Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Game analytics pipeline (Canalización de análisis de juegos) Los desarrolladores de juegos buscan cada vez más formas de entender mejor el comportamiento de los jugadores para poder mejorar la experiencia de juego y retener y aumentar su base de jugadores. La analítica de juegos representa la infraestructura técnica y los procesos necesarios para comprender y analizar los datos que se generan a partir del juego y los servicios relacionados. Por lo general, esto requiere el uso de una arquitectura de canalización de análisis que pueda respaldar este proceso de principio a fin, como la implementación de la [ solución ](https://aws.amazon.com/solutions/implementations/game-analytics-pipeline/) Game Analytics Pipeline. Las arquitecturas de análisis de juegos tienen las siguientes características: + Las fuentes de datos envían datos en un formato común, como JSON, y suelen incluir servidores de juegos y servicios de backend de juegos, así como clientes de juegos, incluidos PC, dispositivos móviles y consolas de juegos. + Una canalización de análisis de juegos automatiza todo el flujo de trabajo de ingerir y almacenar los datos sin procesar y procesarlos en formatos de salida utilizables para que los consumidores de datos, como los usuarios finales y las aplicaciones de análisis, puedan analizarlos de forma eficiente y rentable. + Los canales de análisis de juegos permiten ingerir y procesar grandes volúmenes de datos en tiempo real con el fin de ampliarlos a medida que el juego crece. + Brinda soporte para los casos de uso de informes en tiempo real y por lotes. Por ejemplo, los equipos de operaciones en vivo suelen utilizar paneles y alertas en tiempo real para supervisar la infraestructura del juego y el comportamiento de los jugadores a fin de detectar problemas. Los equipos de analistas de datos suelen basarse en informes por lotes y según sea necesario para comprender las tendencias a lo largo del tiempo. ![Canal de análisis de juegos sin servidor para la telemetría del juego](https://docs.aws.amazon.com/es_es/wellarchitected/latest/games-industry-lens/images/image8.jpeg) Los datos del juego provienen de clientes de juegos, servidores de juegos y otras aplicaciones. Los datos de streaming se introducen en Amazon S3 para la integración de los lagos de datos y el análisis interactivo. El análisis de streaming procesa los eventos en tiempo real y genera métricas. Los consumidores de datos analizan los datos de las métricas en Amazon CloudWatch y los eventos sin procesar en Amazon S3. + **Datos de configuración y API de la solución: ** utilice Amazon API Gateway para proporcionar una API REST que le permita administrar su proceso de análisis de juegos y almacenar los datos de configuración en Amazon DynamoDB mediante funciones de Lambda. Puede crear un portal interno sobre esta API o una interfaz de línea de comandos personalizada para la administración. Una API REST también permite la autenticación del servidor para incorporar datos de juego de fuentes de datos y reenviar los datos de telemetría a Amazon Kinesis Data Streams para su procesamiento en tiempo real y su almacenamiento. + **Transmisión de eventos: ** Amazon Kinesis Data Streams captura los datos de streaming de su juego y permite el procesamiento de datos en tiempo real por parte de Amazon Data Firehose y Amazon Managed Service para Apache Flink. + **Análisis de streaming: el servicio ** gestionado para Apache Flink analiza los datos de eventos de streaming de los flujos de datos de Kinesis y puede generar métricas y alertas personalizadas que se publican con las funciones de Lambda. CloudWatch + **Métricas y notificaciones: ** utilice Amazon CloudWatch para supervisar las métricas, los registros y las alarmas de su solución. Utilice Amazon SNS para enviar notificaciones a los ingenieros de guardia y a otros consumidores de datos. + **Ingestión de streaming: ** utilice Firehose para consumir sus datos de streaming de Kinesis Data Streams y entregarlos a su lago de datos en Amazon S3 para su almacenamiento a largo plazo, la transformación y la integración con otros datos. + **Integración de lagos de datos y ETL: ** AWS Glue utilícelos para procesar flujos de trabajo de ETL y para organizar sus metadatos en ellos AWS AWS Glue Data Catalog, lo que proporciona la base para un lago de datos que pueda integrarse con herramientas de análisis flexibles. + **Análisis interactivos: los usuarios ** finales pueden usar Amazon Athena para realizar consultas interactivas ad hoc sobre los conjuntos de datos almacenados en Amazon S3, y Quick se puede utilizar para crear paneles. Consulte la canalización de análisis de [ juegos ](https://aws.amazon.com/solutions/implementations/game-analytics-pipeline/) para obtener una implementación de referencia automatizada de una canalización de análisis que pueda implementarse en su cuenta utilizando. AWS CloudFormation