python大數(shù)據(jù)分析游戲行業(yè)中的 Apache Kafka：用例 + 架構(gòu)！

Confluent 為任何 Kafka 部署提供了彈性，無論事件流平臺是在邊緣自行管理還是在云中完全管理。查看“在 Confluent Cloud 中將 Apache Kafka 擴(kuò)展到每秒 10+ GB ”以了解如何在云中自動擴(kuò)展 Kafka。 通過使用自平衡 Kafka、分層存儲和用于 Kubernetes 的 Confluent Operator 等工具，自我管理的 Kafka 變得具有彈性。

游戲遙測：與 Kafka 的實(shí)時分析和數(shù)據(jù)關(guān)聯(lián)

游戲遙測描述了玩家如何玩游戲。玩家信息包括用戶操作（按鈕點(diǎn)擊、射擊、使用物品）或游戲環(huán)境指標(biāo)（任務(wù)、升級）等業(yè)務(wù)邏輯，以及從特定服務(wù)器登錄、IP 地址、位置等技術(shù)信息。

Global Gaming 需要世界各地的代理來保證數(shù)百萬客戶端的區(qū)域延遲。此外，中央分析集群（具有匿名數(shù)據(jù)）關(guān)聯(lián)來自全球的數(shù)據(jù)。以下是使用游戲遙測的一些用例：

• 游戲監(jiān)控
• 玩家在游戲中的進(jìn)展情況以及發(fā)生了什么問題
• 直播操作——調(diào)整玩法 
• 玩家在玩游戲時服務(wù)器端的變化（例如，限時活動，給予獎勵）
• 實(shí)時更新以改進(jìn)游戲或滿足觀眾需求（或換句話說：推薦物品/升級/皮膚/額外的游戲內(nèi)購買）

大多數(shù)用例需要實(shí)時處理大數(shù)據(jù)流：

大魚游戲

Big Fish Games 是利用 Apache Kafka 及其生態(tài)系統(tǒng)進(jìn)行實(shí)時操作的一個很好的例子。他們開發(fā)休閑和中核游戲。150 個國家的智能手機(jī)和電腦上安裝了 25 億個游戲，代表了 450 多個獨(dú)特的手機(jī)游戲和 3,500 多個獨(dú)特的 PC 游戲。

實(shí)時操作使用游戲遙測數(shù)據(jù)的實(shí)時分析。例如，Big Fish Games 通過實(shí)時為游戲內(nèi)購買提供特定于上下文的建議，從而在玩家玩游戲時增加收入。Kafka Streams 用于大規(guī)模實(shí)時連續(xù)數(shù)據(jù)關(guān)聯(lián)。

查看 Kafka 峰會演講“ Big Fish Games 如何開發(fā)實(shí)時分析 ”中的詳細(xì)信息。

貨幣化網(wǎng)絡(luò)

貨幣化網(wǎng)絡(luò)是大多數(shù)游戲公司的基本組成部分。用例包括：

• 游戲內(nèi)廣告
• 微交易和游戲內(nèi)購買：出售皮膚，升級到一個新的水平......
• 游戲基礎(chǔ)設(shè)施即服務(wù)：多平臺和商店集成、匹配、廣告、玩家身份和朋友、交叉游戲、大廳、排行榜、成就、游戲分析等。
• 合作伙伴網(wǎng)絡(luò)：交叉銷售游戲數(shù)據(jù)、游戲SDK、游戲分析等。

貨幣化網(wǎng)絡(luò)如下所示：

統(tǒng)一廣告

Unity 就是一個很好的例子。2019 年，內(nèi)容安裝量達(dá)到 330 億次，達(dá)到全球 30 億臺設(shè)備。公司提供實(shí)時3D開發(fā)平臺。 

Unity 運(yùn)營著世界上最大的貨幣化網(wǎng)絡(luò)之一：

• 獎勵觀看廣告的玩家
• 加入橫幅廣告
• 加入增強(qiáng)現(xiàn)實(shí) (AR) 廣告
• 可玩廣告
• 交叉促銷

Unity 是一家數(shù)據(jù)驅(qū)動型公司：

• 平均每秒大約 50 萬個事件
• 處理數(shù)百萬美元的貨幣交易
• 基于 Confluent Platform、Confluent Cloud 和 Apache Kafka 的數(shù)據(jù)基礎(chǔ)設(shè)施

