Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Spieleanalytik-Pipeline
Spieleentwickler suchen zunehmend nach Möglichkeiten, das Spielerverhalten besser zu verstehen, damit sie das Spielerlebnis verbessern können, um ihre Spielerbasis zu halten und zu vergrößern. Die Spielanalyse stellt die technische Infrastruktur und die Prozesse dar, die erforderlich sind, um die Daten, die im Rahmen des Spiels und der damit verbundenen Dienste generiert werden, zu verstehen und zu analysieren. Dies erfordert in der Regel die Verwendung einer Analytics-Pipeline-Architektur, die diesen durchgängigen Prozess unterstützen kann, wie beispielsweise die Implementierung der Game
Architekturen für Spieleanalysen weisen die folgenden Merkmale auf:
-
Datenquellen senden Daten in einem gängigen Format wie JSON und umfassen in der Regel Spieleserver und Spiele-Backend-Dienste sowie Spieleclients, einschließlich PCs, Mobilgeräte und Spielekonsolen.
-
Eine Spieleanalyse-Pipeline automatisiert den gesamten Arbeitsablauf der Erfassung und Speicherung der Rohdaten und ihrer Verarbeitung in nutzbaren Ausgabeformaten, sodass sie von Datenkonsumenten wie Endbenutzern und Analyseanwendungen effizient und kostengünstig analysiert werden können.
-
Spielanalyse-Pipelines bieten Unterstützung für die Aufnahme und Verarbeitung großer Mengen an Echtzeitdaten, um sie mit dem Wachstum eines Spiels zu skalieren.
-
Bieten Sie Unterstützung sowohl für Echtzeit- als auch für Batch-Reporting-Anwendungsfälle. So werden beispielsweise Echtzeit-Dashboards und Warnmeldungen in der Regel von Live-Ops-Teams verwendet, um die Spielinfrastruktur und das Spielerverhalten zu überwachen und Probleme zu erkennen. Datenanalystenteams verlassen sich in der Regel auf Berichte nach Bedarf und auf Batch-Berichte, um Trends im Laufe der Zeit zu verstehen.
Serverlose Spielanalyse-Pipeline für Gameplay-Telemetrie
Spieldaten werden von Spielclients, Spieleservern und anderen Anwendungen aufgenommen. Die Streaming-Daten werden zur Data-Lake-Integration und interaktiven Analysen in Amazon S3 aufgenommen. Streaming-Analysen verarbeiten Ereignisse in Echtzeit und generieren Metriken. Datenverbraucher analysieren Metrikdaten in Amazon CloudWatch und unformatierte Ereignisse in Amazon S3.
-
Lösungs-API und Konfigurationsdaten: Verwenden Sie Amazon API Gateway, um eine REST-API für die Verwaltung Ihrer Spieleanalyse-Pipeline und das Speichern von Konfigurationsdaten in Amazon DynamoDB mithilfe von Lambda-Funktionen bereitzustellen. Sie können ein internes Portal auf der Grundlage dieser API oder einer benutzerdefinierten Befehlszeilenschnittstelle für die Verwaltung erstellen. Eine REST-API bietet auch eine Serverauthentifizierung für die Aufnahme von Spieldaten aus Datenquellen und die Weiterleitung der Telemetriedaten an Amazon Kinesis Data Streams zur Echtzeitverarbeitung und Aufnahme in den Speicher.
-
Event-Stream: Amazon Kinesis Data Streams erfasst Streaming-Daten aus Ihrem Spiel und ermöglicht die Datenverarbeitung in Echtzeit durch Amazon Data Firehose und Amazon Managed Service für Apache Flink.
-
Streaming-Analysen: Managed Service für Apache Flink analysiert Streaming-Eventdaten aus den Kinesis Data Streams und kann benutzerdefinierte Metriken und Warnmeldungen generieren, die mithilfe von Lambda-Funktionen veröffentlicht werden. CloudWatch
-
Metriken und Benachrichtigungen: Verwenden Sie Amazon CloudWatch , um die Metriken, Protokolle und Alarme Ihrer Lösung zu überwachen. Verwenden Sie Amazon SNS, um Benachrichtigungen an Techniker auf Abruf und andere Datenverbraucher zu senden.
-
Streaming-Aufnahme: Verwenden Sie Firehose, um Ihre Streaming-Daten aus Kinesis Data Streams zu nutzen und sie zur langfristigen Speicherung, Transformation und Integration mit anderen Daten an Ihren Data Lake in Amazon S3 zu übertragen.
-
Data-Lake-Integration und ETL: Wird AWS Glue für ETL-Verarbeitungsworkflows und zur Organisation Ihrer Metadaten in der AWS AWS Glue Data Catalog verwendet. Dies ist die Grundlage für einen Data Lake zur Integration mit flexiblen Analysetools.
-
Interaktive Analysen: Endbenutzer können Amazon Athena verwenden, um interaktive Ad-hoc-Abfragen an den in Amazon S3 gespeicherten Datensätzen durchzuführen, und Quick kann zum Erstellen von Dashboards verwendet werden.
In der Game Analytics-Pipeline
