این پست راهنمایی در مورد نحوه ساخت راه حل های تحلیلی مقیاس پذیر برای موارد استفاده صنعت بازی با استفاده از آمازون Redshift بدون سرور. نحوه استفاده از یک معماری مفهومی و منطقی برای برخی از محبوب ترین موارد استفاده در صنعت بازی مانند تجزیه و تحلیل رویداد، توصیه های خرید درون بازی، اندازه گیری رضایت بازیکن، تجزیه و تحلیل داده های تله متری و موارد دیگر را پوشش می دهد. این پست همچنین هنر ممکن را با نوآوریهای جدیدتر در سرویسهای AWS پیرامون جریان، یادگیری ماشین (ML)، اشتراکگذاری داده و قابلیتهای بدون سرور مورد بحث قرار میدهد.
مشتریان بازی ما به ما می گویند که اهداف کلیدی تجاری آنها شامل موارد زیر است:
- افزایش درآمد حاصل از خریدهای درون برنامه ای
- درآمد متوسط بالا برای هر کاربر و ارزش طول عمر
- چسبندگی بهبود یافته با تجربه بازی بهتر
- بهره وری رویداد بهبود یافته و ROI بالا
مشتریان بازی ما همچنین به ما می گویند که هنگام ساخت راه حل های تجزیه و تحلیل، موارد زیر را می خواهند:
- مدل کم کد یا بدون کد - راه حل های خارج از جعبه به ساخت راه حل های سفارشی ترجیح داده می شوند.
- جدا شده و مقیاس پذیر – سرویسهای بدون سرور، مقیاسبندی خودکار و کاملاً مدیریت شده بر خدمات مدیریت دستی ترجیح داده میشوند. هر سرویس باید به راحتی قابل تعویض باشد، با وابستگی کم یا بدون آن، بهبود یابد. راهحلها باید انعطافپذیر باشند تا در مقیاس بالا و پایین شوند.
- قابلیت حمل به چند کانال - راه حل ها باید با اکثر کانال های نقطه پایانی مانند رایانه شخصی، موبایل و پلتفرم های بازی سازگار باشند.
- قابل انعطاف و استفاده آسان - راه حل ها باید داده های کمتر محدود کننده، دسترسی آسان و آماده برای استفاده را ارائه دهند. آنها همچنین باید عملکرد بهینه را با تنظیم کم یا بدون تنظیم ارائه دهند.
معماری مرجع تجزیه و تحلیل برای سازمان های بازی
در این بخش، ما بحث میکنیم که چگونه سازمانهای بازی میتوانند از معماری مرکز داده برای رفع نیازهای تحلیلی یک شرکت استفاده کنند، که به دادههای یکسانی در سطوح مختلف دانهبندی و فرمتهای مختلف نیاز دارد و برای مصرف سریعتر استاندارد شده است. آ مرکز داده مرکز تبادل داده است که مرکزی از مخازن داده را تشکیل می دهد و توسط خدمات مهندسی داده، حاکمیت داده، امنیت و نظارت پشتیبانی می شود.
یک هاب داده حاوی داده هایی در سطوح مختلف دانه بندی است و اغلب یکپارچه نمی شود. با ارائه دادههایی که از قبل تأیید شده و استاندارد شدهاند و امکان مصرف سادهتر را برای کاربران فراهم میکند، با دریاچه داده متفاوت است. هاب های داده و دریاچه های داده می توانند در یک سازمان وجود داشته باشند و یکدیگر را تکمیل کنند. مراکز داده بیشتر بر این تمرکز دارند که کسب و کارها را قادر می سازد تا داده های استاندارد شده را به سرعت و به راحتی مصرف کنند. دریاچه های داده بیشتر بر روی ذخیره و نگهداری تمام داده های یک سازمان در یک مکان متمرکز هستند. و برخلاف انبارهای داده، که عمدتاً فروشگاههای تحلیلی هستند، یک مرکز داده ترکیبی از انواع مخازن است - خدمات تحلیلی، تراکنشی، عملیاتی، مرجع و داده ورودی/خروجی، همراه با فرآیندهای حاکمیتی. انبار داده یکی از اجزای یک هاب داده است.
نمودار زیر یک معماری مرجع مرکز داده تجزیه و تحلیل مفهومی است. این معماری شبیه رویکرد هاب و اسپیک است. مخازن داده هاب را نشان می دهند. فرآیندهای خارجی پره هایی هستند که داده ها را به و از هاب تغذیه می کنند. این معماری مرجع تا حدی یک مرکز داده و دریاچه داده را برای فعال کردن خدمات تجزیه و تحلیل جامع ترکیب می کند.
بیایید اجزای معماری را با جزئیات بیشتری بررسی کنیم.