單個數(shù)據(jù)管道為分析、研發(fā)、貨幣化、云服務(wù)等提供了基礎(chǔ)架構(gòu)，以利用 Apache Kafka 進(jìn)行實(shí)時和批處理：

• 實(shí)時貨幣化網(wǎng)絡(luò)
• 實(shí)時提供機(jī)器學(xué)習(xí)模型
• 數(shù)據(jù)湖從兩天的延遲縮短到 15 分鐘

如果您想了解他們將該平臺從自我管理的 Kafka 遷移到完全管理的 Confluent Cloud 的成功故事，請閱讀 Unity 在 Confluent 博客上的帖子：“ Unity 如何使用 Confluent 大規(guī)模實(shí)時事件流”。

游戲內(nèi)和跨平臺聊天功能

在當(dāng)今世界，構(gòu)建聊天平臺并非易事。聊天意味著發(fā)送文本、游戲內(nèi)截圖、游戲內(nèi)物品和其他東西。必須實(shí)時處理數(shù)百萬個事件。跨平臺聊天平臺需要支持各種技術(shù)、編程語言和通信范式，例如實(shí)時、批處理、請求-響應(yīng)：

Kafka 的特性使其成為聊天平臺的完美基礎(chǔ)架構(gòu)，因?yàn)樗哂懈呖蓴U(kuò)展性、實(shí)時處理和真正解耦，包括背壓處理。

支付引擎

支付基礎(chǔ)設(shè)施需要實(shí)時、可擴(kuò)展、可靠且與技術(shù)無關(guān)。無論您的解決方案是為游戲、博彩、娛樂場、3D 游戲引擎、視頻流還是任何其他第三方服務(wù)而構(gòu)建。

游戲行業(yè)的大多數(shù)支付引擎都建立在 Apache Kafka 之上。其中許多公司提供有關(guān)其實(shí)時博彩基礎(chǔ)設(shè)施的公開信息。這是架構(gòu)的一個示例：

一個示例用例是在現(xiàn)場投注中實(shí)施投注延遲和批準(zhǔn)系統(tǒng)。需要有狀態(tài)的流分析來提高利潤： 

Kafka 原生技術(shù)，如 Kafka Streams 或 ksqlDB，可以直接實(shí)現(xiàn)這些場景。

William Hill：安全可靠的實(shí)時微服務(wù)架構(gòu)

William Hill 從單體架構(gòu)轉(zhuǎn)變?yōu)殪`活、可擴(kuò)展的微服務(wù)架構(gòu) ：

• Kafka 作為中央、可靠的流媒體基礎(chǔ)設(shè)施
• Kafka 用于數(shù)據(jù)的消息傳遞、存儲、緩存和處理
• 獨(dú)立解耦的微服務(wù)
• 解耦和可重放性
• 技術(shù)獨(dú)立
• 高吞吐量+低延遲+實(shí)時

William Hill 的交易平臺利用 Kafka 作為所有事件和交易的核心：

• 實(shí)時“流程到流程”執(zhí)行
• 與實(shí)時機(jī)器學(xué)習(xí)的分析模型集成
• 各種數(shù)據(jù)源和數(shù)據(jù)接收器（實(shí)時、批處理、請求-響應(yīng)）

博彩公司業(yè)務(wù)等同于銀行業(yè)務(wù)（包括傳統(tǒng)中間件和大型機(jī)）

不是每個人都可以從綠地開始。遺留中間件和大型機(jī)的集成、卸載和替換是一個常見的場景。

博彩通常是一個受監(jiān)管的市場。PII 數(shù)據(jù)通常在區(qū)域數(shù)據(jù)中心內(nèi)部處理。非 PII 數(shù)據(jù)可以卸載到云中進(jìn)行分析。

大型機(jī)等傳統(tǒng)技術(shù)是一個關(guān)鍵的成本因素，單一且不靈活。我在另一篇文章中詳細(xì)介紹了 Kafka 和大型機(jī)之間的關(guān)系 。

