CN112463394A - 基于大数据和云计算的数据筛选方法及云服务器 - Google Patents

基于大数据和云计算的数据筛选方法及云服务器 Download PDF

Info

Publication number
CN112463394A
CN112463394A CN202011494058.8A CN202011494058A CN112463394A CN 112463394 A CN112463394 A CN 112463394A CN 202011494058 A CN202011494058 A CN 202011494058A CN 112463394 A CN112463394 A CN 112463394A
Authority
CN
China
Prior art keywords
data
game
interactive
information
interaction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202011494058.8A
Other languages
English (en)
Inventor
王万金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202011494058.8A priority Critical patent/CN112463394A/zh
Publication of CN112463394A publication Critical patent/CN112463394A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/30—Interconnection arrangements between game servers and game devices; Interconnection arrangements between game devices; Interconnection arrangements between game servers
    • A63F13/35—Details of game servers
    • A63F13/352—Details of game servers involving special game server arrangements, e.g. regional servers connected to a national server or a plurality of servers managing partitions of the game world
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/77—Game security or game management aspects involving data related to game devices or game servers, e.g. configuration data, software version or amount of memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5022—Mechanisms to release resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5072—Grid computing
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
    • A63F2300/53—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers details of basic data processing
    • A63F2300/531—Server assignment
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
    • A63F2300/55—Details of game data or player data management
    • A63F2300/5526—Game data structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明的基于大数据和云计算的数据筛选方法及云服务器，能够在云服务器可能出现内存不足的情况下获取游戏客户端操作数据以及云服务器交互数据并确定出游戏数据筛选信息和游戏数据关联信息。可以对云服务器交互数据进行数据筛选处理。而删除的至少部分云服务器交互数据为云服务交互数据中的错误数据、重复数据和流程性数据，这些数据不仅对游戏运行交互几乎产生不了影响，还会占用云服务器的数据存储空间，降低云服务器的运行速率。通过对这些无用交互数据进行删除，能够在不影响云服务器和游戏客户端正常运行的前提下释放云服务器的数据存储空间，提高游戏的运行效率，避免游戏运行时出现的卡顿和延迟，确保游戏玩家具有较高的游戏体验度。

Description

基于大数据和云计算的数据筛选方法及云服务器
技术领域
本申请涉及大数据和云计算技术领域，具体而言，涉及一种基于大数据和云计算的数据筛选方法及云服务器。
背景技术
在线网络游戏（Online Game）是指以互联网为传输媒介，以游戏运营商服务器和用户计算机为处理终端，以游戏客户端软件为信息交互窗口的旨在实现娱乐、休闲、交流和取得虚拟成就的具有可持续性的个体性多人在线游戏。随着游戏技术的不断开发和成熟，现如今的在线网络游戏的游戏功能更加完善，例如在游戏画面的拟真度、游戏操作的顺畅度上都进行了优化，但随之而来的问题是游戏运行过程中的卡顿和延迟。
发明内容
首先，提供基于大数据和云计算的数据筛选方法，应用于云服务器，所述云服务器与游戏客户端通信，所述方法包括：检测目标内存资源是否满足设定条件；其中，所述目标内存资源为所述云服务器的内存资源；在检测到所述目标内存资源满足所述设定条件的情况下，获取游戏客户端操作数据，并获取云服务器交互数据；根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据筛选信息；根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据关联信息；根据所述游戏数据筛选信息、所述游戏数据关联信息，对所述云服务器交互数据进行数据筛选处理，得到交互数据筛选结果；基于所述交互数据筛选结果删除至少部分所述云服务器交互数据。
其次，提供云服务器，包括基于大数据和云计算的数据筛选装置，所述装置在运行时实现上述的方法。
然后，提供云服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行上述的方法。
最后，提供计算机可读信号介质，其上存储有计算机程序，所述计算机程序在运行是实现上述的方法。
相较于现有技术，本发明实施例提供的基于大数据和云计算的数据筛选方法及云服务器具有以下技术效果：能够预先针对目标内存资源配置设定条件，从而在云服务器可能出现内存不足的情况下获取游戏客户端操作数据以及云服务器交互数据，这样可以进一步确定出游戏数据筛选信息和游戏数据关联信息。其中，游戏数据筛选信息可以用于提供不同云服务器交互数据的筛选依据和筛选方式，游戏数据关联信息可以确保后续筛选时考虑到数据之间的关联性从而避免删除部分数据之后导致的游戏运行异常。如此，可以根据游戏数据筛选信息以及游戏数据关联信息对云服务器交互数据进行数据筛选处理，并根据数据筛选结果删除至少部分云服务器交互数据。
