GameSparks

• Amazon GameLift

• AWS GameKit

• 什么是「服务型」游戏（GaaS）？

• NICE DCV 入门

直播的PPT截图如下：
视频回放链接如下：https://live.csdn.net/room/csdnstudent/jBmK1QoW?spm=1001.2014.3001.5501

游戏构建篇

12月1号：云端游戏的亚马逊主张

简要介绍了AWS云科技如何为游戏提供了一整套的解决方案，如何助力游戏开发（Amazon Nimble Studio，NICE DCV远程办公），如何助力游戏运维和增值服务（Amazon GameSparks，AWS GameKit）

12月1号：探索云上游戏开发新思路 - 亚马逊云科技助力游戏开发者重塑游戏内容创作

这次分享的主题是 《探索云上游戏开发新思路 - 亚马逊云科技助力游戏开发者重塑游戏内容创作》，简要介绍了AWS云科技如何为游戏提供了一整套的解决方案，如何助力游戏开发（Amazon Nimble Studio，NICE DCV远程办公），如何助力游戏运维和增值服务（Amazon GameSparks，AWS GameKit）。

主要介绍了如何利用Amazon Game系列服务加速游戏开发：利用Gamelift弹性伸缩服务器提供的SDK进行快速的游戏开发，以及介绍了GameSpark和GameKit如何帮助我们进行游戏构建：

• 1）Gamelift是一个弹性伸缩的服务器，支持全球化部署，玩家会选择最近的服务器进行接入
• 2）GameSparks是Serverless的托管服务，方便游戏服务器端的开发；
• 3）GameKit是Unreal Engine的游戏引擎插件，可以部署和管理亚马逊云上的资源；

12月8号：基于Amazon GameLift的Steam游戏开发实践

今天主要介绍了如何利用Gamelift进行快速的游戏开发，以及介绍了GameSpark和GameKit如何帮助我们进行游戏构建：

• 1）Gamelift是一个弹性伸缩的服务器，支持全球化部署，玩家会选择最近的服务器进行接入
• 2）GameSparks是Serverless的托管服务，方便游戏服务器端的开发；
• 3）GameKit是Unreal Engine的游戏引擎插件，可以部署和管理亚马逊云上的资源；
  
  
  
  
  
  
  
  

12月8号：利用 Amazon Game 系列（Gamelift，GameSparks，GameKit）服务加速游戏开发

12月15号：O3DE开源游戏引擎

• 先是介绍了游戏引擎是什么？传统的游戏引擎包括哪几个部分（参考Jason Gregory的游戏引擎架构一书，现在的游戏引擎架构包含如下多个模块：游戏专用子系统，前端，视觉效果，场景图/删除优化，碰撞与物理，渲染器，资源管理器等）
• 接着介绍了O3DE这个3A开源游戏引擎平台的内部各个模块：O3DE中每个模块叫做GEM，是一个可复用的软件包，并着重介绍了O3DE中多线程渲染引擎Atom、游戏逻辑编写支持的脚本语言，基于数据驱动的动画（Motion Matching）技术，网络通信优化等。该平台可用于实现跨平台游戏，数字孪生，元宇宙的VR/AR体验，并且有很多杰出的合作伙伴参与开源社区建设。
• 接着介绍了O3DE的应用场景：比如制造业中的数字孪生，汽车行业的仿真计算，以及智慧城市中的场景构建等，并且O3DE还可以通过Gem支持ROS2的系统模拟。接着介绍了亚马逊云科技中的SimSpace Weaver，它支持在亚马逊云上构建、运行和管理大规模的仿真计算服务，它可以应用在现实世界的模拟、生产制造环境的模拟和多人在线娱乐的体验中。
• 最后总结了O3DE是一个开放的游戏引擎标准，以后各公司可以基于该标准建立一个开放版本的元宇宙。