منابع
دادهها را میتوان از منابع متعددی بارگیری کرد، مانند سیستمهای ثبت، دادههای تولید شده از برنامهها، ذخیرهسازی دادههای عملیاتی، دادههای مرجع و فراداده در سطح سازمان، دادههای فروشندگان و شرکا، دادههای تولید شده توسط ماشین، منابع اجتماعی و منابع وب. دادههای منبع معمولاً در قالبهای ساختاریافته یا نیمهساختار یافته هستند که به ترتیب فرمتهای بسیار و ضعیفی دارند.
داده های ورودی
این بخش شامل اجزایی برای پردازش و بارگذاری داده ها از چندین منبع در مخازن داده است. می تواند در حالت دسته ای، پیوسته، pub/sub یا هر چیز دیگری باشد
ادغام سفارشی فناوریهای ETL (استخراج، تبدیل و بارگذاری)، سرویسهای جریان، APIها و رابطهای تبادل داده، اجزای اصلی این ستون هستند. برخلاف فرآیندهای جذب، داده ها را می توان طبق قوانین تجاری قبل از بارگیری تغییر داد. می توانید قوانین کیفیت داده های فنی یا تجاری را اعمال کنید و داده های خام را نیز بارگیری کنید. اساساً، انعطاف پذیری برای وارد کردن داده ها به مخازن در قابل استفاده ترین شکل آن را فراهم می کند.
مخازن داده ها
این بخش متشکل از گروهی از فروشگاههای داده است که شامل انبارهای داده، انبارهای داده عملیاتی یا عملیاتی، فروشگاههای داده مرجع، فروشگاههای داده دامنه دارای نماهای تجاری ساختهشده و مجموعه دادههای سازمانی (ذخیرهسازی فایل) است. مولفه ذخیره سازی فایل معمولاً یک جزء مشترک بین یک مرکز داده و یک دریاچه داده است تا از تکرار داده ها جلوگیری کند و جامعیت را ارائه دهد. همچنین میتوان دادهها را در بین همه این مخازن بدون جابجایی فیزیکی با ویژگیهایی مانند اشتراکگذاری داده و پرس و جوهای فدرال به اشتراک گذاشت. با این حال، کپی و تکثیر داده ها با در نظر گرفتن نیازهای مصرف مختلف از نظر قالب ها و تأخیر مجاز است.
داده های خروجی
داده ها اغلب با استفاده از پرس و جوهای ساختاریافته برای نیازهای تحلیلی مصرف می شوند. همچنین، مجموعه داده ها برای نیازهای ML، صادرات داده و انتشار قابل دسترسی هستند. این بخش شامل اجزایی برای پرس و جو از داده ها، صادرات، تبادل و API ها است. از نظر پیاده سازی، ممکن است فناوری های یکسانی هم برای ورودی و هم برای خروجی استفاده شود، اما عملکردها متفاوت است. با این حال، استفاده از فناوری های مشابه اجباری نیست. این فرآیندها تحول سنگینی ندارند زیرا داده ها از قبل استاندارد شده و تقریباً آماده مصرف هستند. تمرکز بر سهولت مصرف و ادغام با خدمات مصرفی است.
مصرف
این ستون از کانال های مصرف مختلف برای نیازهای تحلیلی سازمان تشکیل شده است. این شامل کاربران هوش تجاری (BI)، گزارش های کنسرو شده و تعاملی، داشبورد، حجم کاری علم داده، اینترنت اشیا (IoT)، برنامه های وب و مصرف کنندگان داده های شخص ثالث است. موجودیت های مصرف محبوب در بسیاری از سازمان ها عبارتند از پرس و جوها، گزارش ها و حجم کاری علم داده. از آنجایی که چندین فروشگاه داده وجود دارد که داده ها را با دانه بندی و فرمت های مختلف برای پاسخگویی به نیازهای مصرف کننده نگهداری می کنند، این اجزای مصرف برای یافتن منبع مناسب به کاتالوگ داده ها بستگی دارند.
حاکمیت داده ها
حاکمیت داده کلید موفقیت معماری مرجع مرکز داده است. این مؤلفههایی مانند مدیریت ابرداده، کیفیت داده، اصل و نسب، پوشش و سرپرستی را تشکیل میدهد که برای نگهداری سازمانیافته مرکز داده مورد نیاز است. مدیریت ابرداده به سازماندهی کاتالوگ ابرداده فنی و تجاری کمک می کند و مصرف کنندگان می توانند به این کاتالوگ مراجعه کنند تا بدانند چه داده هایی در کدام مخزن و با چه جزئیات، فرمت، صاحبان، فرکانس تازه سازی و غیره موجود است. همراه با مدیریت ابرداده، کیفیت داده برای افزایش اعتماد مصرف کنندگان مهم است. این شامل پاکسازی داده ها، اعتبارسنجی، انطباق و کنترل های داده می شود.
امنیت و نظارت
دسترسی کاربران و برنامه باید در سطوح مختلف کنترل شود. با احراز هویت شروع میشود، سپس اجازه میدهد چه کسی و چه چیزی باید به آن دسترسی داشته باشد، مدیریت خطمشی، رمزگذاری، و اعمال قوانین انطباق دادهها. همچنین شامل اجزای نظارت برای ثبت فعالیت برای حسابرسی و تجزیه و تحلیل است.