进一步地，删除的至少部分云服务器交互数据为云服务交互数据中的错误数据、重复数据和流程性数据，这些数据不仅对游戏运行交互几乎产生不了影响，还会占用云服务器的数据存储空间，降低云服务器的运行速率。通过对这些无用交互数据进行删除，能够在不影响云服务器和游戏客户端正常运行的前提下释放云服务器的数据存储空间，从而提高游戏的运行效率，避免游戏运行时出现的卡顿和延迟，进而确保游戏玩家具有较高的游戏体验度。
在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。
图1是根据本发明的一些实施例所示的一种示例性基于大数据和云计算的数据筛选系统的框图。
图2是根据本发明的一些实施例所示的一种示例性云服务器中硬件和软件组成的示意图。
图3是根据本发明的一些实施例所示的一种示例性基于大数据和云计算的数据筛选方法和/或过程的流程图。
图4是根据本发明的一些实施例所示的一种示例性基于大数据和云计算的数据筛选装置的框图。
具体实施方式
针对背景技术所述的技术问题，发明人对常见的网络游戏的数据处理技术进行了研究和分析后发现，常见的针对网络游戏的数据处理技术存在“数据超载”的现象。进一步地，发明人还发现以往的游戏画面和游戏操作所对应的游戏数据规模相对较小，因此以往的游戏服务器能够将所有与游戏运行相关的数据进行统一存储，即使统一存储，仍然能够保证游戏服务器有足够的内存空间，进而不会影响到游戏的顺畅运行。
然而，随着现在游戏画面的精细化以及游戏操作的多样化，在游戏运行过程中产生的相关运行数据的规模急剧增大，这会极大地占用游戏服务器的内存空间，在一些情况下可能会完全占据游戏服务器的内存空间，造成“数据超载”的现象。在这种情况下，游戏服务器难以腾出多余的内存空间来处理后续的游戏运行数据，这样，反应到客户端层面便会出现游戏运行卡顿和延迟，从而极大地影响游戏用户的游戏体验感。
因此，发明人在经过上述研究和分析后，创新性地提出了一种基于大数据和云计算的数据筛选方法及云服务器，通过对云服务器的数据处理方式进行改进，使得云服务器能够对云服务器交互数据进行选择性删除，从而释放对应的内存资源来处理后续的游戏运行数据，这样能够避免云服务器的内存资源不足而导致的游戏运行卡顿和延迟。
可以理解，上述基于大数据和云计算的数据筛选方法及云服务器不仅可以应用于网络游戏，还可以应用于其他领域，例如区块链金融、化妆品生产、智慧城市管理、工业自动化、智慧园区调度、智能医疗辅助、远程在线教育、远程在线办公、物联网协作运行以及边缘计算处理等。应当理解，当应用于上述技术领域时，对应的数据类型可以进行适应性调整，在此不作更多说明。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本发明。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本发明的方面。
这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本发明的范围。应当知晓的是，这些附图并不依照比例。
本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
图1是根据本发明的一些实施例所示的一种示例性基于大数据和云计算的数据筛选系统300的框图，基于大数据和云计算的数据筛选系统300可以包括云服务器100和游戏客户端200。
在一些实施例中，如图2所示，云服务器100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(Central ProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public Telephone SwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
存储器130可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
可以理解，图2所示的结构仅为示意，云服务器100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
图3是根据本发明的一些实施例所示的一种示例性基于大数据和云计算的数据筛选方法和/或过程的流程图，基于大数据和云计算的数据筛选方法应用于图1中的云服务器100，具体可以包括以下步骤S11-步骤S14。
步骤S11，检测目标内存资源是否满足设定条件。
例如，目标内存资源为所述云服务器的内存资源，内存资源可以是数据存储空间的资源，内存资源可以理解为数据存储空间的大小。设定条件可以是云服务器的数据存储空间的已使用空间百分比达到某个百分比阈值。例如，百分比阈值可以是80%，在这一前提下，若检测到已使用空间百分比达到80%时，可以表示云服务器的内存资源可能会出现内存不足的情况，在这个情况下可能需要进行数据筛选和删除。
步骤S12，在检测到所述目标内存资源满足所述设定条件的情况下，获取游戏客户端操作数据，并获取云服务器交互数据。
例如，游戏客户端操作数据用于记录游戏玩家在游戏客户端上面的一系列游戏操作，云服务器交互数据可以用于表征云服务器与游戏客户端之间的交互数据，例如云服务器与游戏客户端，或者不同游戏客户端之间的交互数据。可以理解，游戏客户端操作数据和云服务器交互数据均存储在云服务器对应的数据存储空间内。
步骤S13，根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据筛选信息；根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据关联信息。
例如，游戏数据筛选信息用于提供不同云服务器交互数据的筛选依据和筛选方式。其中，筛选依据和筛选方式还可以结合游戏客户端和云服务器之间交互反馈进行确定，在此不作限定。游戏数据关联信息可以用于表征不同的云服务器交互数据之间的关联性。
步骤S14，根据所述游戏数据筛选信息、所述游戏数据关联信息，对所述云服务器交互数据进行数据筛选处理，得到交互数据筛选结果；基于所述交互数据筛选结果删除至少部分所述云服务器交互数据。
例如，交互数据筛选结果中记载了对无用交互数据的删除指示信息，无用交互数据为所述云服务交互数据中的错误数据、重复数据和流程性数据，这些数据不仅对游戏运行交互几乎产生不了影响，还会占用云服务器的数据存储空间，降低云服务器的运行速率。通过删除无用交互数据，能够提高游戏在正常运行时的速率，减少延迟或卡顿，提高游戏用户的体验。
综上，通过上述步骤S11-步骤S14，能够预先针对目标内存资源配置设定条件，从而在云服务器可能出现内存不足的情况下获取游戏客户端操作数据以及云服务器交互数据，这样可以进一步确定出游戏数据筛选信息和游戏数据关联信息。其中，游戏数据筛选信息可以用于提供不同云服务器交互数据的筛选依据和筛选方式，游戏数据关联信息可以确保后续筛选时考虑到数据之间的关联性从而避免删除部分数据之后导致的游戏运行异常。如此，可以根据游戏数据筛选信息以及游戏数据关联信息对云服务器交互数据进行数据筛选处理，并根据数据筛选结果删除至少部分云服务器交互数据。
进一步地，删除的至少部分云服务器交互数据为云服务交互数据中的错误数据、重复数据和流程性数据，这些数据不仅对游戏运行交互几乎产生不了影响，还会占用云服务器的数据存储空间，降低云服务器的运行速率。通过对这些无用交互数据进行删除，能够在不影响云服务器和游戏客户端正常运行的前提下释放云服务器的数据存储空间，从而提高游戏的运行效率，避免游戏运行时出现的卡顿和延迟，进而确保游戏玩家具有较高的游戏体验度。
接下来将对一些可选实施例进行说明，这些实施例应当理解为示例，不应理解为实现本方案所必不可少的技术特征。
