金沙js0888_首頁(欢迎您)

  • <td id="dgejl"><strike id="dgejl"></strike></td>
        1. 【大咖来了 第12期】AI和大数据系统在电子竞技数据处理平台中的应用

          作者: 俞圆圆 2020-02-14 16:27:05

          【51CTO.com原创稿件】电子竞技作为近年来竞技体育项目中发展最迅猛的一个独特分支,正在引起大量的社会关注和重视。和其他竞技体育项目一样,电子竞技对于数据的分析和应用有着独特的要求。电子竞技项目中,由于职业玩家和业余玩家的距离更近、业余玩家对于项目的参与度更高,使得其比赛数据的体量和数据分析的技术要求较之传统体育有着几何级数的增长。

          本期《大咖·来了》栏目邀请了VPGame CTO 俞圆圆(Y3),进行了主题为《从游戏到科学:AI和电子竞技》的分享,围绕如何利用前沿技术对海量电竞数据进行处理、存储与分析展开。

          FunData大数据系统

          电竞数据的量级远远大于传统竞技体育,所以VPGame是采用什么技术框架进行处理的呢?下面介绍一下FunData大数据系统以及其ETL层、接口层、数据处理层等部分的具体细节。如下图,为通用FunData大数据系统架构

          FunData大数据系统分为四层:ETL层的作用是数据提取、清洗过滤和加载,接口层的作用是为前端产品应用提供服务,数据处理层的作用是运用流计算、批计算等方式、对原始数据进行提取,最终得到可用性较高的总结性、概览性数据,存储层作用是对数据进行分级,选取不同的技术方案进行存储。

          FunData大数据系统之ETL范式

          如下图,为FunData ETL整体范式。

          从厂商数据接口、直播视频或录像文件等渠道获取到的数据源,通过外部消息队列推送到据上报模块,由内部消息列队通知不同的数据清洗和分析系统,将原始数据进行分门别类的归档和存储,再次通过内部消息队列一步步将这些数据加载或存入到不同的底层存储服务中。

          FunData大数据系统之接口层

          如下图,为基于Kubernetes的弹性API系统架构。

          数据要如何运用呢?不管是服务于VPGame应用,还是第三方应用,都是通过基于Kubernetes搭建的API集群实现的。API系统架构不是一成不变的,当不断深入或拓展到其他游戏IP时,会同步进行很多优化,同一个游戏在不同阶段会提供丰富度不同的API,当然整个扩容的过程一定是平滑的。API系统架构一定要具备弹性扩容能力,以便可以很好的应对比赛过程中出现的API请求激增的情况。

          FunData大数据系统之数据处理层

          数据处理层的挑战在于不同游戏,甚至同一个游戏的不同场景,数据逻辑都是不一样的,所以如果是采用基于虚拟机的单体程序设计的话,对于弹性流量的适应会存在很大困难。如下图,为数据处理层的工作逻辑。

          VPGame的数据处理逻辑构建基于Serverless的弹性框架,对实时激增的数据进行处理和计算。于整个框架而言,对业务方的要求仅仅是编写好业务逻辑即可,不必操心容量规划方面的问题。

          如下为VM系统与Serverless架构对比图。

          VM系统与Serverless架构存在明显差异,主要体现在资源利用率、资源的虚拟化和计算能力等方面。对于VM系统,当访问量增加时需要联系运维新增机器,恢复正常访问量再联系运维减少机器。对于Serverless架构,可以依据实际请求量和机器状况动态分布,统一由Vfunctions管理,不需要运维和业务方的介入。还有就是随时间推移,游戏数据量会存在突刺,热门时间(大赛/节假日)比赛数量激增的情况,原来基于VM的方式处理数据会导致大量数据处理任务堆积,系统压力飙升,部分处理任务超时,不得不人工接入进行扩容。改为Serverless架构,收到新的数据后,由Serverless调度器随机分配一个Worker启动对应的算法容器进行数据处理与提取。

          数据处理层还要面对的问题是,不同维度和层面的数据,对于实时性的要求不同,对于资源和时间的计算、处理,其要求也是不同的。这里就需要把处理模块大致分为Hadoop (数据批处理)和Flink (数据流处理)。

          批处理的数据一般是全局性的统计数据,如这场比赛出现多少英雄,他们的装备、技能选择等数据,这些数据相对深入,访问频次相对较低,故对及时性的相对要求也不高。但像单局比赛的基础数据,就属于热点数据,需要比赛结束后第一时间进行处理,这里就需要采用流处理框架,保障收到数据后,秒级产出数据结果。以DOTA2单局比赛个人数据处理为例,详见下图。

          通过消息队列进来的数据信号会知道这些ID有新的比赛产生,接着Filter会把无效的比赛ID过滤掉之后,进一步对数据结构做部分转化,清理不需要的字段,将这些处理流写入不同维度的算子,最后用Reduce算子做一些聚合。

          综上所述关于大数据系统的内容为本次分享的第一部分,后面还有对FunData海量存储和基于OCR与机器学习的数据识别和挖掘两部分精彩内容,请戳视频:http://www.konglaopa.tw/activity/10021.html

          【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

          大咖来 电子竞技
          上一篇:【大咖来了 第11期】IT管理者的自我认知和沟通管理 下一篇:助力抗疫,人工智能和大数据将全面爆发?
          评论1
          取消
          2020-05-20 09:53:52
          1
          good

          更多资讯推荐

          “人脸识别第一案”终审判决来了

          4月9日下午3点,“人脸识别第一案”在杭州市中级人民法院迎来二审判决。这桩案件起源于游客郭某因不满杭州野生动物世界将年卡用户入园方式从指纹识别升级到人脸识别,而以侵犯隐私权和服务合同违约为由将杭州野生动物世界告上法庭。

          浙江日报 ·? 23h前
          人工智能的三个必要条件

          2016年,AlphaGo下围棋战胜李世乭,大家都认为人工智能的时代到来了。人工智能也是同样的在一定的历史契机下,几个独立发展的领域碰巧合并在一起就产生了巨大的推动力。这一波人工智能发展的三个必要条件是:深度学习模型,大数据,算力(并行计算)。

          麦教授说 ·? 23h前
          CPU比GPU训练神经网络快十几倍,英特尔:别用矩阵运算了

          神经网络训练通常是 GPU 大显身手的领域,然而莱斯大学和英特尔等机构对 GPU 的地位发起了挑战。

          机器之心 ·? 2天前
          树莓派驱动,MIT打造的寄居蟹机器人「能做任何事」

          如何能让动作有限的机器人掌握无数种能力?MIT 研究者们从会换住所的寄居蟹那里得到灵感,开发出了换壳机器人。

          机器之心 ·? 2天前
          人工智能在物流运输中的未来作用

          随着物流和货运组织变得越来越数字化,企业将能够收集越来越多的关于其客户、供应链、交货、车队、司机等方面的数据。

          Cassie ·? 2天前
          100天搞定机器学习:模型训练好了,然后呢?

          佚名 ·? 2天前
          人工智能技术的起点与终点

          佚名 ·? 2天前
          企业在应用人工智能时不可不知的5个误区

          研究表明,70%以上的企业如今将人工智能视为游戏规则的改变者。然而,目前使用人工智能或计划很快使用人工智能的企业不到40%。人们对人工智能重要性的认识差距仍然很大,以下是五个关于人工智能的常见误区或误解。

          Geertrui Mieke ·? 2天前
          Copyright?2005-2021 51CTO.COM 版权所有 未经许可 请勿转载
          金沙js0888