[唐勇 劉曉軍]

1 引言

云游戲作為一種基于云計(jì)算和串流技術(shù)的在線(xiàn)游戲服務(wù)，具備云端資源共享、終端要求較低、網(wǎng)絡(luò)性能要求較高等特性，能夠有效發(fā)揮云端處理能力和高速網(wǎng)絡(luò)傳輸?shù)膬r(jià)值，是5G 時(shí)代大帶寬、低延時(shí)的優(yōu)質(zhì)網(wǎng)絡(luò)能力展現(xiàn)的典型應(yīng)用之一[1,2]。與傳統(tǒng)網(wǎng)絡(luò)游戲相比，云游戲?qū)υ贫速Y源的處理能力提出了較高的要求?，F(xiàn)階段，云游戲服務(wù)主要基于分布式云資源池部署。每個(gè)云資源池由位于同一物理節(jié)點(diǎn)內(nèi)的云游戲?qū)嵗O(shè)備聚合而成，包括GPU 服務(wù)器或虛擬主機(jī)，及其操作系統(tǒng)、存儲(chǔ)和網(wǎng)絡(luò)設(shè)備等。云資源池之間可以進(jìn)行資源調(diào)度，形成相互依賴(lài)、相互支撐的關(guān)系[3,4]。

云游戲服務(wù)提供商（以下簡(jiǎn)稱(chēng)“云游戲服務(wù)商”）是云游戲基礎(chǔ)設(shè)施提供者與云游戲業(yè)務(wù)的運(yùn)營(yíng)者，負(fù)責(zé)連接產(chǎn)業(yè)鏈上游的云游戲內(nèi)容開(kāi)發(fā)商與下游的5G 終端用戶(hù)，引入優(yōu)質(zhì)游戲內(nèi)容并通過(guò)5G 或高速寬帶網(wǎng)絡(luò)向用戶(hù)提供精品云游戲服務(wù)，同時(shí)，還負(fù)責(zé)建設(shè)云游戲服務(wù)平臺(tái)（以下簡(jiǎn)稱(chēng)“云游戲平臺(tái)”），為云游戲運(yùn)行提供算力支持[5]。隨著云游戲平臺(tái)的大規(guī)模部署與應(yīng)用，云游戲服務(wù)商引入了大量精品游戲內(nèi)容，以滿(mǎn)足海量用戶(hù)的游戲需求。游戲內(nèi)容向精品化、高端化發(fā)展的趨勢(shì)，凸顯了單臺(tái)云游戲服務(wù)器在計(jì)算能力與存儲(chǔ)空間等發(fā)明存在的瓶頸，這也進(jìn)一步推動(dòng)云游戲平臺(tái)通過(guò)技術(shù)手段提升云資源的處理與調(diào)度能力，實(shí)現(xiàn)云資源根據(jù)用戶(hù)需求就近部署與分配[6,7]。

目前業(yè)界主要采用游戲資源全覆蓋模式，基于內(nèi)容運(yùn)行要求或邊緣節(jié)點(diǎn)資源相應(yīng)能力等進(jìn)行資源調(diào)度，缺乏針對(duì)游戲生命周期和用戶(hù)使用情況反饋的有效處理，無(wú)法達(dá)到云游戲資源調(diào)度的多維度智能化和用戶(hù)體驗(yàn)最優(yōu)化[8,9]。本文提出一種融合內(nèi)容特征與用戶(hù)使用行為分析的云游戲資源分配模型，基于游戲內(nèi)容的多種屬性標(biāo)簽構(gòu)建游戲內(nèi)容特征向量，與已部署游戲內(nèi)容進(jìn)行相似度計(jì)算，得出內(nèi)容推薦指數(shù)，確定游戲內(nèi)容在各個(gè)云資源節(jié)點(diǎn)的初始部署規(guī)模。在實(shí)際運(yùn)行中，結(jié)合用戶(hù)行為數(shù)據(jù)采集、分析的結(jié)果對(duì)游戲內(nèi)容特征向量進(jìn)行動(dòng)態(tài)矯正，并相應(yīng)調(diào)整云資源分配策略。通過(guò)該模型應(yīng)用，云游戲平臺(tái)可實(shí)現(xiàn)用戶(hù)體驗(yàn)與云資源占用之間的平衡，解決現(xiàn)有機(jī)制存在的資源浪費(fèi)和用戶(hù)體驗(yàn)不佳的問(wèn)題。