对于可能的实施例而言，在步骤S13中，根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据筛选信息的步骤，可以包括如下步骤S1311-步骤S1315。
步骤S1311，分别对所述游戏客户端操作数据和所述云服务器交互数据进行数据特征识别，得到游戏客户端特征数据和云服务器特征数据。
例如，数据特征识别可以通过预设的特征识别算法实现，该特征识别算法的选择可以根据实际情况进行，在此不作限定。通过游戏客户端特征数据和云服务器特征数据可以实现对游戏客户端操作数据和云服务器交互数据的简要概括，同时能够确保游戏客户端操作数据和云服务器交互数据的区分度和原本想要表达的含义。
步骤S1312，依次计算所述游戏客户端操作数据每一数据集的数据集更新频率值，与所述游戏客户端特征数据对应每一数据集的数据集更新频率值的比值或加权和值，将所计算结果集作为所述操作数据变化系数。
例如，游戏客户端操作数据可以包括多个数据集，数据集更新频率值可以是每秒更新多少次，或者每10秒更新多少次。可以理解，游戏客户端操作数据每一数据集的数据集更新频率值与游戏客户端特征数据对应每一数据集的数据集更新频率值是不同的，加权和值的加权系数可以由本领域技术人员根据实际情况进行设计，在此不作限定。操作数据变化系数的数值范围可以是0~1，也可以是一连串的数值序列。
步骤S1313，依次计算所述云服务器交互数据每一数据集的数据集更新频率值，与所述云服务器特征数据对应每一数据集的数据集更新频率值的比值或加权和值，将所计算结果集作为所述交互数据变化系数；
可以理解，该步骤里面的相关内容可以参照对步骤S1312的解释。
步骤S1314，根据预设的数据标签检测模型，对所述游戏客户端操作数据进行数据标签检测，得到操作数据标签信息；并根据所述数据标签检测模型，对所述云服务器交互数据进行数据标签检测，得到交互数据标签信息。
例如，预设的数据标签检测模型可以是现有的神经网络模型，或者是分类器模型，通过对模型进行参数调整，可以实现上述功能。操作数据标签信息可以用于对游戏客户端操作数据进行区分，同理，交互数据标签信息可以用于对云服务器交互数据进行区分。
步骤S1315，根据所述操作数据变化系数、所述交互数据变化系数、所述操作数据标签信息、以及所述交互数据标签信息，得到游戏数据筛选信息。
可以理解，应用上述步骤S1311-步骤S1315，能够基于不同的模型依次确定出操作数据变化系数、交互数据变化系数、操作数据标签信息、以及交互数据标签信息，这样能够将不同数据的变化情况考虑在内，并充分考虑不同数据之间的标签区分度，这样可以确保得到的游戏数据筛选信息能够考虑游戏客户端操作数据和云服务器交互数据的全局性分析，进而确保游戏数据筛选信息和实际的游戏运行状态相匹配。
对于进一步可能的实施例而言，步骤S1314所描述的根据预设的数据标签检测模型，对所述游戏客户端操作数据进行数据标签检测，得到操作数据标签信息；并根据所述数据标签检测模型，对所述云服务器交互数据进行数据标签检测，得到交互数据标签信息的步骤包括：根据预设的动态数据标签检测模型和静态数据标签检测模型，依次对所述游戏客户端操作数据进行数据标签检测，得到操作数据标签信息；根据所述动态数据标签检测模型和所述静态数据标签检测模型，依次对所述云服务器交互数据进行数据标签检测，得到交互数据标签信息。
例如，动态数据标签检测模型和静态数据标签检测模型分别用于检测动态数据标签和静态数据标签，其中，动态数据标签是可变的，静态数据标签是唯一的。这样设计，能够将不同的数据标签进行区分，从而准确完整地确定操作数据标签信息和交互数据标签信息。
对于进一步可能的实施例而言，步骤S1315所描述的所述根据所述操作数据变化系数、所述交互数据变化系数、所述操作数据标签信息、以及所述交互数据标签信息，得到游戏数据筛选信息的步骤包括：根据所述操作数据标签信息、以及所述交互数据标签信息，对所述操作数据变化系数和所述交互数据变化系数进行加权融合，得到游戏数据筛选信息。例如，加权融合可以将不同维度的标签信息和变化系数进行全局化整合，从而确保游戏数据筛选信息的完整性和准确性，以保证游戏数据筛选信息与实际的游戏运行状态相匹配。
对于更进一步可能的实施例而言，步骤S1315所描述的根据所述操作数据标签信息、以及所述交互数据标签信息，对所述操作数据变化系数和所述交互数据变化系数进行加权融合，得到游戏数据筛选信息的步骤包括：根据所述操作数据标签信息、以及所述交互数据标签信息，对所述操作数据变化系数和所述交互数据变化系数进行加权融合，并根据所述操作数据标签信息和所述交互数据标签信息对计算结果进行系数校正处理，得到游戏数据筛选信息。例如，系数校正处理用于对加权融合过程中可能缺失或者多余的筛选信息进行适应性调整，从而确保加权融合的准确性。
对于可能的实施例而言，在步骤S13中，根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据关联信息的步骤，可以包括步骤S1321和步骤S1322。
步骤S1321，根据预设的第一数据标签检测子网络，对所述游戏客户端操作数据进行数据标签检测，得到操作数据用户画像标签；并根据预设的第二数据标签检测子网络，对所述云服务器交互数据进行数据标签检测，得到交互数据有效性标签。
例如，第一数据标签检测子网络和第二数据标签检测子网络可以是相同类型的机器学习模型，通过对机器学习模型进行参数调整，可以实现上述对应的功能。操作数据用户画像标签用于记录和区分不同游戏玩家的操作画像，交互数据有效性标签用于确定不同的云服务器交互数据的有效性，从而便于后续对无用交互数据的区分。
步骤S1322，计算所述操作数据用户画像标签与所述交互数据有效性标签的标签匹配系数；并根据所述操作数据用户画像标签、所述交互数据有效性标签、以及所述标签匹配系数，得到游戏数据关联信息。
例如，标签匹配系数用于表征不同类别两类标签之间的匹配性，标签匹配系数的取值范围可以是0~1。如此实际，能够首先通过不同的数据标签检测子网络确定操作数据用户画像标签和交互数据有效性标签，进而确定出标签匹配系数，这样可以基于操作数据用户画像标签、交互数据有效性标签、以及标签匹配系数对数据进行综合性的关联性分析，从而确保游戏数据关联信息能够准确可靠地反应不同交互数据之间的关联性和互相影响性，从而为后续的数据筛选和删除提供较为可靠的依据。
对于进一步可能的实施例而言，步骤S1322中，所述计算所述操作数据用户画像标签与所述交互数据有效性标签的标签匹配系数的步骤包括：依次计算所述操作数据用户画像标签每一数据集的数据集更新频率值，与所述交互数据有效性标签对应每一数据集的数据集更新频率值的加权和值的频率更新系数；计算预设参考系数与所述频率更新系数的加权和值，将所计算结果作为所述标签匹配系数。
例如，频率更新系数用于表征操作数据用户画像标签每一数据集的数据集更新频率值与交互数据有效性标签对应每一数据集的数据集更新频率值的加权和值的变化频繁程度，频率更新系数越大，变化频繁程度越大。
可以理解，上述任一所述的加权和值的计算过程中的加权系数或者其他计算系数可以根据实际情况进行调整和设计，本领域技术人员基于上述内容能够毫无疑义地、清楚完整地实施对应的技术方案。
对于进一步可能的实施例而言，步骤S1322所描述的所述根据所述操作数据用户画像标签、所述交互数据有效性标签、以及所述标签匹配系数，得到游戏数据关联信息的步骤包括：依次计算所述操作数据用户画像标签每一数据集的数据集更新频率值，与所述交互数据有效性标签对应每一数据集的数据集更新频率值的比值；根据所述标签匹配系数对所述比值进行修正；基于修正后的比值确定游戏数据关联信息。
对于可能的实施例而言，步骤S12所描述的所述获取游戏客户端操作数据的步骤，可以包括步骤S1211和步骤S1212。
