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, um das Spielerlebnis zu verbessern und so ihre Spielerbasis zu halten und zu vergrößern. Bei der Spielanalyse handelt es sich um die technische Infrastruktur und die Prozesse, die erforderlich sind, um die Daten zu verstehen und zu analysieren, die aus dem Spiel und den damit verbundenen Diensten generiert werden. Dies erfordert in der Regel die Verwendung einer Analyse-Pipeline-Architektur, die diesen end-to-end Prozess unterstützen kann, wie z. B. die Implementierung der Game Analytics-Pipeline-Lösung
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, Mobilgeräten und Spielekonsolen.
-
Eine Spieleanalyse-Pipeline automatisiert den gesamten Arbeitsablauf von der Aufnahme und Speicherung der Rohdaten bis hin zur Verarbeitung in nutzbare Ausgabeformate, sodass sie von Datenverbrauchern wie Endbenutzern und Analyseanwendungen effizient und kostengünstig analysiert werden können.
-
Pipelines zur Spieleanalyse bieten Unterstützung für die Aufnahme und Verarbeitung großer Mengen an Echtzeitdaten, um sie an das Wachstum eines Spiels anzupassen.
-
Bieten Unterstützung für Anwendungsfälle sowohl für Echtzeit- als auch für Batch-Berichte. Beispielsweise werden 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 bei Bedarf auf Batch-Berichte, um Trends im Laufe der Zeit zu verstehen.
Serverlose Spieleanalyse-Pipeline für Gameplay-Telemetrie
Spieldaten werden von Spieleclients, Spieleservern und anderen Anwendungen aufgenommen. Die Streaming-Daten werden für die Data-Lake-Integration und interaktive Analysen in Amazon S3 aufgenommen. Streaming-Analysen verarbeiten Ereignisse in Echtzeit und generieren Metriken. Datenkonsumenten analysieren Metrikdaten in Amazon CloudWatch und Rohereignisse in Amazon S3.
-
Lösungs-API und Konfigurationsdaten: Verwenden Sie Amazon API Gateway, um eine REST-API zur Verwaltung Ihrer Spielanalyse-Pipeline und zum Speichern von Konfigurationsdaten in Amazon DynamoDB mithilfe von Lambda-Funktionen bereitzustellen. Sie können auf dieser API ein internes Portal oder eine benutzerdefinierte Befehlszeilenschnittstelle für die Verwaltung einrichten. Eine REST-API bietet auch Serverauthentifizierung für die Aufnahme von Gameplay-Daten 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-Analyse: Managed Service für Apache Flink analysiert Streaming-Ereignisdaten aus den Kinesis Data Streams und kann benutzerdefinierte Metriken und Warnungen generieren, die CloudWatch mithilfe von Lambda-Funktionen veröffentlicht werden.
-
Metriken und Benachrichtigungen: Verwenden Sie Amazon CloudWatch , um die Metriken, Protokolle und Alarme Ihrer Lösung zu überwachen. Verwenden Sie Amazon SNS, um Benachrichtigungen an Bereitschaftsmitarbeiter 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: Verwenden Sie es AWS Glue für ETL-Verarbeitungsworkflows und zur Organisation Ihrer Metadaten in der AWS AWS Glue Data Catalog. Dies bildet die Grundlage für einen Data Lake für die Integration mit flexiblen Analysetools.
-
Interaktive Analysen: Endbenutzer können Amazon Athena verwenden, um interaktive Ad-hoc-Abfragen zu den in Amazon S3 gespeicherten Datensätzen durchzuführen, und Quick Suite kann zur Erstellung von Dashboards verwendet werden.
In der Game Analytics-Pipeline