2 新型云游戲資源分配模型

2.1 云游戲資源分配策略

云游戲平臺(tái)由中心管理節(jié)點(diǎn)和多個(gè)云服務(wù)節(jié)點(diǎn)組成。其中，中心管理節(jié)點(diǎn)負(fù)責(zé)云游戲服務(wù)平臺(tái)的總體業(yè)務(wù)管理與運(yùn)維，主要完成游戲內(nèi)容智能評(píng)估、發(fā)布、推薦等功能；云服務(wù)節(jié)點(diǎn)分布于全國(guó)各地，將算力部署到網(wǎng)絡(luò)邊緣，更靠近最終用戶(hù)，實(shí)現(xiàn)用戶(hù)就近接入、就近服務(wù)。云游戲服務(wù)商新引入的云游戲內(nèi)容正式上線(xiàn)前，還需要完成游戲內(nèi)容適配、測(cè)試和驗(yàn)證等準(zhǔn)備工作。

如圖1 所示，對(duì)于新引入的云游戲內(nèi)容，基于游戲內(nèi)容的各種客觀(guān)和主管屬性標(biāo)簽，構(gòu)建出云游戲內(nèi)容特征向量；將內(nèi)容特征向量與已有游戲內(nèi)容特征向量進(jìn)行相似度計(jì)算，計(jì)算得出推薦指數(shù)；根據(jù)推薦指數(shù)，確定該游戲內(nèi)容在各服務(wù)節(jié)點(diǎn)的初始部署規(guī)模，分配相應(yīng)數(shù)量的云資源，并進(jìn)行上線(xiàn)操作。

圖1 云游戲資源分配與調(diào)度策略

在云游戲內(nèi)容部署上線(xiàn)后，各個(gè)云服務(wù)節(jié)點(diǎn)對(duì)游戲用戶(hù)在使用游戲中的行為數(shù)據(jù)進(jìn)行采集，包括游戲打開(kāi)次數(shù)、游戲時(shí)長(zhǎng)與計(jì)費(fèi)信息等，將數(shù)據(jù)上報(bào)至中心平臺(tái)側(cè)，中心平臺(tái)的大數(shù)據(jù)處理模塊對(duì)用戶(hù)行為數(shù)據(jù)進(jìn)行分析，根據(jù)用戶(hù)行為分析的結(jié)果生成矯正向量；經(jīng)矯正處理后，并重新調(diào)整云游戲內(nèi)容在各節(jié)點(diǎn)的部署方案。用戶(hù)行為分析模塊參考了前期關(guān)于大數(shù)據(jù)實(shí)時(shí)計(jì)算框架的研究成果[10]。當(dāng)該款云游戲進(jìn)入游戲生命周期的成熟期（一般是上線(xiàn)6 個(gè)月），將特征向量進(jìn)行固化保存，從而形成云游戲資源分配與調(diào)度的閉環(huán)。除主觀(guān)指標(biāo)打分環(huán)節(jié)外，資源分配過(guò)程支持自動(dòng)化處理。

2.2 內(nèi)容特征向量構(gòu)建

游戲內(nèi)容特征向量基于游戲類(lèi)型、品牌影響力、游玩體驗(yàn)、畫(huà)面質(zhì)量、相似游戲內(nèi)容表現(xiàn)、受眾群體特征等屬性標(biāo)簽構(gòu)建，分為客觀(guān)標(biāo)簽和主觀(guān)標(biāo)簽兩類(lèi)。其中，客觀(guān)標(biāo)簽由系統(tǒng)根據(jù)已配置的數(shù)值自動(dòng)注入，主觀(guān)標(biāo)簽由游戲測(cè)試或運(yùn)營(yíng)人員根據(jù)主管體驗(yàn)評(píng)分。兩類(lèi)屬性標(biāo)簽均為5分滿(mǎn)分、1 分最低。

屬性標(biāo)簽生成完畢后，構(gòu)建游戲特征矩陣：通過(guò)采用單行向量X、Y 分別作為客觀(guān)向量和主觀(guān)向量的表達(dá)式，游戲本身的特征矩陣通過(guò)Z 通過(guò)X、Y 相乘得到，即：

將新游戲特征矩陣Z 與已上線(xiàn)游戲的游戲特征矩陣采用余弦相似度方法進(jìn)行相似度計(jì)算，得出推薦指數(shù)，為后續(xù)的部署和調(diào)度策略提供依據(jù)。根據(jù)最匹配游戲內(nèi)容部署情況，將云游戲內(nèi)容按照設(shè)定比例等方式部署到各個(gè)云資源池節(jié)點(diǎn)的服務(wù)器上，同時(shí)調(diào)整其它已有游戲的部署情況。