步骤S1211，根据所述游戏客户端操作数据上一操作时段的操作数据类别信息，确定游戏操作行为描述信息。
步骤S1212，根据所述游戏操作行为描述信息，获取所述游戏客户端操作数据。
例如，操作时段可以根据实际情况进行调整或修改，在此不作限定。操作数据类别信息可以包括键盘操作类别、鼠标操作类别或触控操作类别等，在此不作限定。操作行为描述信息用于表征不同操作数据类别信息的差异信息。如此设计，能够基于上述步骤S1211和步骤S1212将不同的操作数据类别考虑在内，从而确保游戏客户端操作数据的完整性。
对于进一步可能的实施例而言，步骤S1211中，根据所述游戏客户端操作数据上一操作时段的操作数据类别信息，确定游戏操作行为描述信息的步骤包括：判断所述游戏客户端操作数据上一操作时段的累计操作时长值是否小于第一操作时长阈值；如果是，确定游戏操作行为描述信息为当前游戏操作行为描述信息对应的第一次描述信息更新结果。例如，累计操作时长可以是游戏操作不间断或者几乎不间断的持续时长，例如鼠标一直处于移动状态下的持续时长。第一操作时长阈值可以根据实际情况进行设定，单位一般可以为秒。针对游戏操作行为描述信息的描述信息更新可以是多次，这样可以通过多次迭代实现对操作数据的同步化追踪，进而确保获取到的游戏客户端操作数据的实时性，避免游戏客户端操作数据的滞后。
对于可能的实施例而言，步骤S12所描述的所述获取云服务器交互数据的步骤，可以包括步骤S1221和步骤S1222。
步骤S1221，根据所述云服务器交互数据上一操作时段的交互数据类别信息，确定交互行为描述信息。
步骤S1222，根据所述交互行为描述信息，获取所述云服务器交互数据。
例如，交互数据类别信息可以包括用于表征游戏客户端和云服务器之间的交互的第一交互类别，以及用于表征游戏客户端与游戏客户端之间的交互的第二交互类别。交互行为描述信息用于对不同的交互数据类别进行区分。如此设计，通过上述步骤S1221和步骤S1222，能够完整、准确地确定出云服务器交互数据。
对于进一步可能的实施例而言，步骤S1221中，所述根据所述云服务器交互数据上一操作时段的交互数据类别信息，确定交互行为描述信息的步骤，包括步骤S12211-步骤S12214。
步骤S12211，根据所述云服务器交互数据上一操作时段的交互数据类别信息，确定交互行为描述信息的交互行为执行函数的函数分类值。
例如，不同的交互行为都可以通过一些执行函数进行实现，而为了实现对不同的执行函数的区分，可以采用函数分类值进行区分。执行函数可以理解为执行某个程序或者功能的一系列代码，相关底层内容属于现有技术，因此在此不作过多解释。
步骤S12212，获取所述云服务器交互数据上一操作时段对应的游戏数据关联信息，将所获取的游戏数据关联信息转换为多个序列长度相同且数据关联时序权重不同的游戏数据关联序列。
例如，关联时序权重用于表征不同的游戏数据关联序列的时效性，关联时序权重越大，游戏数据关联序列的时效性越强。游戏数据关联序列中可以包括多组游戏数据关联信息，序列长度相同可以理解为游戏数据关联信息的组数相同。
步骤S12213，统计每个游戏数据关联序列的关联系数均值，并将每个游戏数据关联序列的关联系数均值与对应的比较阈值进行比较。
例如，关联系数均值可以根据游戏数据关联序列中的每个游戏数据关联信息进行计算得到，比较阈值可以预先进行设计，在此不作限定。
步骤S12214，根据比较结果，对所述交互行为描述信息的交互行为执行函数的函数分类值进行修正，得到交互行为描述信息。
例如，在对交互行为执行函数的函数分类值进行修正之后，可以根据修正之后的函数分类值及其交互行为执行函数对应的函数执行日志确定交互行为描述信息，函数执行日志可以记录在云服务器中。
如此，可以基于上述步骤S12211-步骤S12214实现对交互行为描述信息的关联性分析，并考虑交互行为描述信息的时效性，从而及时、完整地确定交互行为描述信息。
对于进一步可能的实施例而言，步骤S12211所描述的所述根据所述云服务器交互数据上一操作时段的交互数据类别信息，确定交互行为描述信息的交互行为执行函数的函数分类值的步骤包括：判断所述云服务器交互数据上一操作时段的累计操作时长值是否小于第二操作时长阈值；如果是，确定交互行为描述信息的交互行为执行函数的函数分类值为当前交互行为描述信息对应的第二次描述信息更新结果对应的函数分类值。
对于进一步可能的实施例而言，步骤S1222所描述的所述根据所述交互行为描述信息，获取所述云服务器交互数据的步骤包括：根据所述交互行为描述信息，确定数据交互路径信息；根据所述交互行为描述信息和所述数据交互路径信息，获取所述云服务器交互数据。
对于更进一步可能的实施例而言，所述根据所述交互行为描述信息，确定数据交互路径信息的步骤包括：当所述交互行为描述信息对应的游戏交互热度值大于或等于第一阈值时，根据预设的交互行为描述信息的信息识别度与数据交互路径信息的信息识别度的对应关系，确定所述交互行为描述信息对应的数据交互路径信息；当所述交互行为描述信息对应的游戏交互热度值小于第一阈值时，确定所述数据交互路径信息为预设路径信息。
例如，数据交互路径信息用于表征存在交互的业务数据的数据流向路径，游戏交互热度值用于表征游戏运行过程中不同游戏玩家的交互频繁度，第一阈值可以根据实际情况进行设计，在此不作赘述。信息识别度用于区分和识别不同的信息。预设路径信息是根据不同的游戏的历史运行状态进行训练和挖掘得到的，不同的游戏对应的预设路径信息不同，在此不作赘述。如此设计，可以基于
对于可能的实施例而言，步骤S14所描述的根据所述游戏数据筛选信息、所述游戏数据关联信息，对所述云服务器交互数据进行数据筛选处理，得到交互数据筛选结果，示例性可以包括以下步骤S1411-步骤S1414。
步骤S1411，通过所述游戏数据筛选信息和所述游戏数据关联信息各自对应的状态系数匹配列表，获取云服务器交互数据对应的游戏型交互数据和非游戏型交互数据，所述游戏型交互数据和非游戏型交互数据是根据对游戏角色的虚拟操作行为进行解析得到的，或所述游戏型交互数据和非游戏型交互数据是可整合交互数据。
例如，状态系数匹配列表用于匹配不同类型的交互数据。
步骤S1412，根据所述游戏型交互数据和非游戏型交互数据获取对应的初始待筛选交互数据序列，所述初始待筛选交互数据序列包括多个初始待筛选交互数据，所述初始待筛选交互数据是根据所述云服务器交互数据对应的游戏客户端运行数据和游戏状态操作数据进行游戏交互行为分析得到的。
步骤S1413，根据所述游戏型交互数据和所述非游戏型交互数据对所述初始待筛选交互数据序列中的各个初始待筛选交互数据进行数据校正，得到目标待筛选交互数据序列，所述目标待筛选交互数据序列用于确定所述云服务器交互数据对应的交互数据筛选策略。
例如，交互数据筛选策略用于指示对应的交互数据筛选逻辑。
步骤S1414，采用所述目标待筛选交互数据序列确定所述交互数据筛选策略并提取所述交互数据筛选策略中的数据筛选指标；通过所述数据筛选指标对所述云服务器交互数据进行数据筛选处理，得到交互数据筛选结果。
例如，数据筛选指标可以是不同维度的指标，例如游戏交互度、游戏显示完整度、游戏画面平滑度等，在此不作限定。
在实际实施过程中，在进行数据校正时，根据所述游戏型交互数据、所述非游戏型交互数据以及各个所述初始待筛选交互数据确定数据校正方式的初始校正标识，根据相邻初始校正标识得到所述数据校正方式的初始数据校正路径，朝着使数据校正路径的路径偏离误差减小的方向调整所述数据校正方式的校正标识，直至数据校正路径的路径偏离误差值满足预设误差条件或校正次数达到预设阈值次数，所述数据校正路径的路径偏离误差值是对所述初始数据校正路径与调整得到的数据校正方式的更新数据校正路径之间的数据校正路径误差进行统计得到的。
