【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:https://aix.vdianw.net/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
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

专家级机器学习工具推荐,快来get专家同款!

如今,大量的机器学习工具、平台和软件不断涌现,面对纷繁复杂的工具,难免会挑花了眼。本文将介绍专家们最常用的15个机器学习工具,不如来get专家同款工具吧!

读芯术 ·  23h前
AI将重新定义应用程序及支持应用程序/基础结构的管理模式

智能运维平台运用AI及ML技术,从监测数据中获取洞见,通过强化人工决策推进自动化解决方案。

读芯术 ·  2天前
新AI算法能监测全球海洋塑料垃圾

英国《科学报告》杂志23日发表的一项环境学研究,英国人工智能团队报告了一种能检测海洋环境中大塑料(大于5毫米)漂浮垃圾带的新方法。研究人员利用欧洲空间局“哨兵2”号卫星数据,训练机器学习算法将塑料从其他材料中区分出来,平均准确率达86%,局部区域最高达到了100%。

张梦然 ·  2天前
YOLO项目复活!大神接过衣钵,YOLO之父隐退2月后,v4版正式发布

好消息!在YOLO之父忽然宣布退出CV学术界2个月后,有人接过了他的大旗。

边策 鱼羊 ·  2天前
波士顿动力送狗抗疫:头顶iPad,背装对讲机,性价比真的OK吗?

最新消息,波士顿动力狗Spot:已入职医院,为抗击新冠服役。波士顿动力表示,新冠病毒大流行之后,他们经常被医院问到,机器人能否帮助医护人员减少接触新冠病毒的风险。

鱼羊 ·  2天前
如何加快疫苗生产?答案在技术领域而非医学领域

深度学习推动了语音识别、图像检测、面部识别甚至药物研发等创新技术的发展。在加快COVID-19有效疫苗的研发进程方面,深度学习依然扮演者重要角色。

读芯术 ·  2天前
疫情肆虐,AI如何抗击二战以来最严重的的全球危机?

新冠疫情可能是二战以来最严重的全球危机了,它已经给全世界造成了极大的破坏。而不同历史上的抗疫,这一次,科技手段成为对抗疫情的中坚力量,其中也包括AI,人工智能技术在此次疫情中展现出了全新的价值。

读芯术 ·  2天前
Science子刊:人脑存在加速学习机制,算力赛过最新AI算法

机器学习虽然受人脑启发,但实验神经科学和ML两个学科已经70年没有沟通。以色列交叉学科团队发现,人脑存在加速学习适应机制,新机制人工神经网络计算能力远超最新AI算法。

佚名 ·  2天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载