معماری راه حل هاب داده تجزیه و تحلیل در AWS
معماری مرجع زیر یک پشته AWS برای اجزای راه حل فراهم می کند.
بیایید دوباره به هر مؤلفه و خدمات AWS مربوطه نگاه کنیم.
خدمات ورودی داده
چسب AWS و آمازون EMR خدمات برای پردازش دسته ای ایده آل هستند. آنها به طور خودکار مقیاس می شوند و می توانند اکثر فرمت های داده استاندارد صنعت را پردازش کنند. آمازون کینزیس جریان داده, Amazon Kinesis Data Firehoseو آمازون پخش جریانی را برای آپاچی کافکا مدیریت کرد (Amazon MSK) شما را قادر می سازد تا برنامه های فرآیند جریان سازی بسازید. این سرویس های پخش به خوبی با آن ادغام می شوند استریم آمازون Redshift ویژگی. این به شما کمک می کند منابع بلادرنگ، داده های اینترنت اشیا و داده های کانال های آنلاین را پردازش کنید. همچنین می توانید داده ها را با ابزارهای شخص ثالث مانند Informatica، dbt و Matallion دریافت کنید.
می توانید با استفاده از API های RESTful و WebSocket API بسازید دروازه API آمازون و AWS لامبدا، که ارتباط دو طرفه بلادرنگ با منابع وب، منابع اجتماعی و IoT را امکان پذیر می کند. تبادل داده AWS به اشتراک در داده های شخص ثالث در AWS Marketplace کمک می کند. اشتراک و دسترسی به داده ها به طور کامل با این سرویس مدیریت می شود. برای جزئیات بیشتر به اسناد خدمات مربوطه مراجعه کنید.
خدمات ذخیره سازی داده ها
آمازون Redshift سرویس ذخیره سازی داده های توصیه شده برای بارهای کاری OLAP (پردازش تحلیلی آنلاین) مانند انبارهای داده ابری، مارت های داده و سایر فروشگاه های داده های تحلیلی است. این سرویس هسته اصلی این معماری مرجع در AWS است و می تواند اکثر نیازهای تحلیلی را برطرف کند. میتوانید از SQL ساده برای تجزیه و تحلیل دادههای ساختاریافته و نیمه ساختاریافته در انبارهای داده، دادهها، پایگاههای داده عملیاتی و دریاچههای داده استفاده کنید تا بهترین عملکرد قیمت را در هر مقیاسی ارائه دهید. این به اشتراک گذاری داده آمازون Redshift این ویژگی دسترسی فوری، دانهبندی و با کارایی بالا را بدون کپی دادهها و جابهجایی دادهها در چندین انبار داده Amazon Redshift در حسابهای مشابه یا مختلف AWS و در سراسر مناطق فراهم میکند.
برای سهولت استفاده، Amazon Redshift یک گزینه بدون سرور ارائه می دهد. آمازون Redshift بدون سرور به طور خودکار ظرفیت انبار داده را برای ارائه عملکرد سریع حتی برای سختترین و غیرقابل پیشبینیترین حجمهای کاری فراهم میکند و بهطور هوشمندانه مقیاس میدهد و شما فقط برای آنچه استفاده میکنید هزینه میپردازید. کافی است داده های خود را بارگیری کنید و فوراً در Amazon Redshift Query Editor یا ابزار BI مورد علاقه خود پرس و جو کنید و همچنان از بهترین عملکرد قیمت و ویژگی های آشنای SQL در محیطی با کاربری آسان و مدیریت صفر لذت ببرید.
سرویس پایگاه داده رابطه آمازون (Amazon RDS) یک سرویس کاملاً مدیریت شده برای ایجاد انبارهای داده عملیاتی و تراکنشی است. شما می توانید از بین بسیاری از موتورهای محبوب مانند MySQL، PostgreSQL، MariaDB، Oracle و SQL Server یکی را انتخاب کنید. با آمازون Redshift پرس و جو فدرال با این ویژگی، میتوانید دادههای عملیاتی و تراکنشی را بدون جابجایی دادهها جستجو کنید. ویژگی پرس و جو فدرال در حال حاضر پشتیبانی می شود Amazon RDS برای PostgreSQL, Amazon Aurora PostgreSQL-Compatible Edition, Amazon RDS برای MySQLو Amazon Aurora MySQL-Compatible Edition.