12月15号：AIGC加速游戏内容创意

• 首先介绍了中国游戏的转型阶段：资源驱动（愤怒的小鸟，生化危机）-> 投资驱动（王者荣耀）-> 创新驱动（原神），接着介绍了游戏项目研发过程中的瓶颈主要包括时间瓶颈（质量控制、运营优化、社区维护）和边际收益的瓶颈（内容量产、市场投放），可以通过优化产业结构来优化这两个瓶颈。
• AIGC游戏开发正好可以简化游戏策划与美术设计师之间的概念传递过程，设计师的设计内容的发散过程。
  但是AIGC的游戏开发并不适用于所有的游戏开发场景，主要还是设计效果无法收敛，工作室中美工无法高并发访问NovelAI游戏盒子，存在数据隐私问题，因此介绍了亚马逊云科技如何解决这几个场景的痛点，并以StableDiffusion-webUI为例介绍了基于AIGC游戏开发的系统架构。

12月22号：利用DynamoDB构建适合高并发游戏场景的NoSQL数据模型

• 首先介绍了DynamoDB数据库的发展过程，NoSQL的作用是对计算的优化（SQL是对存储的优化）。DynamoDB支持弹性扩容，在峰值时能够提高整个系统的吞吐量。
• 接着介绍了NoSQL的基本属性（分区键/排序键）以及NoSQL建模：在1:1建模中，使用分区键作为主键对游戏玩家数据进行存储；在1:M建模中，使用分区键（用户名）和排序键（日期）作为主键对玩家会话历史数据进行存储；
• 接着以大逃杀游戏作为例子，使用DynamoDB对游戏玩家数据进行建模，建模过程使用Python脚本语言实现，还有就是在设置访问方式时创建稀疏二级索引和添加倒排索引（通过用户id查找相关的游戏），教程见官网 https://aws.amazon.com/cn/getting-started/hands-on/data-modeling-gaming-app-with-dynamodb/2/。

12月22号：用亚马逊云科技数据库开启游戏新世界

• 先是抛出了一个问题：哪些数据库适用于游戏开发（Aurora，RDS，DynamoDB，MemoryDB）？答：关系型数据库适用的场景：注册、付费等数据一致性强且需要持久化的服务、老游戏代码的运维，而Amazon RDS提供了丰富的关系型数据库的选择（MySQL，MariaDB，Aurora，SQL Server...），关于Aurora关系型数据库建议拜读论文（https://tanxinyu.work/aurora-thesis/，https://dl.acm.org/doi/abs/10.1145/3035918.3056101）
• 接着指出了关系型数据库的劣势：表结构不易扩展，维护数据一致性导致读写延迟大，难以横向扩展数据库，难以应对极高并发的查询；接着引出了键值对/文档型/内存等NoSQL数据库，而亚马逊云科技中的DynamoDB是NoSQL数据库的实现，比如它降低了仅有3名服务器开发人员（管理着两千台EC2服务器）的SuperCell公司的运维成本（自动扩展轻松应对400万人同时在线的峰值）。
• 接着介绍了基于亚马逊云科技的ElasticCache构建的Redis平台，它比Redis更好维护，无需配置Redis集群或哨兵的形式就可以支持零停机在线平衡的收缩和扩展，而如果有数据持久化的需求，可以通过MemoryDB分布式内存数据库。
• 接着介绍了Amazon在全国25个地理区域内运营了81个可用区，搭建了相应基础设施，能够解决数据库的全球同步问题：比如Aurora、DynamoDB、DocumentDB以及ElastiCache for Redis中支持本地写入和全球复制，利用卫星相关的时间戳保持数据一致性等优点，可以利用PITR实现数据备份以及数据的丢失恢复。

游戏运行篇

12月29号：可靠运行 - GameTech运行技术

• 首先介绍了传统的游戏在运行之前需要先在机房中部署，运营人员如更好地让这些服务器的资源发挥到极致是他们关心的，因此为了降低一款游戏运行的成本，服务器应该具备弹性伸缩的能力。
• 在采购Amazon服务器时，并没有一个完整的标准（内存，CPU要多少）告诉你选择哪款服务器更加合适，运行的成本更低，比如以网易互娱为例子，使用C5系列的服务器相比于C4服务器节约更高的成本。网易互娱所开发的伸缩策略调度的平台架构，能够保证服务器的开关是和用户量的上升和减少同步的。但是对于小型游戏团队却不具有这项架构设计的能力，因此Amazon云科技提供了GameLift实现弹性的游戏服的扩展（服务注册和发现），帮我们在云端托管游戏服务，我们只需要专注于游戏逻辑即可。
• Amazon在云端中提供了多种类型的数据库（大部分游戏核心部分需要使用Nosql数据库，而非核心部分使用sql数据库），用户只需要选择适合自己游戏的一款数据库即可（MemeoryDB for Redis，DocumentDB for MongoDB）。Amazon通过这些弹性组件，开发了自己的一款游戏：新世界https://baike.baidu.com/item/新世界/57227249?fr=aladdin

