CN111991804A - 基于动态规划算法的打包方法及系统 - Google Patents

Abstract

本发明公开了一种基于动态规划算法的打包方法及系统，涉及计算机游戏技术，用于实现：通过对资源加载调用次数的统计分析，使用多份输入重组并合理分配去重的方法，生成打包规则，使打包后的AB包更加合理，减少内存中加载的资源数量，降低内存使用，提高游戏体验。本发明的有益效果为：使打包后的AB包更加合理，减少内存中加载的资源数量，降低内存使用，符合用户习惯，提高游戏体验。

Description

基于动态规划算法的打包方法及系统

技术领域

本发明涉及计算机游戏技术，特别涉及一种基于动态规划算法的打包方法及系统。

背景技术

目前的Unity打AB包时，一般是有以下几种方案：

1.按照资源的依赖来分包；

2.按照资源文件夹分包；

3.按照资源类型来分包。

按照以上的1种或多种组合形式打出来的AB包，由于unity加载的单位是AB包，那么如果分包不合理，会导致加载在内存中的资源并没有被使用，从而造成浪费，使内存虚高，也有可能会基于内存的限制造成频繁的加载和卸载AB包，从而使帧率下降，降低玩家体验。

发明内容

为至少解决现有技术中存在的技术问题之一，本发明的目的在于提供一种基于动态规划算法的打包方法及系统，通过对资源加载调用次数的统计分析，使用多份输入重组并合理分配去重的方法，生成打包规则，使打包后的AB包更加合理，减少内存中加载的资源数量，降低内存使用，提高游戏体验。

本发明解决其问题所采用的技术方案第一方面是：一种基于动态规划算法的打包方法，其特征在于，包括以下步骤：S10、监测游戏资源调用接口，获取资源调用信息；S20、客户端以IP地址为标识将所述资源调用信息上传到服务器录入日志；S30、按一定周期分析所述日志中记录的资源调用信息，根据所述IP地址进行分组；S40、整理各个所述分组，基于各个资源的加载调用次数生成对应的数据集；S50、遍历所述数据集，得到资源打包规则表并基于所述资源打包规则表对游戏资源进行重打包。

有益效果：使打包后的AB包更加合理，减少内存中加载的资源数量，降低内存使用，符合用户习惯，提高游戏体验。

根据本发明第一方面所述的，S30还包括：S31、在一定周期内对上传的所述日志进行预处理，得到处理后的资源调用信息；S32、根据所述资源调用信息获取各个IP地址对应的加载资源以及加载次数。

根据本发明第一方面所述的，S40还包括：统计各个资源的加载时间和卸载时间；根据所述加载时间和所述卸载时间，基于聚类算法进行处理，得到所述各个资源对应的聚类数量。

根据本发明第一方面所述的，S40还包括：设置预设可变量I，根据各个资源计算聚类数量，得到对应的聚类结果：聚类数量＝数据行数/I；基于所述聚类结果生成对应的第一字典和第二字典；将所述第一字典和第二字典作为对应的第一数据集和第二数据集。

根据本发明第一方面所述的打包方法，所述第一字典以资源名作为索引，包括资源对应的标签信息；所述第二字典一聚类标签作为索引，包括标签对应的资源。

根据本发明第一方面所述的，S40还包括：S41、遍历所述数据集，逐一对所述资源加载时同时进行加载的一定数量的其他资源进行统计，得到子数据集，其中一定数量可自定义；计算所述子数据集中各个资源的使用率的中位数，得到结果数据集。

根据本发明第一方面所述的，S50还包括：遍历结果数据集，将存在冲突的数据按照替换规则进行替换。

根据本发明第一方面所述的，S50还包括：基于所述计算结果，补入各个周期对应数据的计算结果，生成使用效率表，基于所述使用效率表生成打包规则。

本发明解决其问题所采用的技术方案第二方面是：一种基于动态规划算法的打包系统，其特征在于，包括：监测模块，用于监测游戏资源调用接口，获取资源调用信息；上传模块，用于将所述资源调用信息以IP地址为标识将所述资源调用信息上传到服务器录入日志；分组模块，用于按一定周期分析所述日志中记录的资源调用信息，根据所述IP地址进行分组；分析模块，用于整理各个所述分组，基于各个资源的加载调用次数生成对应的数据集；打包模块，用于遍历所述数据集，得到资源打包规则表并基于所述资源打包规则表对游戏资源进行重打包。