سرویس ذخیره سازی ساده آمازون (Amazon S3) سرویس توصیه شده برای لایه های ذخیره سازی چند فرمتی در معماری است. این مقیاس پذیری، در دسترس بودن داده ها، امنیت و عملکرد پیشرو در صنعت را ارائه می دهد. سازمان ها معمولاً داده ها را در آمازون S3 با استفاده از فرمت های فایل باز ذخیره می کنند. فرمتهای فایل باز، تجزیه و تحلیل همان دادههای آمازون S3 را با استفاده از اجزای لایههای پردازش و مصرف متعدد امکانپذیر میسازد. داده ها در آمازون S3 را می توان به راحتی با استفاده از SQL با پرس و جو کرد آمازون Redshift Spectrum. این به شما کمک می کند تا بدون نیاز به بارگیری داده ها، داده های ساختار یافته و نیمه ساختار یافته را از فایل های آمازون S3 جستجو و بازیابی کنید. چندین انبار داده Amazon Redshift می توانند به طور همزمان مجموعه داده های مشابه را در Amazon S3 بدون نیاز به کپی کردن داده ها برای هر انبار داده پرس و جو کنند.
خدمات خروجی داده
Amazon Redshift با میز کار تجزیه و تحلیل مبتنی بر وب ارائه می شود ویرایشگر Query V2.0، که به شما کمک می کند پرس و جوها را اجرا کنید، داده ها را کاوش کنید، نوت بوک های SQL ایجاد کنید و با تیم های خود در SQL روی داده ها از طریق یک رابط مشترک همکاری کنید. خانواده انتقال AWS به انتقال ایمن فایل ها با استفاده از پروتکل های SFTP، FTPS، FTP و AS2 کمک می کند. از هزاران کاربر همزمان پشتیبانی می کند و یک سرویس کاملاً مدیریت شده و کم کد است. مشابه فرآیندهای ورودی، می توانید از آن استفاده کنید دروازه API آمازون و AWS لامبدا برای کشیدن داده با استفاده از Amazon Redshift Data APIاست. و تبادل داده AWS به انتشار داده های شما برای اشخاص ثالث برای مصرف از طریق AWS Marketplace کمک می کند.
خدمات مصرف
آمازون QuickSight سرویس پیشنهادی برای ایجاد گزارش و داشبورد است. این به شما امکان می دهد تا داشبوردهای تعاملی، تجسم ها و تجزیه و تحلیل های پیشرفته را با بینش ML ایجاد کنید. آمازون SageMaker پلت فرم ML برای تمام نیازهای حجم کاری شما در علم داده است. این به شما کمک می کند تا مدل هایی بسازید، آموزش دهید و مستقر کنید که داده ها را از مخازن در مرکز داده مصرف می کنند. شما می توانید استفاده کنید وب و موبایل جلویی آمازون خدمات و AWS IoT خدماتی برای ساخت برنامههای کاربردی وب، موبایل و اینترنت اشیا برای مصرف دادهها از مرکز داده.
خدمات حاکمیت داده
La کاتالوگ داده چسب AWS و سازند دریاچه AWS خدمات اصلی حاکمیت داده AWS در حال حاضر ارائه می دهد. این سرویس ها به مدیریت متادیتا به صورت مرکزی برای تمامی مخازن داده ها و مدیریت کنترل های دسترسی کمک می کنند. آنها همچنین به طبقه بندی داده ها کمک می کنند و می توانند به طور خودکار تغییرات طرحواره را مدیریت کنند. شما می توانید استفاده کنید Amazon DataZone برای کشف و به اشتراک گذاری داده ها در مقیاس در سراسر مرزهای سازمانی با حاکمیت داخلی و کنترل های دسترسی. AWS در این فضا سرمایه گذاری می کند تا تجربه یکپارچه بیشتری برای خدمات AWS فراهم کند. محصولات شریک زیادی مانند Collibra، Alation، Amorphic، Informatica و غیره وجود دارد که میتوانید از آنها برای عملکردهای حاکمیت داده با خدمات AWS نیز استفاده کنید.
خدمات امنیتی و نظارتی
هویت AWS و مدیریت دسترسی (AWS IAM) هویت خدمات و منابع AWS را مدیریت می کند. شما می توانید کاربران، گروه ها، نقش ها و خط مشی هایی را برای مدیریت دسترسی دقیق نیروی کار و حجم کاری خود تعریف کنید. سرویس مدیریت کلید AWS (AWS KMS) کلیدهای AWS یا کلیدهای مدیریت شده توسط مشتری را برای برنامه های شما مدیریت می کند. CloudWatch آمازون و AWS CloudTrail کمک به ارائه قابلیت های نظارت و ممیزی. شما می توانید معیارها و رویدادها را جمع آوری کنید و آنها را برای کارایی عملیاتی تجزیه و تحلیل کنید.
در این پست، رایجترین سرویسهای AWS برای اجزای راهحل مربوطه را مورد بحث قرار دادهایم. با این حال، شما فقط به این خدمات محدود نمی شوید. بسیاری از خدمات AWS دیگر برای موارد استفاده خاص وجود دارد که ممکن است برای نیازهای شما مناسب تر از آنچه در اینجا بحث کردیم باشد. برای راهنمایی مناسب می توانید به معماران راه حل های AWS Analytics مراجعه کنید.
نمونههایی از معماری برای موارد استفاده از بازی
در این بخش، معماریهای نمونه برای دو مورد استفاده از بازی را مورد بحث قرار میدهیم.