2.3 數(shù)據(jù)矯正處理

云游戲內(nèi)容在云游戲服務(wù)平臺(tái)部署上線(xiàn)并提供服務(wù)后，各個(gè)云服務(wù)節(jié)點(diǎn)實(shí)時(shí)采集用戶(hù)使用行為并定期進(jìn)行數(shù)據(jù)分析、上報(bào)，平臺(tái)根據(jù)分析結(jié)果對(duì)先期生成的推薦指數(shù)進(jìn)行矯正，調(diào)整云游戲內(nèi)容在各云資源節(jié)點(diǎn)的部署策略。

具體分為：

步驟1、用戶(hù)行為數(shù)據(jù)采集：各云資源節(jié)點(diǎn)實(shí)時(shí)采集并將采集到的數(shù)據(jù)匯總到中心節(jié)點(diǎn)。具體包括游戲打開(kāi)次數(shù)、使用時(shí)長(zhǎng)、付費(fèi)次數(shù)等運(yùn)營(yíng)相關(guān)數(shù)據(jù)。

步驟2、數(shù)據(jù)解析：中心節(jié)點(diǎn)的大數(shù)據(jù)集群以日為單位對(duì)游戲使用數(shù)據(jù)與用戶(hù)行為數(shù)據(jù)進(jìn)行分析，計(jì)算出某一款特定的云游戲內(nèi)容與同類(lèi)型的游戲內(nèi)容（如游戲品牌、類(lèi)型、畫(huà)面質(zhì)量或其它主管指標(biāo)等）的數(shù)據(jù)偏離度，通過(guò)一定的合理區(qū)間修正，轉(zhuǎn)化成為矯正矩陣M。

其中，X1，Y1的各項(xiàng)數(shù)據(jù)分別與客觀(guān)指標(biāo)向量中和主觀(guān)指標(biāo)向量中的數(shù)據(jù)一一對(duì)應(yīng)。

步驟3、數(shù)據(jù)矯正：將矯正矩陣M 與游戲周期參數(shù)K,與游戲原特征矩陣Z 相乘，得到該游戲內(nèi)容全新特征矩陣N，N=K*Z*M。其中K 是有關(guān)游戲生命周期的經(jīng)驗(yàn)數(shù)值，比如在游戲上線(xiàn)首月，其數(shù)值可以取3～10，次月可取1～5，第三月可取1～3，3 月～6 月可取1～1.5，6 月以上取0.5～1 等。最后將游戲最新的特征矩陣N 進(jìn)行全新相似度計(jì)算，找尋與其的游戲內(nèi)容最匹配的產(chǎn)品，并重新進(jìn)行資源分配。

3 模型應(yīng)用

該模型自2020 年3 月起在某運(yùn)營(yíng)商的全國(guó)性云游戲平臺(tái)（以下簡(jiǎn)稱(chēng)“云游戲平臺(tái)”）進(jìn)行部署與應(yīng)用。該云游戲平臺(tái)定位于運(yùn)營(yíng)商5G 技術(shù)落地的重要應(yīng)用場(chǎng)景，基于全國(guó)性的云資源池建設(shè)云網(wǎng)融合、全面覆蓋的游戲服務(wù)平臺(tái)。自2019 年項(xiàng)目啟動(dòng)以來(lái)，經(jīng)過(guò)兩年開(kāi)發(fā)與優(yōu)化，目前建有16 個(gè)云資源池，可為全國(guó)用戶(hù)提供4k 超高清畫(huà)質(zhì)、端到端時(shí)延低于60 ms 的云游戲服務(wù)。云游戲平臺(tái)在云資源池之間進(jìn)行智能調(diào)度，保障用戶(hù)就近訪(fǎng)問(wèn)、較低時(shí)延接入的同時(shí)實(shí)現(xiàn)云游戲服務(wù)節(jié)點(diǎn)整體業(yè)務(wù)負(fù)載的穩(wěn)定，取得云資源占用與用戶(hù)體驗(yàn)之間的平衡。經(jīng)多次迭代優(yōu)化，取得較好的應(yīng)用效果。

3.1 應(yīng)用平臺(tái)架構(gòu)

云游戲平臺(tái)采用分布式部署架構(gòu)。如圖2 所示，雙中心管理節(jié)點(diǎn)互為主備，將每個(gè)云資源池細(xì)分為數(shù)個(gè)分前端，由中心節(jié)點(diǎn)管理多分前端、每個(gè)分前端下掛多臺(tái)云服務(wù)器，實(shí)現(xiàn)兩級(jí)管理。