如此设计，基于上述步骤S1411-步骤S1414，能够在对云服务器交互数据进行数据筛选处理之前对不同类型的交互数据进行分析，从而确定出对应的交互数据筛选策略中的数据筛选指标，这样可以基于不同的数据筛选指标对云服务器交互数据进行数据筛选处理，进而确保数据筛选结果与实际的游戏场景和游戏运营情况相匹配，从而避免后续进行数据删除时影响到正常的游戏运行。
对于进一步可能的实施例而言，所述初始待筛选交互数据的获取步骤包括：获取所述云服务器交互数据对应的当前游戏客户端运行数据和当前游戏状态操作数据；根据所述当前游戏客户端运行数据和所述当前游戏状态操作数据进行游戏交互行为分析，得到对应的当前游戏交互热度数据，所述当前游戏状态操作数据包括当前游戏状态延时操作数据；根据所述当前游戏交互热度数据得到对应的当前初始待筛选交互数据。
对于更进一步可能的实施例而言，所述根据所述当前游戏客户端运行数据和所述当前游戏状态操作数据进行游戏交互行为分析，得到对应的当前游戏交互热度数据包括：获取实时游戏交互热度数据对应的实时目标热度计算误差；根据所述当前游戏客户端运行数据以及所述当前游戏状态操作数据得到对应的当前交互热度校正误差；对所述实时目标热度计算误差以及所述当前交互热度校正误差进行游戏交互行为分析，得到综合目标热度计算误差；利用所述综合目标热度计算误差对所述当前游戏状态操作数据进行校正，得到对应的当前游戏交互热度数据。
对于进一步可能的实施例而言，所述游戏状态操作数据的获取步骤包括：获取所述云服务器交互数据对应的当前交互场景数据以及当前订阅场景数据；根据所述当前交互场景数据以及所述当前订阅场景数据计算得到对应的当前游戏场景状态数据以及当前游戏场景待渲染数据，根据所述当前订阅场景数据计算得到对应的当前游戏美术资源分配数据；将所述当前游戏场景状态数据、所述当前游戏场景待渲染数据以及所述当前游戏美术资源分配数据作为当前游戏状态操作数据；
对于进一步可能的实施例而言，所述游戏客户端运行数据的获取步骤包括：获取客户端检测线程检测得到的所述云服务器交互数据的当前客户端日志检测数据，作为当前游戏客户端运行数据。
对于更进一步可能的实施例而言，步骤S1413所描述的所述根据所述游戏型交互数据和所述非游戏型交互数据对所述初始待筛选交互数据序列中的各个初始待筛选交互数据进行数据校正，得到目标待筛选交互数据序列，可以包括以下步骤S14131-步骤S14134。
步骤S14131，将所述初始校正标识作为当前校正标识，调整所述当前校正标识得到所述数据校正方式的更新校正标识，根据所述更新校正标识得到调整后的更新数据校正路径。
步骤S14132，根据所述更新数据校正路径与所述初始数据校正路径计算数据校正路径的路径偏离误差函数对应的数据校正路径的路径偏离误差值，所述数据校正路径的路径偏离误差值与数据校正方式的数据校正路径误差正相关。
步骤S14133，返回所述调整所述当前校正标识得到所述数据校正方式的更新校正标识，根据所述更新校正标识得到调整后的更新数据校正路径的步骤，直至所述数据校正路径的路径偏离误差函数对应的数据校正路径的路径偏离误差值满足预设误差条件或校正次数达到预设阈值次数，得到所述数据校正方式的目标校正标识。
步骤S14134，根据所述目标校正标识得到所述目标待筛选交互数据序列。
对于更进一步可能的实施例而言，所述根据相邻初始校正标识确定数据校正方式的初始数据校正路径包括：计算各个相邻初始校正标识的标识差异化路径信息，作为对应的相邻初始校正标识的初始数据校正路径；
对于更进一步可能的实施例而言，所述根据所述更新校正标识得到调整后的更新数据校正路径包括：计算各个相邻更新校正标识的标识差异化路径信息，作为对应的相邻更新校正标识的更新数据校正路径，所述相邻更新校正标识的标识差异化路径信息以及所述相邻初始校正标识的标识差异化路径信息包括动态标识差异化路径信息以及静态标识差异化路径信息中的至少一个；
对于更进一步可能的实施例而言，所述根据所述更新数据校正路径与所述初始数据校正路径计算数据校正路径的路径偏离误差函数对应的数据校正路径的路径偏离误差值包括：计算各个更新数据校正路径与对应路径节点的初始数据校正路径的数据校正路径标识差异化路径信息，根据所述数据校正路径标识差异化路径信息得到对应的各个数据校正路径误差；统计所述各个数据校正路径误差，得到数据校正路径的路径偏离误差值；
对于更进一步可能的实施例而言，所述统计所述各个数据校正路径误差，得到数据校正路径的路径偏离误差值包括：计算所述初始数据校正路径对应的路径节点传递系数；根据所述初始数据校正路径对应的路径节点传递系数得到对应的系数置信度权重，其中，系数置信度权重与路径节点传递系数呈负相关关系；根据所述各个数据校正路径误差以及对应的系数置信度权重统计得到所述数据校正路径的路径偏离误差值。
可以理解，以上对步骤S1411-步骤S1414进行的进一步限定和说明涉及到底层运算和技术方案的底层描述，对于其中的技术特征而言，本领域技术人员能够根据上述所记载的内容进行合理推导和分析进行确定，因此，上述记载的单一技术特征对本领域技术人员而言是清楚完整的，并且上述记载的技术特征之间的组合和应用所形成的对应的逻辑推导过程不应视作为现有技术。
又一个可能实施例的描述如下。步骤S140对应的基于所述交互数据筛选结果删除至少部分所述云服务器交互数据，可以包括以下步骤S1420：基于所述交互数据筛选结果确定与当前游戏进程对应的无用交互数据，将所述无用交互数据进行删除。
在步骤S1420中，所述无用交互数据为所述云服务交互数据中的错误数据、重复数据和流程性数据，这些数据不仅对游戏运行交互几乎产生不了影响，还会占用云服务器的存储空间，降低云服务器的运行速率。通过删除无用交互数据，能够提高游戏在正常运行时的速率，减少延迟或卡顿，提高游戏用户的体验。
更加进一步地的实施例中，步骤S1420所描述的基于所述交互数据筛选结果确定与当前游戏进程对应的无用交互数据，可以包括以下步骤S1421-步骤S1424。
步骤S1421，确定当前游戏进程的各个进程数据处理日志的游戏进程交互数据，其中，游戏进程交互数据至少包括任一进程数据处理日志的游戏运行状态为多人对战状态时，处于游戏操作延时状态的日志统计数据的数据交互结果。
步骤S1422，根据所述各个进程数据处理日志的游戏进程交互数据和第一预设交互数据筛选条件，确定第一进程数据处理日志；其中，所述第一预设交互数据筛选条件用于从所述各个进程数据处理日志中筛选出存在日志更新标签的日志事件列表的数量最大的第一进程数据处理日志。
步骤S1423，确定所述交通信号灯当前游戏进程的第二进程数据处理日志，并确定所述第二进程数据处理日志是否与第一进程数据处理日志相同，若是，则将所述第一进程数据处理日志的日志校正数据进行冗余数据剔除；若所述第二进程数据处理日志与所述第一进程数据处理日志不相同，则将所述第二进程数据处理日志的游戏运行状态变更为多人对战状态，并将所述第一进程数据处理日志的游戏运行状态变更为对战等待状态。
步骤S1424，根据剔除之后的目标日志校正数据或者所述对战等待状态对应的游戏业务执行数据，从所述交互数据筛选结果中匹配对应的交互数据筛选指标，采用所述交互数据筛选指标确定与当前游戏进程对应的无用交互数据。
如此设计，可以通过上述步骤S1421-步骤S1424，准确完整地确定出与当前游戏进程对应的无用交互数据，从而避免在删除无用交互数据时出现偏差而导致当前游戏进程无法正常运行。这样，可以在确保游戏能够正常运行的前提下对云服务器的数据存储空间进行清理和释放，从而进一步提高游戏运行的顺畅度，避免游戏运行出现卡顿。
进一步地，步骤S1422所描述的根据所述各个进程数据处理日志的游戏进程交互数据和第一预设交互数据筛选条件，确定第一进程数据处理日志，可以包括以下步骤S1422a和步骤S1422b。
步骤S1422a，确定所述各个进程数据处理日志处于游戏操作延时状态的日志统计数据的数据交互结果中的游戏操作反馈数据。
步骤S1422b，将所述游戏操作反馈数据对应的进程数据处理日志确定为第一进程数据处理日志。