12月29号：MOBA游戏云上实践探索

• MOBA是多人战斗竞技类游戏，它常见的挑战主要涉及到资源调度、网络要求、以及大量的实时计算。接着将MOBA游戏架构划分成大厅服和对战服，介绍了大厅服如何在机型上（可以使用ARM也可以使用Intel的服务器），在数据库（Aurora，DynamoDB，MemoryDB）上进行选择，如何利用GameLift实现对战服的全球扩区域优化，使用Flexmatch消息队列实现异步处理请求。
• 接着介绍了Amazon如何实现游戏在全球实现低延时访问以及玩家匹配：waveLength，outposts和Local Zones。

1月05号：无服务器游戏后端解决方案

• 首先介绍了游戏后端服务包括如下3个部分：游戏服务器托管，机器学习和数据分析服务。而关于游戏服务器的管理主要分为自己搭建或者是使用托管服务，其中基于Amazon云科技的服务器托管服务包括事件驱动的Serverless（无状态化，微服务），以及会话管理Gamelift（比如在对战服中使用GameSession连接）的解决方案。
• 接着着重讲解了事件驱动Serverless的托管服务：
  • 先是介绍了Serverless的托管服务的网络模式分成三种模式：P2P（早期的CS游戏）、分布式服务器、和Serverless服务器模式（通过api去调用云端的服务器去运行程序，好处是以后的运维只需要调用api即可，而不需要去直接去操作Docker容器）。接着介绍了传统的卡牌对战的后端架构（DNS网关，CDN，服务器网关等）以及如何将其改造成Serverless架构。
  • 接着介绍了Serverless的好处是将大量的运维工作转移到AWS，帮助开发者专注于业务逻辑，天然形成DevOps的开发模式。
  • 接着介绍了对于一些事件驱动类型的游戏服务，如何改造成Serverless托管服务的模式，这里列举了实际开发过程中有效的架构模式：大厅登录，玩家匹配，游戏对战，服务器日志管理（如何进行数据分析）。
  • 接着介绍了Serverless面临的挑战是需要将有状态和无状态的服务进行分离，Serverless架构应该避免事务性操作，因此在无状态改造上难点较大（参考有状态服务和无状态服务（无状态服务即无需获取上下文请求无关，如果无状态服务要实现事务可以通过session或者cookies实现））。
  • 接着介绍了Serverless托管服务是如何运维部署的：在开发测试环境中，开发团队向GitHub上提交代码，Github再将代码push到Amazon S3服务器上，测试/运维团队通过api的方式来获取项目，并将其部署到S3服务器上。
  • 而在生产环境阶段，运维团队将代码提交到github，通过AWS CDK来运维控制AWS服务器；在debug阶段，则可以使用Amazon CloudWatch去debug代码；使用AWS压测框架进行不同场景的快速压力测试；
• 接着着重讲解了会话管理的Gamelift托管服务（并非单点服务，支持不同的弹性收缩策略；就近进行玩家的会话匹配等）：
  • 游戏逻辑，比如玩家建立连接的逻辑如下：先将脚本上传到Gamelift中，Gamelift（Amazon帮我们实现的服务器架构，类似Euraka，实现服务注册和发现）会对各个服务器进行全局管理，会通过心跳检测判断哪个服务器存活并保存在服务注册表中，将请求交给指定服务器进行处理之后，再将相应的请求响应结果通过GameLift返回给客户端
• 接着以玩家游戏匹配，游戏进行和游戏结束为例子简单介绍Gamelift和Serverless服务如何组合。

