導(dǎo) 語

本文為數(shù)據(jù)庫「擁抱Data+AI」系列連載第2篇，該系列是阿里云瑤池?cái)?shù)據(jù)庫面向各行業(yè)Data+AI應(yīng)用場(chǎng)景，基于真實(shí)客戶案例&最佳實(shí)踐，展示Data+AI行業(yè)解決方案的連載文章。

本文將詳細(xì)探討如何利用阿里云Data+AI解決方案來應(yīng)對(duì)游戲行業(yè)挑戰(zhàn)，并借助AI為游戲行業(yè)注入新的活力。

往期內(nèi)容推薦：

《大咖說｜Data+AI企業(yè)智能化轉(zhuǎn)型的核心驅(qū)動(dòng)力》

《如何破解電商7大挑戰(zhàn)？DMS+AnalyticDB助力企業(yè)智能決策》

1行業(yè)趨勢(shì)

隨著互聯(lián)網(wǎng)游戲行業(yè)的迅猛發(fā)展，數(shù)據(jù)量也在急劇增加。這種增長(zhǎng)不僅是因?yàn)橥婕覕?shù)量的增多和在線時(shí)間的增長(zhǎng)，還歸因于游戲內(nèi)集成的豐富數(shù)據(jù)驅(qū)動(dòng)型功能，如個(gè)性化推薦、動(dòng)態(tài)難度調(diào)整、虛擬經(jīng)濟(jì)系統(tǒng)、實(shí)時(shí)多人互動(dòng)以及行為追蹤分析等。這些功能提升了玩家的游戲體驗(yàn)，但同時(shí)也要求處理和存儲(chǔ)更多的數(shù)據(jù)，給管理和成本帶來了新的挑戰(zhàn)。

盡管海量的數(shù)據(jù)帶來了挑戰(zhàn)，但也蘊(yùn)藏著巨大的價(jià)值與機(jī)會(huì)。除了支持游戲內(nèi)的各種數(shù)據(jù)驅(qū)動(dòng)功能外，游戲公司還能通過數(shù)據(jù)分析更深刻地理解用戶的行為和偏好，從而優(yōu)化游戲設(shè)計(jì)，提升用戶體驗(yàn)，并通過精準(zhǔn)營(yíng)銷增加收入。對(duì)數(shù)據(jù)進(jìn)行更深入的挖掘，企業(yè)還可以識(shí)別出影響用戶留存的關(guān)鍵因素，找到提高用戶參與度的最佳策略，并預(yù)測(cè)未來的市場(chǎng)趨勢(shì)和用戶行為，進(jìn)而增強(qiáng)產(chǎn)品的競(jìng)爭(zhēng)力和市場(chǎng)影響力。

面對(duì)由海量數(shù)據(jù)帶來的挑戰(zhàn)與機(jī)遇，如何聚焦于關(guān)鍵數(shù)據(jù)類型，解決管理與技術(shù)上的難題，并持續(xù)高效地發(fā)掘數(shù)據(jù)的價(jià)值，成為了游戲企業(yè)關(guān)注的重點(diǎn)問題。本文將詳細(xì)探討如何利用阿里云Data+AI解決方案來應(yīng)對(duì)這些挑戰(zhàn)，并借助AI為游戲行業(yè)注入新的活力。

2技術(shù)挑戰(zhàn)

在游戲行業(yè)產(chǎn)生的海量數(shù)據(jù)中，日志類數(shù)據(jù)扮演著至關(guān)重要的角色。日志類數(shù)據(jù)記錄了玩家行為、游戲運(yùn)行狀態(tài)及系統(tǒng)性能等關(guān)鍵信息。這類數(shù)據(jù)通常包括游戲玩家登錄與退出時(shí)間、游戲角色的成長(zhǎng)軌跡（如等級(jí)提升）、虛擬物品交易詳情、玩家間的互動(dòng)記錄（如聊天或組隊(duì)）以及游戲內(nèi)發(fā)生的各種事件（如任務(wù)完成情況）。此外，還包括了技術(shù)側(cè)采集的數(shù)據(jù)，如服務(wù)器響應(yīng)時(shí)間、網(wǎng)絡(luò)延遲狀況等，這些數(shù)據(jù)可以被廣泛應(yīng)用到用戶分析體驗(yàn)、產(chǎn)品功能優(yōu)化、潛在問題識(shí)別、運(yùn)營(yíng)策略制定等。

隨著日志數(shù)據(jù)量的激增和分析需求的提升，用戶需要在性能和成本中做出平衡，尋求更優(yōu)質(zhì)的高性價(jià)比解決方案。在某頭部游戲客戶的日志分析場(chǎng)景中，面臨以下挑戰(zhàn)：