可选地，步骤S1422所描述的根据所述各个进程数据处理日志的游戏进程交互数据和第一预设交互数据筛选条件，确定第一进程数据处理日志，可以包括以下步骤S14221-步骤S14223。
步骤S14221，若所述各个进程数据处理日志处于游戏操作延时状态的目标游戏客户端的数据交互结果相同，则获取各个进程数据处理日志的游戏进程交互数据中处于游戏操作延时状态的角色互动操作的操作评价值以及处于游戏操作延时状态的非角色互动操作的操作评价值。
步骤S14222，分别将所述角色互动操作的操作评价值以及所述非角色互动操作的操作评价值，与所述各个进程数据处理日志的游戏进程交互数据中的处于游戏操作延时状态的非角色互动操作数量以及处于游戏操作延时状态的角色互动操作数量对应加权，确定所述各个进程数据处理日志的进程数据描述信息。
步骤S14223，确定出所述各个进程数据处理日志的进程数据描述信息中的游戏操作反馈数据，将所述各个进程数据处理日志的进程数据描述信息中的游戏操作反馈数据对应的已统计日志确定为第一进程数据处理日志。
图4是根据本发明的一些实施例所示的一种示例性基于大数据和云计算的数据筛选装置140的框图，所述基于大数据和云计算的数据筛选装置140可以包括以下功能模块。
条件检测模块141，用于检测目标内存资源是否满足设定条件；其中，所述目标内存资源为所述云服务器的内存资源。
数据获取模块142，用于在检测到所述目标内存资源满足所述设定条件的情况下，获取游戏客户端操作数据，并获取云服务器交互数据。
信息获得模块143，用于根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据筛选信息；根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据关联信息。
数据筛选模块144，用于根据所述游戏数据筛选信息、所述游戏数据关联信息，对所述云服务器交互数据进行数据筛选处理，得到交互数据筛选结果；基于所述交互数据筛选结果删除至少部分所述云服务器交互数据。
上述装置对应的实现方式与方法类似，在此不作赘述。
基于上述同样的发明构思，还提供了基于大数据和云计算的数据筛选系统，进一步描述如下。
A1.一种基于大数据和云计算的数据筛选系统，包括互相之间通信的云服务器和游戏客户端；其中，所述云服务器用于：
检测目标内存资源是否满足设定条件；其中，所述目标内存资源为所述云服务器的内存资源；
在检测到所述目标内存资源满足所述设定条件的情况下，获取游戏客户端操作数据，并获取云服务器交互数据；
根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据筛选信息；根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据关联信息；
根据所述游戏数据筛选信息、所述游戏数据关联信息，对所述云服务器交互数据进行数据筛选处理，得到交互数据筛选结果；基于所述交互数据筛选结果删除至少部分所述云服务器交互数据。
上述系统对应的实现方式与方法类似，在此不作赘述。
需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义，例如针对一些值、系数、权重、指数、因子等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0~1，又例如1~10，再例如50~100，在此均不作限定。
本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。
本发明实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
另外，本领域普通技术人员可以理解的是，本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本申请的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。
本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET，Python等，或类似的常规程序编程语言，如"C"编程语言，Visual Basic，Fortran2003，Perl，COBOL 2002，PHP，ABAP，动态编程语言如Python，Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非申请专利范围中明确说明，本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
同样应当理解的是，为了简化本申请揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (10)

1.一种基于大数据和云计算的数据筛选方法，其特征在于，应用于云服务器，所述云服务器与游戏客户端通信，所述方法包括：
检测目标内存资源是否满足设定条件；其中，所述目标内存资源为所述云服务器的内存资源；
在检测到所述目标内存资源满足所述设定条件的情况下，获取游戏客户端操作数据，并获取云服务器交互数据；
根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据筛选信息；根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据关联信息；
根据所述游戏数据筛选信息、所述游戏数据关联信息，对所述云服务器交互数据进行数据筛选处理，得到交互数据筛选结果；基于所述交互数据筛选结果删除至少部分所述云服务器交互数据。
2.如权利要求1所述的方法，其特征在于，所述根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据筛选信息的步骤包括：
分别对所述游戏客户端操作数据和所述云服务器交互数据进行数据特征识别，得到游戏客户端特征数据和云服务器特征数据；
依次计算所述游戏客户端操作数据每一数据集的数据集更新频率值，与所述游戏客户端特征数据对应每一数据集的数据集更新频率值的比值或加权和值，将所计算结果集作为所述操作数据变化系数；
依次计算所述云服务器交互数据每一数据集的数据集更新频率值，与所述云服务器特征数据对应每一数据集的数据集更新频率值的比值或加权和值，将所计算结果集作为所述交互数据变化系数；
根据预设的数据标签检测模型，对所述游戏客户端操作数据进行数据标签检测，得到操作数据标签信息；并根据所述数据标签检测模型，对所述云服务器交互数据进行数据标签检测，得到交互数据标签信息；
根据所述操作数据变化系数、所述交互数据变化系数、所述操作数据标签信息、以及所述交互数据标签信息，得到游戏数据筛选信息。
3.根据权利要求1所述的方法，其特征在于，所述根据预设的数据标签检测模型，对所述游戏客户端操作数据进行数据标签检测，得到操作数据标签信息；并根据所述数据标签检测模型，对所述云服务器交互数据进行数据标签检测，得到交互数据标签信息的步骤包括：
根据预设的动态数据标签检测模型和静态数据标签检测模型，依次对所述游戏客户端操作数据进行数据标签检测，得到操作数据标签信息；
根据所述动态数据标签检测模型和所述静态数据标签检测模型，依次对所述云服务器交互数据进行数据标签检测，得到交互数据标签信息；
其中，所述根据所述操作数据变化系数、所述交互数据变化系数、所述操作数据标签信息、以及所述交互数据标签信息，得到游戏数据筛选信息的步骤包括：根据所述操作数据标签信息、以及所述交互数据标签信息，对所述操作数据变化系数和所述交互数据变化系数进行加权融合，得到游戏数据筛选信息；