這是關(guān)于Kafka 與傳統(tǒng)中間件（MQ、ETL、EBS） 的故事。

用于保留、合規(guī)性和客戶體驗(yàn)的流分析

數(shù)據(jù)質(zhì)量對于法律合規(guī)性和負(fù)責(zé)任的游戲合規(guī)性至關(guān)重要。客戶保留對于保持參與度和收入增長至關(guān)重要。

這種環(huán)境中存在大量實(shí)時流分析用例。Kafka 原生框架（如 Kafka Streams 或 ksqlDB）可以為可靠且可擴(kuò)展的解決方案提供基礎(chǔ)的一些示例是：

• 球員連續(xù)輸/輸
• 球員轉(zhuǎn)化——從注冊到工資（在 x 分鐘內(nèi)）
• 玩家的游戲成就
• 欺詐檢測——例如，支付窗口
• 每個玩家數(shù)天/數(shù)月的長時間運(yùn)行窗口
• 錦標(biāo)賽
• 用額外的免費(fèi)積分獎勵不滿意的玩家
• 向監(jiān)管機(jī)構(gòu)報(bào)告——以有保證的順序重播舊事件
• 地理定位以啟用功能、限制或傭金

流處理也與許多其他用例相關(guān)，包括欺詐檢測，您將在下一節(jié)中看到。

Kafka 游戲中的欺詐檢測

用于檢測異常的實(shí)時分析是任何支付基礎(chǔ)設(shè)施中的普遍場景。在游戲中，存在兩種不同類型的欺詐：

• 作弊：假賬戶、機(jī)器人等。
• 金融欺詐：比賽造假、信用卡被盜等。

以下是使用 Kafka、其生態(tài)系統(tǒng)和機(jī)器學(xué)習(xí)對欺詐檢測進(jìn)行流式分析的示例：

下面是一個使用 Jupyter notebooks 和 Python 檢測金融欺詐和作弊的示例，以分析使用 ksqlDB 預(yù)處理的數(shù)據(jù)：

客戶 360：推薦、忠誠度系統(tǒng)、社會融合

Customer 360 對于實(shí)時和特定于上下文的獲取、參與和保留至關(guān)重要。用例包括：

• 實(shí)時事件流
  • 游戲事件觸發(fā)
  • 個性化的統(tǒng)計(jì)數(shù)據(jù)和賠率
  • 玩家細(xì)分
  • 戰(zhàn)役編排（“玩家旅程”）
• 忠誠度系統(tǒng)
  • 獎勵（例如，升級、獨(dú)家游戲內(nèi)容、公告事件的測試密鑰）
  • 避免客戶流失
  • 交叉銷售
• 社交網(wǎng)絡(luò)整合
  • Twitter、Facebook 和其他社交媒體網(wǎng)站 
  • 示例：Candy Crush（我猜每個 Facebook 用戶都看過這款游戲的廣告）
• 合作伙伴整合
  • API 管理

以下架構(gòu)描述了客戶 360 解決方案的各種內(nèi)部和外部組件之間的關(guān)系：

Sky Betting 和 Gaming 的 Customer 360

Sky Betting and Gaming使用 Kafka 的生態(tài)系統(tǒng)為客戶 360 用例構(gòu)建了實(shí)時流媒體架構(gòu) 。

在討論他們?yōu)槭裁催x擇 Kafka 原生框架（如 Kafka Streams）而不是 Hadoop、Spark、Storm 等技術(shù)動物園時，Kaerast 表示：

“我們的大部分流數(shù)據(jù)都是 Kafka 集群上的主題形式。這意味著我們可以使用圍繞 Kafka 設(shè)計(jì)的工具，而不是帶有 Kafka 插件/連接器的通用流解決方案。

“Kafka 本身是一個快速移動的目標(biāo)，客戶端庫不斷更新；等待這些新庫包含在 Hadoop 的企業(yè)發(fā)行版或任何現(xiàn)成的工具中并不是一個真正的選擇。最后，我們第一個中的數(shù)據(jù)用例是用戶生成的，需要盡快呈現(xiàn)給用戶?！?/font>