? 數(shù)據(jù)存儲(chǔ)成本高：在玩家的投訴判定、審計(jì)合規(guī)等場(chǎng)景中，都可能需要進(jìn)行日志的回溯，所以游戲產(chǎn)生的日志數(shù)據(jù)需要全量存儲(chǔ)，存儲(chǔ)成本隨之增加。

? 實(shí)時(shí)查詢性能提升：為了及時(shí)響應(yīng)突發(fā)問題，需要從海量日志數(shù)據(jù)中快速處理和分析，分析性能需要有保障。

? 數(shù)據(jù)開源開放：游戲企業(yè)內(nèi)部存在多個(gè)業(yè)務(wù)團(tuán)隊(duì)，不同業(yè)務(wù)團(tuán)隊(duì)使用的分析引擎可能是不同的，一份全量日志的存儲(chǔ)，需要支持上層多種計(jì)算引擎訪問。

? 結(jié)合AI增強(qiáng)數(shù)據(jù)洞察力：傳統(tǒng)BI分析側(cè)重歷史數(shù)據(jù)的匯總和展示，可幫助決策者了解過去一段時(shí)間的業(yè)務(wù)表現(xiàn)，但不具備預(yù)測(cè)能力，通常依賴業(yè)務(wù)方經(jīng)驗(yàn)來進(jìn)行未來趨勢(shì)的判斷；結(jié)合AI進(jìn)行預(yù)測(cè)，能有效提升預(yù)測(cè)準(zhǔn)確性，在游戲行業(yè)中，常見的有用戶行為預(yù)測(cè)、付費(fèi)用戶預(yù)測(cè)、付費(fèi)金額預(yù)測(cè)、玩家流失預(yù)測(cè)等。

3阿里云 Data+AI 解決方案

阿里云瑤池?cái)?shù)據(jù)庫提供“DMS+X：統(tǒng)一、開放、多模的Data+AI數(shù)據(jù)管理服務(wù)”。該平臺(tái)簡(jiǎn)化了數(shù)據(jù)管理與AI開發(fā)，實(shí)現(xiàn)DMS+X一站式的Data+AI全生命周期管理。在DMS+X之上，阿里云將助力企業(yè)數(shù)據(jù)以最快的速度擁抱AI，落地業(yè)務(wù)，產(chǎn)生價(jià)值。

針對(duì)游戲行業(yè)的以上問題，阿里云瑤池?cái)?shù)據(jù)庫DMS+AnalyticDB MySQL（以下簡(jiǎn)稱ADB MySQL）提供了解決方案。

日志數(shù)據(jù)實(shí)時(shí)接入

游戲日志低成本歸檔

阿里云日志服務(wù)（SLS）常用來做應(yīng)用端游戲日志的采集，下游可再接入分析類引擎做進(jìn)一步的處理和查詢。阿里云瑤池旗下的云原生數(shù)據(jù)倉(cāng)庫AnalyticDB MySQL，提供SLS/Kafka日志類數(shù)據(jù)實(shí)時(shí)接入內(nèi)部倉(cāng)存儲(chǔ)/湖存儲(chǔ)的能力，自動(dòng)生成元數(shù)據(jù)，數(shù)據(jù)直接可查，簡(jiǎn)單易用的白屏化操作，用戶可按需選擇目標(biāo)端存儲(chǔ)，游戲全量日志可選擇入湖，以開源Iceberg格式寫入到內(nèi)部湖存儲(chǔ)，同步性能可達(dá)每秒GB級(jí)吞吐，數(shù)據(jù)可見延遲小于5min，存儲(chǔ)成本低（與OSS對(duì)齊），并提供湖管理功能，包含數(shù)據(jù)文件合并、生命周期管理、緩存設(shè)置等，有效降低存儲(chǔ)成本，提升湖查詢性能。

日志數(shù)據(jù)高效查詢

ADB MySQL有兩類計(jì)算引擎，分別是自研的XIHE引擎和開源的Spark引擎，用戶可根據(jù)實(shí)際需求和場(chǎng)景，選擇不同的引擎來進(jìn)行數(shù)據(jù)處理和分析?；贏DB湖表，通過緩存層進(jìn)行查詢預(yù)熱，可滿足大部分秒級(jí)/分鐘級(jí)耗時(shí)訴求；用戶也可選擇創(chuàng)建倉(cāng)表，來實(shí)現(xiàn)亞秒級(jí)的實(shí)時(shí)分析。

日志數(shù)據(jù)開源開放

ADB湖存儲(chǔ)的數(shù)據(jù)格式為開源Iceberg + Parquet，提供HMS和OSS/HDFS開放接口，外部計(jì)算引擎可直接訪問數(shù)據(jù)；同時(shí)湖存儲(chǔ)和實(shí)例不強(qiáng)綁定，不同的湖存儲(chǔ)Bucket可掛載到不同的實(shí)例，實(shí)現(xiàn)數(shù)據(jù)共享。