有益效果：使打包后的AB包更加合理，减少内存中加载的资源数量，降低内存使用，符合用户习惯，提高游戏体验。

附图说明

图1是根据本发明实施例的方法流程示意图；

图2是根据本发明实施例的系统结构示意图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。

术语解释：

资源大小使用率：每一秒加载的资源在硬盘中的大小总和，除以当前加载的所有bundle包内包含的全部资源在硬盘中的大小总和

资源数量使用率：每一秒加载的资源总数量，除以当前加载的所有bundle包内包含的全部资源的总数量。

参照图1是根据本发明实施例的方法流程示意图，包括以下步骤：

S10、监测游戏资源调用接口，获取资源调用信息；

S20、客户端以IP地址为标识将资源调用信息上传到服务器录入日志；

S30、按一定周期分析日志中记录的资源调用信息，根据IP地址进行分组；

S40、整理各个分组，基于各个资源的加载调用次数生成对应的数据集；

S50、遍历数据集，得到资源打包规则表并基于资源打包规则表对游戏资源进行重打包。

S30还包括：

S31、在一定周期内对上传的日志进行预处理，得到处理后的资源调用信息；

S32、根据资源调用信息获取各个IP地址对应的加载资源以及加载次数。

S40还包括：

统计各个资源的加载时间和卸载时间；

根据加载时间和卸载时间，基于聚类算法进行处理，得到各个资源对应的聚类数量。

S40还包括：

设置预设可变量I，根据各个资源计算聚类数量，得到对应的聚类结果：

聚类数量＝数据行数/I；

基于聚类结果生成对应的第一字典和第二字典；

将第一字典和第二字典作为对应的第一数据集和第二数据集。

第一字典以资源名作为索引，包括资源对应的标签信息；

第二字典一聚类标签作为索引，包括标签对应的资源。

S40还包括：

S41、遍历数据集，逐一对资源加载时同时进行加载的一定数量的其他资源进行统计，得到子数据集，其中一定数量可自定义；

计算子数据集中各个资源的使用率的中位数，得到结果数据集。

S50还包括：

遍历结果数据集，将存在冲突的数据按照替换规则进行替换。

S50还包括：

基于计算结果，补入各个周期对应数据的计算结果，生成使用效率表，基于使用效率表生成打包规则。

参照图2是根据本发明实施例的系统结构示意图，包括：

监测模块，用于监测游戏资源调用接口，获取资源调用信息；

上传模块，用于将资源调用信息以IP地址为标识将资源调用信息上传到服务器录入日志；

分组模块，用于按一定周期分析日志中记录的资源调用信息，根据IP地址进行分组；

分析模块，用于整理各个分组，基于各个资源的加载调用次数生成对应的数据集；

打包模块，用于遍历数据集，得到资源打包规则表并基于资源打包规则表对游戏资源进行重打包。

技术流程如下：

第一步：使用注入技术，将监控程序注入到目标手游，用于收集信息；

第二步：注入的程序会在游戏内加载资源和卸载资源的相关接口调用时，同时将资源加载/卸载资源的信息发送给服务端写入日志；

第三步：每一次有客户端打开游戏游玩，后台会收集资源的加载和卸载信息；

第四步：每隔一段时间(例如一天)，分析服务端收集到的资源加载/卸载时间表，将这段时间(今天)内收集到的多份数据(由于数据以手机/pc端的IP地址为单位，因此数据量取决于每天进行游玩的客户端数量*游玩时间)进行预处理，使上传时间统一减去起始时间得到一个游戏相对时间(秒数)；