其中，所述根据所述操作数据标签信息、以及所述交互数据标签信息，对所述操作数据变化系数和所述交互数据变化系数进行加权融合，得到游戏数据筛选信息的步骤包括：根据所述操作数据标签信息、以及所述交互数据标签信息，对所述操作数据变化系数和所述交互数据变化系数进行加权融合，并根据所述操作数据标签信息和所述交互数据标签信息对计算结果进行系数校正处理，得到游戏数据筛选信息。
4.如权利要求1所述的方法，其特征在于，根据所述游戏客户端操作数据和所述云服务器交互数据，得到游戏数据关联信息的步骤包括：
根据预设的第一数据标签检测子网络，对所述游戏客户端操作数据进行数据标签检测，得到操作数据用户画像标签；并根据预设的第二数据标签检测子网络，对所述云服务器交互数据进行数据标签检测，得到交互数据有效性标签；
计算所述操作数据用户画像标签与所述交互数据有效性标签的标签匹配系数；并根据所述操作数据用户画像标签、所述交互数据有效性标签、以及所述标签匹配系数，得到游戏数据关联信息；
其中，所述计算所述操作数据用户画像标签与所述交互数据有效性标签的标签匹配系数的步骤包括：依次计算所述操作数据用户画像标签每一数据集的数据集更新频率值，与所述交互数据有效性标签对应每一数据集的数据集更新频率值的加权和值的频率更新系数；计算预设参考系数与所述频率更新系数的加权和值，将所计算结果作为所述标签匹配系数；
其中，所述根据所述操作数据用户画像标签、所述交互数据有效性标签、以及所述标签匹配系数，得到游戏数据关联信息的步骤包括：依次计算所述操作数据用户画像标签每一数据集的数据集更新频率值，与所述交互数据有效性标签对应每一数据集的数据集更新频率值的比值；根据所述标签匹配系数对所述比值进行修正；基于修正后的比值确定游戏数据关联信息；
其中，所述获取游戏客户端操作数据的步骤包括：根据所述游戏客户端操作数据上一操作时段的操作数据类别信息，确定游戏操作行为描述信息；根据所述游戏操作行为描述信息，获取所述游戏客户端操作数据；
其中，所述根据所述游戏客户端操作数据上一操作时段的操作数据类别信息，确定游戏操作行为描述信息的步骤包括：判断所述游戏客户端操作数据上一操作时段的累计操作时长值是否小于第一操作时长阈值；如果是，确定游戏操作行为描述信息为当前游戏操作行为描述信息对应的第一次描述信息更新结果。
5.根据权利要求1所述的方法，其特征在于，所述获取云服务器交互数据的步骤包括：根据所述云服务器交互数据上一操作时段的交互数据类别信息，确定交互行为描述信息；根据所述交互行为描述信息，获取所述云服务器交互数据；
其中，所述根据所述云服务器交互数据上一操作时段的交互数据类别信息，确定交互行为描述信息的步骤包括：
根据所述云服务器交互数据上一操作时段的交互数据类别信息，确定交互行为描述信息的交互行为执行函数的函数分类值；
获取所述云服务器交互数据上一操作时段对应的游戏数据关联信息，将所获取的游戏数据关联信息转换为多个序列长度相同且数据关联时序权重不同的游戏数据关联序列；
统计每个游戏数据关联序列的关联系数均值，并将每个游戏数据关联序列的关联系数均值与对应的比较阈值进行比较；
根据比较结果，对所述交互行为描述信息的交互行为执行函数的函数分类值进行修正，得到交互行为描述信息；
其中，所述根据所述云服务器交互数据上一操作时段的交互数据类别信息，确定交互行为描述信息的交互行为执行函数的函数分类值的步骤包括：判断所述云服务器交互数据上一操作时段的累计操作时长值是否小于第二操作时长阈值；如果是，确定交互行为描述信息的交互行为执行函数的函数分类值为当前交互行为描述信息对应的第二次描述信息更新结果对应的函数分类值；
其中，所述根据所述交互行为描述信息，获取所述云服务器交互数据的步骤包括：根据所述交互行为描述信息，确定数据交互路径信息；根据所述交互行为描述信息和所述数据交互路径信息，获取所述云服务器交互数据；
其中，所述根据所述交互行为描述信息，确定数据交互路径信息的步骤包括：当所述交互行为描述信息对应的游戏交互热度值大于或等于第一阈值时，根据预设的交互行为描述信息的信息识别度与数据交互路径信息的信息识别度的对应关系，确定所述交互行为描述信息对应的数据交互路径信息；当所述交互行为描述信息对应的游戏交互热度值小于第一阈值时，确定所述数据交互路径信息为预设路径信息。
6.根据权利要求1所述的方法，其特征在于，根据所述游戏数据筛选信息、所述游戏数据关联信息，对所述云服务器交互数据进行数据筛选处理，得到交互数据筛选结果，包括：
通过所述游戏数据筛选信息和所述游戏数据关联信息各自对应的状态系数匹配列表，获取云服务器交互数据对应的游戏型交互数据和非游戏型交互数据，所述游戏型交互数据和非游戏型交互数据是根据对游戏角色的虚拟操作行为进行解析得到的，或所述游戏型交互数据和非游戏型交互数据是可整合交互数据；
根据所述游戏型交互数据和非游戏型交互数据获取对应的初始待筛选交互数据序列，所述初始待筛选交互数据序列包括多个初始待筛选交互数据，所述初始待筛选交互数据是根据所述云服务器交互数据对应的游戏客户端运行数据和游戏状态操作数据进行游戏交互行为分析得到的；
根据所述游戏型交互数据和所述非游戏型交互数据对所述初始待筛选交互数据序列中的各个初始待筛选交互数据进行数据校正，得到目标待筛选交互数据序列，所述目标待筛选交互数据序列用于确定所述云服务器交互数据对应的交互数据筛选策略；
采用所述目标待筛选交互数据序列确定所述交互数据筛选策略并提取所述交互数据筛选策略中的数据筛选指标；通过所述数据筛选指标对所述云服务器交互数据进行数据筛选处理，得到交互数据筛选结果；
其中，在进行数据校正时，根据所述游戏型交互数据、所述非游戏型交互数据以及各个所述初始待筛选交互数据确定数据校正方式的初始校正标识，根据相邻初始校正标识得到所述数据校正方式的初始数据校正路径，朝着使数据校正路径的路径偏离误差减小的方向调整所述数据校正方式的校正标识，直至数据校正路径的路径偏离误差值满足预设误差条件或校正次数达到预设阈值次数，所述数据校正路径的路径偏离误差值是对所述初始数据校正路径与调整得到的数据校正方式的更新数据校正路径之间的数据校正路径误差进行统计得到的；
其中，所述初始待筛选交互数据的获取步骤包括：
获取所述云服务器交互数据对应的当前游戏客户端运行数据和当前游戏状态操作数据；
根据所述当前游戏客户端运行数据和所述当前游戏状态操作数据进行游戏交互行为分析，得到对应的当前游戏交互热度数据，所述当前游戏状态操作数据包括当前游戏状态延时操作数据；
根据所述当前游戏交互热度数据得到对应的当前初始待筛选交互数据；
其中，所述根据所述当前游戏客户端运行数据和所述当前游戏状态操作数据进行游戏交互行为分析，得到对应的当前游戏交互热度数据包括：
获取实时游戏交互热度数据对应的实时目标热度计算误差；
根据所述当前游戏客户端运行数据以及所述当前游戏状态操作数据得到对应的当前交互热度校正误差；
对所述实时目标热度计算误差以及所述当前交互热度校正误差进行游戏交互行为分析，得到综合目标热度计算误差；
利用所述综合目标热度计算误差对所述当前游戏状态操作数据进行校正，得到对应的当前游戏交互热度数据；
其中，所述游戏状态操作数据的获取步骤包括：
获取所述云服务器交互数据对应的当前交互场景数据以及当前订阅场景数据；
根据所述当前交互场景数据以及所述当前订阅场景数据计算得到对应的当前游戏场景状态数据以及当前游戏场景待渲染数据，根据所述当前订阅场景数据计算得到对应的当前游戏美术资源分配数据；
将所述当前游戏场景状态数据、所述当前游戏场景待渲染数据以及所述当前游戏美术资源分配数据作为当前游戏状态操作数据；
其中，所述游戏客户端运行数据的获取步骤包括：
获取客户端检测线程检测得到的所述云服务器交互数据的当前客户端日志检测数据，作为当前游戏客户端运行数据。
7.根据权利要求6所述的方法，其特征在于，所述根据所述游戏型交互数据和所述非游戏型交互数据对所述初始待筛选交互数据序列中的各个初始待筛选交互数据进行数据校正，得到目标待筛选交互数据序列包括：