AI場(chǎng)景落地

除了BI分析場(chǎng)景以外，存儲(chǔ)在ADB MySQL中的日志數(shù)據(jù)，可通過DMS+AnalyticDB 一站式實(shí)現(xiàn)數(shù)據(jù)特征處理、模型訓(xùn)練、評(píng)估及預(yù)測(cè)，落地AI模型應(yīng)用。在ADB MySQL中僅通過SQL語句即可完成端到端的數(shù)據(jù)處理和模型開發(fā)，支持通過SQL來導(dǎo)入和訓(xùn)練模型， 也支持調(diào)用遠(yuǎn)程推理服務(wù)；同時(shí)ADB MySQL提供全托管的AI資源服務(wù)，用戶無需關(guān)心底層資源部署，專注業(yè)務(wù)應(yīng)用開發(fā)。

以下為模型創(chuàng)建和預(yù)測(cè)的SQL語法示例：

/* 創(chuàng)建模型 */
create model bstdemo.bst 
options (
  model_type='xx',
  feature_cols=(event_list),
  target_cols=(target),
  hyperparameters = (
    use_best_ckpt = 'False',
    early_stopping_patience='0'
  )
)as select event_list, target from bstdemo.test;
/* 使用普通函數(shù)實(shí)現(xiàn)模型預(yù)測(cè) */
SELECT ml_predict(
  '[db.]model_name:v2',  -- 模型名稱&版本
  ['{options}'|NULL],  -- 一些可能的額外配置，例如攢批大小，沒有可以為null
  -- 后面是要傳遞給模型的列，可以是任意合法的project表達(dá)式，不定長(zhǎng)
  <column_name1>,
  ...,
) as col_name FROM event_table;

結(jié)合DMS構(gòu)建完整Data+AI方案，可進(jìn)一步實(shí)現(xiàn)數(shù)據(jù)處理鏈路和模型訓(xùn)練鏈路一體化的編排調(diào)度，從數(shù)據(jù)接入，處理到模型訓(xùn)練，上線和推理實(shí)現(xiàn)全自動(dòng)周期運(yùn)行。通過模型中心統(tǒng)一管理AI核心資產(chǎn)，包括模型的效果展示，模型組和模型版本管理。支持模型部署和回滾，模型可以發(fā)布為在線推理服務(wù)，銜接大模型工具鏈統(tǒng)一編排實(shí)現(xiàn)智能應(yīng)用體落地。整套方案提供數(shù)據(jù)資產(chǎn)的全粒度權(quán)限管理，支持私有部署在客戶VPC環(huán)境，數(shù)據(jù)和模型不出域，實(shí)現(xiàn)全套方案的數(shù)據(jù)安全，有效保護(hù)客戶隱私。

使用DMS+AnalyticDB MySQL游戲日志場(chǎng)景的AI平臺(tái)，提供AI節(jié)點(diǎn)資源，內(nèi)置算法模型，可通過DMS界面進(jìn)行模型開發(fā)，用戶無需自行搭建機(jī)器學(xué)習(xí)平臺(tái)，有效降低開發(fā)成本。

以某頭部游戲客戶實(shí)際落地效果為例，在玩家流失預(yù)測(cè)和玩家付費(fèi)預(yù)測(cè)場(chǎng)景中，模型效果F1 Score均從40%提升到70%+。

4總結(jié)與展望

針對(duì)游戲行業(yè)的日志存儲(chǔ)、分析和預(yù)測(cè)場(chǎng)景，阿里云瑤池?cái)?shù)據(jù)庫提供完整的Data+AI解決方案及落地最佳實(shí)踐，可以同時(shí)滿足數(shù)據(jù)在線處理、實(shí)時(shí)分析和智能化AI實(shí)踐，大大降低了企業(yè)及開發(fā)和運(yùn)維成本。

Data+AI為企業(yè)提供了新的增長(zhǎng)途徑，企業(yè)必須認(rèn)識(shí)到Data+AI的重要性，并將其作為戰(zhàn)略實(shí)施重點(diǎn)，促進(jìn)智能化轉(zhuǎn)型以保持競(jìng)爭(zhēng)力和市場(chǎng)領(lǐng)導(dǎo)地位，迎接新的機(jī)遇。

ADB MySQL AI節(jié)點(diǎn)也提供多種使用形態(tài)，除了上述提到的MLSQL以外，還支持Spark on GPU，即通過Spark MLlib進(jìn)行開發(fā)等，配合ADB現(xiàn)有的分析能力為用戶提供Data + AI應(yīng)用的輕量化端到端方案。