تجزیه و تحلیل رویدادهای بازی
رویدادهای درون بازی (که رویدادهای زماندار یا زنده نیز نامیده میشوند) از طریق هیجان و انتظار، مشارکت بازیکن را تشویق میکنند. رویدادها بازیکنان را به تعامل با بازی ترغیب می کند و رضایت و درآمد بازیکنان را با خریدهای درون بازی افزایش می دهد. رویدادها بیشتر و بیشتر اهمیت پیدا کردهاند، بهویژه زمانی که بازیها از سرگرمیهای ثابت و ایستا برای پخش به ارائه محتوای پویا و متغیر از طریق استفاده از خدماتی که از اطلاعات برای تصمیمگیری درباره بازی در حین انجام بازی استفاده میکنند، تغییر میکنند. این به بازیها امکان میدهد در حین بازی بازیکنان تغییر کنند و بر آنچه که کار میکند و چه چیزی مؤثر نیست تأثیر بگذارند و به هر بازی یک عمر بالقوه بینهایت میدهد.
این قابلیت رویدادهای درونبازی برای ارائه محتوا و فعالیتهای تازه در چارچوبی آشنا این است که چگونه بازیکنان را برای ماهها تا سالها درگیر و بازی میکنید. بازیکنان میتوانند از تجربهها و چالشهای جدید در چارچوب یا دنیای آشنا که به آن عشق میورزند لذت ببرند.
مثال زیر نشان میدهد که چگونه چنین معماری ممکن است ظاهر شود، از جمله تغییراتی برای پشتیبانی از بخشهای مختلف فرآیند مانند شکستن دادهها در کانتینرهای جداگانه برای تطبیق با مقیاسپذیری، بازپرداخت شارژ و مالکیت.
برای درک کامل نحوه مشاهده رویدادها توسط بازیکنان و تصمیم گیری در مورد رویدادهای آینده نیاز به اطلاعاتی در مورد نحوه واقعی انجام آخرین رویداد دارد. این به معنای جمع آوری داده های زیادی در حین بازی بازیکنان برای ایجاد شاخص های کلیدی عملکرد (KPI) است که اثربخشی و رضایت بازیکن را از هر رویداد اندازه گیری می کند. این نیاز به تجزیه و تحلیل دارد که به طور خاص هر رویداد را اندازه گیری کند و تجربه بازیکن را برای هر رویداد ضبط، تجزیه و تحلیل، گزارش و اندازه گیری کند. این KPIها شامل موارد زیر است:
- تعاملات اولیه جریان کاربر – کاربران پس از دریافت یا دانلود بهروزرسانی رویداد در یک بازی، چه اقداماتی انجام میدهند. آیا نقاط یا تنگناهای واضحی وجود دارد که مردم را از رویداد منصرف کند؟
- کسب درآمد – کاربران در این رویداد چه زمانی، چه چیزی و در کجا پول خرج میکنند، چه خرید ارزهای درون بازی، پاسخگویی به تبلیغات، ویژهها و غیره.
- اقتصاد بازی – کاربران چگونه می توانند ارزها یا کالاهای مجازی را در طول یک رویداد، با استفاده از پول درون بازی، معاملات، یا مبادله به دست آورند و خرج کنند.
- فعالیت درون بازی - برد، باخت، ارتقاء سطح، بردهای رقابتی یا دستاوردهای بازیکن در رویداد.
- تعامل کاربر با کاربر - دعوت، هدیه، چت (خصوصی و گروهی)، چالش ها و غیره در طول یک رویداد.
اینها تنها برخی از شاخصهای کلیدی عملکرد و معیارهایی هستند که برای مدلسازی پیشبینیکننده رویدادها کلیدی هستند، زیرا بازی بازیکنان جدیدی را جذب میکند و در عین حال کاربران فعلی را درگیر، درگیر و در حال بازی نگه میدارد.
تجزیه و تحلیل فعالیت در بازی
تجزیه و تحلیل فعالیت در بازی اساساً به هر فعالیت معنادار و هدفمندی که بازیکن ممکن است نشان دهد نگاه می کند، با هدف تلاش برای درک اقدامات انجام شده، زمان بندی آنها و نتایج. این شامل اطلاعات موقعیتی در مورد بازیکنان، از جمله محل بازی آنها (هم جغرافیایی و هم فرهنگی)، تعداد دفعات، مدت زمان، کارهایی که در هر ورود به سیستم انجام می دهند و سایر فعالیت ها می شود.
مثال زیر نشان می دهد که چگونه ممکن است چنین معماری ظاهر شود، از جمله تغییراتی برای پشتیبانی از بخش های مختلف فرآیند مانند شکستن داده ها به انبارهای جداگانه. رویکرد انبار چند خوشهای کمک میکند تا حجم کار بهطور مستقل افزایش یابد، انعطافپذیری را برای مدل بازگشت شارژ پیادهسازیشده فراهم کند، و از مالکیت دادههای غیرمتمرکز پشتیبانی میکند.