第五步：对每天得到N份输入进行处理：对每一份输入，设资源的加载时间为X，卸载时间为Y，用(X,Y)的二维向量应用kmeans聚类算法(聚类的数量取决于输入的数据量，每一份输入均不同。例如，每份输入的聚类数量＝(数据行数/I)，I是一个可变量，对于不同的项目可以不同。I默认为50)，得到N·个聚类结果。每个聚类结果作为两个字典数据，一个字典A(索引为资源名，键值为一个数组，用来表示该资源在这个输入内的所有标签)和一个字典B(索引为聚类标签，键值为一个数组，用来表示该标签下的所有资源)。这样就一共得到了N个字典A，我们设为数据集α；以及N个字典B，设为数据集β。

第六步：对于项目中的每一个资源，可以在所有输入中收集到该资源被加载的次数，成为一个字典数据集X(索引为资源名，键值为资源被加载的次数)，并且按键值排序。

第七步：对X中的数据循环，寻找跟这些资源一起出现次数最多的M个资源(M可变)。这样我们就得到了一个X的子集Y。将这些资源计算使用率的中位数，写入结果集Z。

第八步：重复第七步的步骤，若结果有冲突，比较使用率的中位数，视情况替换。直到所有出现在输入中的资源全都计算完毕，得到一个完整的结果集Z。

第九步：使用第八步中的结果集Z，并且补充上所有项目中已有的，但是未出现在当天资源收集中的资源(对于未出现的资源，按照扩展名随机打包即可)，当成打包规则，则可以得出一个更优的打包方式，提高资源使用率，降低游戏内存占用。

1.得到客户端的全部输入，我们设为I1、I2、I3、I4…IN。对这些输入，按照时间线遍历，求得所有资源的生命周期(加载、卸载时间)。取所有资源的加载时间和卸载时间对，使用K均值算法聚类，每个输入会得到两个字典，以资源名为索引，以聚类标签数组为键值的字典asset_label_dict以及以聚类标签为索引，资源名数组为键值的字典

label_asset_dict。共计2N个字典，保存到内存(由于一份输入中asset可能会多次加载卸载，因此一个asset在一份输入中可能会有若干个label，因此asset_label_dict的键值是一个数组。label_asset_dict由于同一个标签在大多数情况也有若干个资源，因此键值也是数组)。

2.遍历全部asset_label_dict，统计所有资源出现的次数，保存到字典

asset_count_dict中，并按出现次数排序。(例如，A1资源在I1中被聚类贴上了3个标签，在I2中被聚类贴上了5个标签，但是并未出现在其他的输入中，则A1的键值为3+5＝8)

3.对按键值排序后的asset_count_dict循环，取出当前出现次数最多的一个资源Ax。然后遍历全部label_asset_dict，拿到跟Ax拥有同一标签的全部n个资源，计为X1，X2，X3……Xn。并记录下这些资源跟Ax拥有同一标签的次数，成为一个以资源名为索引，同一标签次数为键值的字典2Xpolynomial_dict。将2Xpolynomial_dict字典按照键值排序，取前M个资源(M可变，本例中为50)，并计算出这50个资源作为同一个bundle包在每份输入中的使用率，记为R1、R2、R3…RN。求出一个中位数R。创建一个以资源名为索引，键值为R的字典result_usage_ratio_dict。同时创建一个以资源名为索引，bundleid为键值的字典result_asset_bundle_dict，以及以bundleid为索引，资源集合为键值的字典result_bundle_asset_dict。bundleid初始为0，每轮自增1。

4.继续该循环，取出Ax后面一个资源Ax+1。遍历全部label_asset_dict，拿到跟Ax+1拥有同一标签的全部n个资源，计为Y1，Y2，Y3……Yn。并记录下这些资源跟Ax+1拥有同一标签的次数，成为一个以资源名为索引，同一标签次数为键值的字典2Ypolynomial_dict。将2Ypolynomial_dict字典按照键值排序，取前M个资源(M可变，本例中为50)，并计算出这50个资源作为同一个bundle包在每份输入中的使用率，记为R1、R2、R3…RN。求出一个中位数R。对于这M个资源，查看是否有资源已经出现在result_usage_ratio_dict中。若存在，比较R与键值的大小。若R大于该键值，则将result_usage_ratio_dict中该资源的键值替换为R，并且将result_asset_bundle_dict中的该资源的bundleid ID1记录，并替换为当前bundleid ID2。同时在result_bundle_asset_dict中，将被替换的ID1为索引的键值集合中，去掉该资源。