将所述初始校正标识作为当前校正标识，调整所述当前校正标识得到所述数据校正方式的更新校正标识，根据所述更新校正标识得到调整后的更新数据校正路径；
根据所述更新数据校正路径与所述初始数据校正路径计算数据校正路径的路径偏离误差函数对应的数据校正路径的路径偏离误差值，所述数据校正路径的路径偏离误差值与数据校正方式的数据校正路径误差正相关；
返回所述调整所述当前校正标识得到所述数据校正方式的更新校正标识，根据所述更新校正标识得到调整后的更新数据校正路径的步骤，直至所述数据校正路径的路径偏离误差函数对应的数据校正路径的路径偏离误差值满足预设误差条件或校正次数达到预设阈值次数，得到所述数据校正方式的目标校正标识；
根据所述目标校正标识得到所述目标待筛选交互数据序列；
其中，所述根据相邻初始校正标识确定数据校正方式的初始数据校正路径包括：
计算各个相邻初始校正标识的标识差异化路径信息，作为对应的相邻初始校正标识的初始数据校正路径；
所述根据所述更新校正标识得到调整后的更新数据校正路径包括：计算各个相邻更新校正标识的标识差异化路径信息，作为对应的相邻更新校正标识的更新数据校正路径，所述相邻更新校正标识的标识差异化路径信息以及所述相邻初始校正标识的标识差异化路径信息包括动态标识差异化路径信息以及静态标识差异化路径信息中的至少一个；
其中，所述根据所述更新数据校正路径与所述初始数据校正路径计算数据校正路径的路径偏离误差函数对应的数据校正路径的路径偏离误差值包括：
计算各个更新数据校正路径与对应路径节点的初始数据校正路径的数据校正路径标识差异化路径信息，根据所述数据校正路径标识差异化路径信息得到对应的各个数据校正路径误差；
统计所述各个数据校正路径误差，得到数据校正路径的路径偏离误差值；
其中，所述统计所述各个数据校正路径误差，得到数据校正路径的路径偏离误差值包括：
计算所述初始数据校正路径对应的路径节点传递系数；根据所述初始数据校正路径对应的路径节点传递系数得到对应的系数置信度权重，其中，系数置信度权重与路径节点传递系数呈负相关关系；
根据所述各个数据校正路径误差以及对应的系数置信度权重统计得到所述数据校正路径的路径偏离误差值。
8.一种云服务器，其特征在于，包括基于大数据和云计算的数据筛选装置，所述装置在运行时实现权利要求1-7任一项所述的方法。
9.一种云服务器，其特征在于，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行权利要求1-7所述的方法。
10.一种计算机可读信号介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行是实现权利要求1-7所述的方法。
CN202011494058.8A 2020-12-17 2020-12-17 基于大数据和云计算的数据筛选方法及云服务器 Withdrawn CN112463394A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011494058.8A CN112463394A (zh) 2020-12-17 2020-12-17 基于大数据和云计算的数据筛选方法及云服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011494058.8A CN112463394A (zh) 2020-12-17 2020-12-17 基于大数据和云计算的数据筛选方法及云服务器

Publications (1)

Publication Number Publication Date
CN112463394A true CN112463394A (zh) 2021-03-09

Family

ID=74802909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011494058.8A Withdrawn CN112463394A (zh) 2020-12-17 2020-12-17 基于大数据和云计算的数据筛选方法及云服务器

Country Status (1)

Country Link
CN (1) CN112463394A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113468553A (zh) * 2021-06-02 2021-10-01 湖北工业大学 一种面向工业大数据的隐私保护分析系统及方法
CN114470769A (zh) * 2022-04-01 2022-05-13 苏州达家迎信息技术有限公司 交互数据处理方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113468553A (zh) * 2021-06-02 2021-10-01 湖北工业大学 一种面向工业大数据的隐私保护分析系统及方法
CN113468553B (zh) * 2021-06-02 2022-07-19 湖北工业大学 一种面向工业大数据的隐私保护分析系统及方法
CN114470769A (zh) * 2022-04-01 2022-05-13 苏州达家迎信息技术有限公司 交互数据处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111886059A (zh) 自动减少在在线游戏环境中使用欺骗软件
CN111428231A (zh) 基于用户行为的安全处理方法、装置及设备
CN110166344B (zh) 一种身份标识识别方法、装置以及相关设备
CN112734775A (zh) 图像标注、图像语义分割、模型训练方法及装置
CN112463394A (zh) 基于大数据和云计算的数据筛选方法及云服务器
CN111773732A (zh) 目标游戏用户的检测方法、装置及设备
CN115713715B (zh) 一种基于深度学习的人体行为识别方法及识别系统
CN112107866A (zh) 用户行为数据处理方法、装置、设备及存储介质
CN113343089A (zh) 用户召回方法及装置、设备
CN111957047A (zh) 关卡配置数据调整方法、计算机设备及存储介质
CN113318448B (zh) 游戏资源展示方法及装置、设备、模型训练方法
CN111310918A (zh) 一种数据处理方法、装置、计算机设备及存储介质
CN111488939A (zh) 模型训练方法、分类方法、装置及设备
CN111177725A (zh) 一种检测恶意刷点击操作的方法、装置、设备及存储介质
CN109286622B (zh) 一种基于学习规则集的网络入侵检测方法
CN112245934B (zh) 虚拟场景应用中虚拟资源的数据分析方法、装置及设备
CN111803956B (zh) 游戏外挂行为的确定方法、装置、电子设备及存储介质
CN111858275B (zh) 一种异常媒体行为的识别方法、装置、设备及存储介质
CN109740335A (zh) 验证码操作轨迹的分类方法及装置
CN112149121A (zh) 一种恶意文件识别方法、装置、设备及存储介质
CN113869431B (zh) 虚假信息检测方法、系统、计算机设备及可读存储介质
CN113011893B (zh) 数据处理方法、装置、计算机设备及存储介质
CN113919488A (zh) 对抗样本的生成方法、装置和服务器
CN115337649A (zh) 外挂检测模型的训练方法、外挂检测方法及装置
CN115645929A (zh) 游戏外挂行为的检测方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210309