این راه حل اساساً اطلاعات را ثبت می کند تا به درک رفتار بازیکنان شما کمک کند، که می تواند منجر به بینش هایی شود که حفظ بازیکنان موجود و به دست آوردن بازیکنان جدید را افزایش می دهد. این می تواند توانایی انجام موارد زیر را فراهم کند:
- توصیه های خرید درون بازی را ارائه دهید
- روندهای بازیکنان را در کوتاه مدت و در طول زمان اندازه گیری کنید
- رویدادهایی را برنامه ریزی کنید که بازیکنان در آن شرکت خواهند کرد
- بدانید چه بخش هایی از بازی شما موفق تر هستند و کدام بخش ها کمتر
میتوانید از این درک برای تصمیمگیری درباره بهروزرسانیهای آینده بازی، توصیههای خرید درونبازی، تعیین زمان و چگونگی اقتصاد بازیتان به تعادل استفاده کنید، و حتی به بازیکنان اجازه دهید شخصیتهای خود را تغییر دهند یا در حین پیشرفت بازی با تزریق این مورد بازی کنند. اطلاعات و تصمیمات همراه به بازی برگشت.
نتیجه
این معماری مرجع، در حالی که نمونه هایی از تنها چند نوع تحلیل را نشان می دهد، مسیر فناوری سریع تری را برای فعال کردن برنامه های تحلیل بازی ارائه می دهد. رویکرد جداشده، هاب/شاخه، چابکی و انعطافپذیری را برای پیادهسازی رویکردهای مختلف برای تجزیه و تحلیل و درک عملکرد برنامههای بازی به ارمغان میآورد. سرویسهای AWS ساختهشده در این معماری، قابلیتهای جامعی را برای جمعآوری، ذخیره، اندازهگیری، تجزیه و تحلیل و گزارش بازیها و معیارهای رویداد فراهم میکنند. این به شما کمک میکند تا تحلیلهای درون بازی، تجزیه و تحلیل رویدادها، اندازهگیری رضایت بازیکنان، و ارائه توصیههای سفارشی به بازیکنان بازی، سازماندهی موثر رویدادها، و افزایش نرخ حفظ را به طور موثر انجام دهید.
با تشکر از خواندن پست. اگر بازخورد یا سوالی دارید، لطفاً آنها را در نظرات مطرح کنید.
درباره نویسندگان
ستش سونتی یک معمار راه حل های متخصص تجزیه و تحلیل Sr. مستقر در آتلانتا است که در ساخت پلت فرم های داده سازمانی، انبار داده ها و راه حل های تجزیه و تحلیل تخصص دارد. او بیش از 16 سال تجربه در ساخت دارایی های داده و هدایت برنامه های پلت فرم داده پیچیده برای مشتریان بانکی و بیمه در سراسر جهان دارد.
تانیا رودز یک معمار ارشد راه حل مستقر در سانفرانسیسکو است که بر روی مشتریان بازی با تأکید بر تجزیه و تحلیل، مقیاسبندی و بهبود عملکرد بازیها و سیستمهای پشتیبانی تمرکز دارد. او بیش از 25 سال تجربه در معماری سازمانی و راه حل ها دارد که متخصص در سازمان های تجاری بسیار بزرگ در زمینه های مختلف تجارت از جمله بازی ها، بانکداری، مراقبت های بهداشتی، آموزش عالی و دولت های ایالتی است.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/big-data/how-gaming-companies-can-use-amazon-redshift-serverless-to-build-scalable-analytical-applications-faster-and-easier/
- :است
- $UP
- 100
- a
- توانایی
- قادر
- درباره ما
- دسترسی
- مدیریت دسترسی
- قابل دسترسی است
- تطبیق
- حساب ها
- دستاوردهای
- کسب می کند
- اکتساب
- در میان
- اقدامات
- فعالیت ها
- فعالیت
- واقعا
- نشانی
- حکومت
- آگهی
- پیشرفته
- پس از
- معرفی
- اجازه دادن
- قبلا
- آمازون
- آمازون RDS
- در میان
- تحلیل
- تحلیلی
- علم تجزیه و تحلیل
- تحلیل
- و
- پیش بینی
- آپاچی
- API
- رابط های برنامه کاربردی
- ظاهر شدن
- کاربرد
- برنامه های کاربردی
- درخواست
- با استفاده از
- روش
- رویکردها
- مناسب
- برنامه های
- معماری
- هستند
- دور و بر
- هنر
- AS