圖2 云游戲平臺(tái)拓?fù)鋱D

云游戲平臺(tái)實(shí)行彈性、靈活的部署方案，支持各個(gè)資源池平滑擴(kuò)容。中心節(jié)點(diǎn)管理系統(tǒng)、分前端管理系統(tǒng)、業(yè)務(wù)管理系統(tǒng)及應(yīng)用運(yùn)行平臺(tái)均部署在云端虛擬服務(wù)器。如圖3 所示，游戲應(yīng)用在云端服務(wù)器上進(jìn)行渲染，將游戲運(yùn)行畫(huà)面、聲音編碼后通過(guò)高速網(wǎng)絡(luò)實(shí)時(shí)傳輸至終端側(cè)進(jìn)行解碼展示，用戶(hù)在5G 手機(jī)、機(jī)頂盒或PC 等各類(lèi)終端顯示屏上看到游戲畫(huà)面的同時(shí)進(jìn)行交互操作，終端將用戶(hù)操作信息實(shí)時(shí)傳送給云端服務(wù)器，從而實(shí)現(xiàn)云游戲服務(wù)的交互過(guò)程。

圖3 云游戲平臺(tái)網(wǎng)絡(luò)結(jié)構(gòu)

3.2 應(yīng)用成效

根據(jù)實(shí)際業(yè)務(wù)運(yùn)營(yíng)需要，模型應(yīng)用效果可從一次啟動(dòng)成功率、游戲運(yùn)行卡頓率兩項(xiàng)關(guān)鍵指標(biāo)進(jìn)行對(duì)比。定義如下。

（1）一次啟動(dòng)成功率

rs=gs/ gt

gs：當(dāng)日云游戲一次性拉起成功總次數(shù)（注：不含啟動(dòng)失敗后重新啟動(dòng)成功）；

gt：當(dāng)日所有游戲總啟動(dòng)次數(shù)。

（2）游戲運(yùn)行卡頓率

rl=tl/ tm

tl：當(dāng)日卡頓總時(shí)長(zhǎng)；

tm：當(dāng)日所有游戲運(yùn)行總時(shí)長(zhǎng)。

圖4、5 選取了模型上線(xiàn)前后的連續(xù)8 個(gè)自然日的數(shù)據(jù)對(duì)比。可以看出，經(jīng)過(guò)新型資源分配模型應(yīng)用、調(diào)優(yōu)后，云游戲一次啟動(dòng)成功率從日平均89.9%提升98.71%，游戲運(yùn)行卡頓率從日平均3.83%下降至0.42%，達(dá)到業(yè)界較好的水平。這說(shuō)明在業(yè)務(wù)忙時(shí)云資源池的整體業(yè)務(wù)負(fù)載更為均衡與穩(wěn)定，使得關(guān)鍵業(yè)務(wù)指標(biāo)得到了較明顯的改善。

圖4 模型上線(xiàn)前后云游戲一次啟動(dòng)成功率對(duì)比

圖5 模型上線(xiàn)前后云游戲運(yùn)行卡頓率對(duì)比

與業(yè)界前期常用的游戲內(nèi)容部署和調(diào)度策略相比，新提出的模型將游戲內(nèi)容特性與用戶(hù)使用習(xí)慣進(jìn)行結(jié)合，用于調(diào)度云游戲的資源，具備以下優(yōu)點(diǎn)。

（1）融合用戶(hù)使用習(xí)慣、游戲生命周期和游戲內(nèi)容特性等多維度的智能調(diào)度方法，將游戲運(yùn)營(yíng)過(guò)程中的用戶(hù)行為特征納入到游戲內(nèi)容智能調(diào)度體系中，能夠更加真實(shí)地匹配游戲內(nèi)容的屬性特征和適應(yīng)業(yè)務(wù)實(shí)際運(yùn)行與規(guī)?；l(fā)展的需要；

（2）將實(shí)時(shí)變化的游戲內(nèi)容上線(xiàn)時(shí)長(zhǎng)、用戶(hù)使用情況等采用矯正特征矩陣的方式，動(dòng)態(tài)帶入到游戲內(nèi)容固有矩陣特征中，實(shí)現(xiàn)了針對(duì)游戲內(nèi)容的智能資源調(diào)度，更加節(jié)省云端資源，提升用戶(hù)感知。

4 結(jié)束語(yǔ)

云資源調(diào)度與分配問(wèn)題隨著云游戲業(yè)務(wù)的規(guī)?；瘧?yīng)用日益凸顯。本文提出并實(shí)現(xiàn)了一種融合云游戲內(nèi)容與用戶(hù)行為特征的云游戲資源分配模型，在保證用戶(hù)就近訪(fǎng)問(wèn)的前提下實(shí)現(xiàn)了云資源池整體業(yè)務(wù)負(fù)載的平穩(wěn)。經(jīng)驗(yàn)證，經(jīng)模型優(yōu)化上線(xiàn)后云游戲應(yīng)用平臺(tái)主要指標(biāo)均有較明顯的改善。該模型可為業(yè)界技術(shù)發(fā)展與應(yīng)用實(shí)踐提供參考。