1月12号：如何在全球范围内抵御DDoS攻击

• 首先介绍了什么是拒绝服务攻击（DoS），什么是分布式拒绝服务攻击（DDoS）：DDoS包括7种攻击类型，比如TCP泛洪攻击（TCP连接数大于表的最大连接数），DNS泛洪攻击，HTTP GET泛洪等，正常的服务器无法抗住这么大流量的DDoS攻击。
• 接着简单介绍了亚马逊云科技如何抵御DDoS攻击：设计一个可伸缩扩展的架构，比如通过部署多个CDN边缘节点来抵挡DDoS的攻击，攻击者并不能知道亚马逊云科技区域里面的实际IP（通过ELB实现负载均衡，服务器IP并没有暴露到公网中），因此攻击者无法集中攻击某个CDN边缘节点。
• 接着介绍了Shield标准盾（免费）和高级盾（让专家帮忙写一些NLB规则，应用在边缘节点上，可以把恶意的流量过滤掉），接着介绍了如何在AWS链路上对恶意流量进行清洗，如何使用WAF（web防火墙）去防止CC攻击（包括设置限流规则，以及IP黑名单/白名单）。
• 接着介绍了Shield高级盾的一些功能：始终在线监控和检测；AWS账单保护（AWS承担DDoS攻击中的服务器扩展费用）；先进的L3/4和L7 DDoS保护；全天候访问DDos响应小组；攻击通知和报告。

游戏增长篇

1月12号：构建无服务器的游戏数据分析管线

• 首先介绍了游戏中关于数据分析的需求，包括开发更有吸引力的游戏（比如在玩家死亡时设置一个事件监听，可以通过分析优化这个关卡，提高玩家的游戏体验）、更具经济效益、作弊和恶意行为检测、性能监测和错误报告。
• 接着介绍了数据分析在游戏中面临的挑战：数据量大，数据的采集需要结合业务，游戏开发公司缺少专门的数据分析团队。
• 接着介绍Game数据分析管线解决方案：通过事件驱动的无服务器api请求方式，获取实时的Stream数据，AWS会帮我们对数据进行实时分析，并将预处理结果写在WAS E3数据湖中。如果想获得更高级的数据处理结果，支持运维团队，数据工程师和数据分析师使用Athena交互式编写高级的sql语句，去处理已经经过预处理后的E3数据或者Glue原始数据，然后使用QuickSight仪表盘来可视化结果。
• 接着着重介绍了Game数据分析管线解决方案中数据摄入，Clue数据日志，Glue ETL任务以及交互式查询分析几个部分。关于一整套Game数据分析管线解决方案的部署手册（包括部署脚本）参考官网https://aws.amazon.com/cn/solutions/implementations/game-analytics-pipeline/，
  做了Demo演示：包括数据源建立，使用Athena进行数据分析，使用QuickSight进行数据可视化（视频回放链接如下 https://live.csdn.net/room/csdnstudent/pSKSGBEZ）。

2月2号：助力游戏出海IOS精准获量，抢占玩家新阵地

• 量江湖是国内专门聚焦于Apple Ad Search官方提供的广告营销服务，其团队持有Apple官方认证资质。量江湖平台已为BAT项目，小红书、出海游戏等提供市场投放与预测，智能竞价等优质服务（该平台需要自动抓取成百上千项目的评论、下载量、简介等信息）。
• 接着介绍了量江湖中基于亚马逊云科技的数据湖方案，并列举了架构代码化的优势，接着介绍了使用Amazon全托管Serverless的优势（该公司的运维人员只有2人）。

2月2号：为游戏插上人工智能的翅膀

• 首先简单介绍了行者AI公司，接着介绍了游戏的全生命周期（游戏机器人，游戏数值，游戏数据，游戏安全）
• 接着介绍了AI机器人的应用场景：休闲游戏，SLG游戏，竞技类游戏、棋牌类游戏。
• 行者AI以三消游戏为例子，将通过AI游戏机器人对关卡进行自动化测试，实现关卡难度的优化，节约版本发布的时间成本。接着介绍了行者AI的技术架构，包括对战分析平台，行者Unity SDK，RL算法库，并且使用Amazon SageMaker进行分布式训练（节约计算资源）。