- دارایی
- At
- آتلانتا
- حسابرسی
- شفق قطبی
- تصدیق
- خودکار
- بطور خودکار
- دسترس پذیری
- در دسترس
- میانگین
- اجتناب از
- AWS
- بازار AWS
- به عقب
- بانکداری
- مستقر
- BE
- زیرا
- شدن
- قبل از
- بودن
- بهترین
- بهتر
- میان
- تنگناها
- مرز
- جعبه
- شکستن
- به ارمغان می آورد
- ساختن
- بنا
- ساخته شده در
- کسب و کار
- هوش تجاری
- کسب و کار
- خریداری کردن
- by
- نام
- CAN
- قابلیت های
- ظرفیت
- گرفتن
- موارد
- کاتالوگ
- کاتالوگ
- مرکز
- چالش ها
- تغییر دادن
- تبادل
- متغیر
- کانال
- شخصیت
- را انتخاب کنید
- طبقه بندی
- واضح
- مشتریان
- ابر
- همکاری
- جمع آوری
- ترکیب
- ترکیب
- نظرات
- مشترک
- ارتباط
- شرکت
- سازگار
- رقابت
- پیچیده
- انطباق
- جزء
- اجزاء
- جامع
- مفهومی
- رقیب
- اعتماد به نفس
- با توجه به
- مصرف
- مصرف
- مصرف کننده
- مصرف کنندگان
- مصرف
- ظروف
- شامل
- محتوا
- ادامه دادن
- مداوم
- کنترل
- گروه شاهد
- هسته
- را پوشش می دهد
- ایجاد
- ایجاد
- فرهنگی
- ارز
- در حال حاضر
- مشتری
- مشتریان
- سفارشی
- داده ها
- تحلیل داده ها
- تبادل اطلاعات
- دریاچه دریاچه
- بستر داده
- کیفیت داده
- علم اطلاعات
- به اشتراک گذاری داده ها
- ذخیره سازی داده ها
- انبار داده
- انبارهای داده
- پایگاه داده
- پایگاه های داده
- مجموعه داده ها
- غیر متمرکز
- تصمیم گیری
- ارائه
- خواستار
- وابستگی
- گسترش
- شرح داده شده
- جزئیات
- جزئیات
- مشخص کردن
- مختلف
- كشف كردن
- بحث و تبادل نظر
- بحث کردیم
- مستندات
- نمی کند
- دامنه
- پایین
- دانلود
- در طی
- پویا
- هر
- کسب درآمد
- راحتی در استفاده
- آسان تر
- به آسانی
- ساده
- آسان برای استفاده
- اقتصاد
- سردبیر
- آموزش
- اثر
- بهره وری
- موثر
- هر دو
- تاکید
- قادر ساختن
- را قادر می سازد
- را قادر می سازد
- تشویق
- رمزگذاری
- نقطه پایانی
- تعامل
- مشغول
- نامزدی
- مهندسی
- موتورهای حرفه ای
- افزایش
- لذت بردن
- سرمایه گذاری
- سرگرمی
- اشخاص
- محیط
- به خصوص
- اساسا
- اتر (ETH)
- حتی
- واقعه
- حوادث
- مثال
- مثال ها
- تبادل
- هیجان
- موجود
- تجربه
- تجارب
- اکتشاف
- صادرات
- خارجی
- عصاره
- آشنا
- FAST
- سریعتر
- محبوب
- ویژگی
- امکانات
- باز خورد
- تغذیه
- کمی از
- پرونده
- فایل ها
- پیدا کردن
- نام خانوادگی
- انعطاف پذیری
- قابل انعطاف
- جریان
- تمرکز
- متمرکز شده است
- پیروی
- برای
- برای مصرف کنندگان
- فرم
- قالب
- چارچوب
- فرانسیسکو
- فرکانس
- تازه
- از جانب
- کاملا
- توابع
- بیشتر
- آینده
- بازی آینده
- بازی
- بازیها
- بازی
- صنعت بازی
- جمع آوری
- تولید
- جغرافیایی
- دریافت کنید
- می دهد
- زمین
- هدف
- مغازه
- حکومت
- دولت ها
- گروه
- گروه ها
- رشد کرد
- راهنمایی
- دسته
- آیا
- داشتن
- بهداشت و درمان
- سنگین
- کمک
- کمک می کند
- اینجا کلیک نمایید
- زیاد
- عملکرد بالا
- بالاتر
- آموزش عالی
- خیلی
- مسکن
- چگونه
- چگونه
- اما
- HTML
- HTTPS
- قطب
- IAM
- دلخواه
- هویت ها
- هویت
- انجام
- پیاده سازی
- اجرا
- مهم
- in
- در بازی
- شامل
- شامل
- از جمله
- افزایش
- افزایش
- به طور مستقل
- شاخص ها
- صنعت
- پیشرو در صنعت
- نفوذ
- اطلاعات
- نوآوری
- بینش
- فوری
- بیمه
- ادغام
- یکپارچه
- ادغام
- اطلاعات
- تعامل
- تعاملی
- رابط
- رابط
- اینترنت
- اینترنت از چیزهایی که
- سرمایه گذاری
- گرفتار
- اینترنت اشیا
- IT
- ITS
- JPG
- نگاه داشتن
- نگهداری