5.重复步骤3和4，直到循环完毕。循环读取result_bundle_asset_dict中的键，将所有键值集合资源数少于N的索引从result_bundle_asset_dict中去掉(N可变，本例中N取10)，并将这些资源作为键值，bundleid作为索引，创建一个

toberanged_asset_bundle_dict。

6.对toberanged_asset_bundle_dict进行循环，将这些bundle包合并组合成为资源数量大于N，小于M的bundle包。将结果写入result_bundle_asset_dict。

7.将本项目中已有资源但是并未出现在当天输入中的资源，按扩展名随机打包。最终的结果一并存入result_bundle_asset_dict。

8.将result_dict结果用于指导打ab包。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。

计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (9)

1.一种基于动态规划算法的打包方法，其特征在于，包括以下步骤：

S10、监测游戏资源调用接口，获取资源调用信息；

S20、客户端以IP地址为标识将所述资源调用信息上传到服务器录入日志；

S30、按一定周期分析所述日志中记录的资源调用信息，根据所述IP地址进行分组；

S40、整理各个所述分组，基于各个资源的加载调用次数生成对应的数据集；

S50、遍历所述数据集，得到资源打包规则表并基于所述资源打包规则表对游戏资源进行重打包。

2.根据权利要求1所述基于动态规划算法的打包方法，其特征在于，所述S30还包括：

S31、在一定周期内对上传的所述日志进行预处理，得到处理后的资源调用信息；

S32、根据所述资源调用信息获取各个IP地址对应的加载资源以及加载次数。

3.根据权利要求1所述的基于动态规划算法的打包方法，其特征在于，所述S40还包括：

统计各个资源的加载时间和卸载时间；

根据所述加载时间和所述卸载时间，基于聚类算法进行处理，得到所述各个资源对应的聚类数量。

4.根据权利要求1所述的基于动态规划算法的打包方法，其特征在于，所述S40还包括：

设置预设可变量I，根据各个资源计算聚类数量，得到对应的聚类结果：

聚类数量＝数据行数/I；

基于所述聚类结果生成对应的第一字典和第二字典；

将所述第一字典和第二字典作为对应的第一数据集和第二数据集。

5.根据权利要求4所述的基于动态规划算法的打包方法，其特征在于：

所述第一字典以资源名作为索引，包括资源对应的标签信息；

所述第二字典一聚类标签作为索引，包括标签对应的资源。

6.根据权利要求4所述的基于动态规划算法的打包方法，其特征在于，所述S40还包括：

S41、遍历所述数据集，逐一对所述资源加载时同时进行加载的一定数量的其他资源进行统计，得到子数据集，其中一定数量可自定义；

计算所述子数据集中各个资源的使用率的中位数，得到结果数据集。

7.根据权利要求6所述的基于动态规划算法的打包方法，其特征在于，所述S50还包括：

遍历结果数据集，将存在冲突的数据按照替换规则进行替换。

8.根据权利要求7所述的基于动态规划算法的打包方法，其特征在于，所述S50还包括：

基于所述计算结果，补入各个周期对应数据的计算结果，生成使用效率表，基于所述使用效率表生成打包规则。

9.一种基于动态规划算法的打包系统，其特征在于，包括：

监测模块，用于监测游戏资源调用接口，获取资源调用信息；

上传模块，用于将所述资源调用信息以IP地址为标识将所述资源调用信息上传到服务器录入日志；

分组模块，用于按一定周期分析所述日志中记录的资源调用信息，根据所述IP地址进行分组；

分析模块，用于整理各个所述分组，基于各个资源的加载调用次数生成对应的数据集；

打包模块，用于遍历所述数据集，得到资源打包规则表并基于所述资源打包规则表对游戏资源进行重打包。

Images