- کلید
- کلید
- دانستن
- دریاچه
- بزرگ
- تاخیر
- آخرین
- لایه
- لایه
- رهبری
- برجسته
- یادگیری
- ترک کردن
- سطح
- طول عمر
- عمر
- پسندیدن
- محدود شده
- خطوط
- کوچک
- زنده
- اتفاقات زنده
- بار
- بارگیری
- منطقی
- طولانی
- نگاه کنيد
- مطالب
- تلفات
- خیلی
- عشق
- کم
- دستگاه
- فراگیری ماشین
- نگهداری
- ساخت
- مدیریت
- اداره می شود
- مدیریت
- مدیریت می کند
- اجباری
- دستی
- بسیاری
- بازار
- معنی دار
- به معنی
- اندازه
- اندازه گیری
- متاداده
- متریک
- قدرت
- ML
- موبایل
- حالت
- مدل
- مدل سازی
- مدل
- پول
- نظارت بر
- ماه
- بیش
- اکثر
- محبوبترین
- جنبش
- متحرک
- چندگانه
- خروجی
- نیاز
- نیازهای
- جدید
- نوت بوک
- اهداف
- of
- ارائه
- ارائه
- پیشنهادات
- on
- ONE
- آنلاین
- باز کن
- قابل استفاده
- بهینه
- گزینه
- وحی
- کدام سازمان ها
- سازمانی
- سازمان های
- سازمان یافته
- دیگر
- صاحبان
- مالکیت
- احزاب
- شریک
- شرکای
- بخش
- مسیر
- پرداخت
- PC
- مردم
- انجام دادن
- کارایی
- از نظر جسمی
- قطعات
- ستون
- محل
- سکو
- سیستم عامل
- افلاطون
- هوش داده افلاطون
- PlatoData
- بازی
- بازی
- بازیکن
- بازیکنان
- بازی
- لطفا
- نقطه
- سیاست
- سیاست
- محبوب
- ممکن
- پست
- postgresql
- بالقوه
- مرجح
- قیمت
- در درجه اول
- خصوصی
- روند
- فرآیندهای
- در حال پردازش
- بهره وری
- محصولات
- برنامه ها
- پروتکل
- ارائه
- فراهم می کند
- منتشر کردن
- انتشار
- خرید
- خرید
- کیفیت
- سوالات
- به سرعت
- نرخ
- خام
- داده های خام
- رسیدن به
- مطالعه
- اماده
- زمان واقعی
- گرفتن
- توصیه
- توصیه می شود
- رکورد
- مناطق
- مربوط
- گزارش
- گزارش ها
- مخزن
- نشان دادن
- ضروری
- نیاز
- شباهت دارد
- منابع
- قابل احترام
- محدود کننده
- نگهداری
- درامد
- نقش
- قوانین
- دویدن
- همان
- سان
- سان فرانسیسکو
- رضایت
- مقیاس پذیری
- مقیاس پذیر
- مقیاس
- مقیاس ها
- مقیاس گذاری
- علم
- بخش
- بخش
- ایمن
- تیم امنیت لاتاری
- ارشد
- جداگانه
- بدون سرور
- سرویس
- خدمات
- اشتراک گذاری
- به اشتراک گذاشته شده
- اشتراک
- تغییر
- کوتاه
- باید
- نشان
- نشان می دهد
- مشابه
- ساده
- So
- آگاهی
- راه حل
- مزایا
- برخی از
- منبع
- منابع
- فضا
- متخصص
- تخصصی
- متخصص
- خاص
- به طور خاص
- خرج کردن
- هزینه
- خرجی
- SQL
- پشته
- استاندارد
- شروع
- شروع می شود
- دولت
- سپاه پاسداران
- ذخیره سازی
- opbevare
- پرده
- جریان
- خدمات جریان
- ساخت یافته
- اشتراک، ابونمان
- موفقیت
- موفق
- چنین
- پشتیبانی
- پشتیبانی
- حمایت از
- پشتیبانی از
- سیستم های
- مصرف
- تیم ها
- فنی
- فن آوری
- پیشرفته
- قوانین و مقررات
- که
- La
- هاب
- منبع
- شان
- آنها
- اینها
- اشیاء
- سوم
- اشخاص ثالث
- شخص ثالث
- هزاران نفر
- از طریق
- به پایان رسید
- زمان
- به
- ابزار
- ابزار
- معاملات
- قطار
- معامله ای
- انتقال
- دگرگون کردن
- دگرگونی
- مبدل
- روند
- عطف
- انواع
- به طور معمول
- فهمیدن
- درک
- یکپارچه
- غیرقابل پیش بینی
- بروزرسانی
- به روز رسانی
- us
- استفاده کنید
- کاربر
- کاربران
- معمولا
- استفاده کنید
- اعتبار سنجی
- مختلف
- فروشندگان
- نمایش ها
- مجازی
- ارزهای مجازی
- انبار کالا
- انبارداری
- وب
- مبتنی بر وب
- سوکت وب
- خوب
- چی
- چه
- که
- در حین
- WHO
- اراده
- برنده
- با
- در داخل
- بدون
- نیروی کار
- با این نسخهها کار
- جهان
- سال
- شما
- زفیرنت
- صفر