CN112817832B - 游戏服务器的健康状态获取方法、装置、设备及存储介质 - Google Patents
游戏服务器的健康状态获取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112817832B CN112817832B CN202110071560.6A CN202110071560A CN112817832B CN 112817832 B CN112817832 B CN 112817832B CN 202110071560 A CN202110071560 A CN 202110071560A CN 112817832 B CN112817832 B CN 112817832B
- Authority
- CN
- China
- Prior art keywords
- preset
- dimension
- data
- analysis period
- game server
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供一种游戏服务器的健康状态获取方法、装置、设备及存储介质,涉及通信技术领域。该方法包括:获取待分析游戏服务器在预设分析周期内多个维度的特征数据;根据每个维度的特征数据,以及所述每个维度对应的预设基准数据,计算所述每个维度的指标分值,所述每个维度的指标分值为所述每个维度基于所述预设基准数据的指标分值;根据所述多个维度的指标分值,计算所述游戏服务器在所述预设分析周期内的健康度,所述健康度用于表征所述待分析游戏服务器在所述分析周期内的健康状态。相对于现有技术,避免了分析方式单一导致分析结果不准确的问题。
Description
技术领域
本申请涉及通信技术领域,具体而言,涉及一种游戏服务器的健康状态获取方法、装置、设备及存储介质。
背景技术
随着游戏市场竞争的日趋激烈,为了提升游戏活跃程度,保证玩家的游戏体验,游戏运营服务将更多的关注服务器的健康状态,对即将逐渐步入衰弱阶段的服务器尽早有针对性的采取必要手段(例如合服措施),避免用户因为不佳的游戏体验而流失,最大限度地延长用户在游戏中的停留时间,从而延长游戏的生命周期,获取更大的收益。如何正确合理的分析服务器的健康状态,是游戏运营服务方关注的重要问题。
现有技术中对游戏健康状态进行分析的方式一般为:根据各游戏服务的游戏收入对各游戏的健康状态进行分析。
但是这样的分析方式较为单一,不能系统地分析游戏的健康状态,导致分析结果不准确的问题。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种游戏服务器的健康状态获取方法、装置、设备及存储介质,以解决现有技术中分析方式单一导致分析结果不准确的问题。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请一实施例提供了一种游戏服务器的健康状态获取方法,所述方法包括:
获取待分析游戏服务器在预设分析周期内多个维度的特征数据;
根据每个维度的特征数据,以及所述每个维度对应的预设基准数据,计算所述每个维度的指标分值,所述每个维度的指标分值为所述每个维度基于所述预设基准数据的指标分值;
根据所述多个维度的指标分值,计算所述游戏服务器在所述预设分析周期内的健康度,所述健康度用于表征所述待分析游戏服务器在所述分析周期内的健康状态。
可选地,所述每个维度对应的预设基准数据包括:所述每个维度对应的第一基准数据,其中,所述第一基准数据为所述每个维度在第一预设历史时间段内历史特征数据的基准数据;
所述根据所述每个维度的特征数据,以及所述每个维度对应的预设基准数据,计算所述每个维度的指标分值,包括:
根据所述每个维度的特征数据,以及所述第一基准数据,计算所述每个维度基于所述第一基准数据的第一指标分值,其中,所述每个维度的指标分值包括:所述每个维度的第一指标分值;
所述根据所述多个维度的指标分值,计算所述待分析游戏服务器在所述预设分析周期内的健康度,包括:
根据所述多个维度的第一指标分值,计算所述待分析游戏服务器在所述第一基准数据下所述预设分析周期内的第一健康度,其中,所述待分析游戏服务器在所述预设分析周期内的健康度包括:所述第一健康度。
可选地,所述每个维度对应的预设基准数据还包括:所述每个维度对应的第二基准数据,其中,所述第二基准数据为所述每个维度在第二预设历史时间段内历史特征数据的基准数据;所述第一预设历史时间段和所述第二预设历史时间段分别为预设时间点之前的不同时长的历史时间段;
所述根据所述每个维度的特征数据,以及所述每个维度对应的预设基准数据,计算所述每个维度的指标分值,包括:
根据所述每个维度的特征数据,以及所述第二基准数据,计算所述每个维度基于所述第二基准数据的第二指标分值;所述每个维度的指标分值还包括:所述每个维度的第二指标分值;
所述根据所述多个维度的指标分值,计算所述待分析游戏服务器在所述预设分析周期内的健康度,包括:
根据所述多个维度的第二指标分值,计算所述待分析游戏服务器在所述第二基准数据下所述预设分析周期内的第二健康度,所述待分析游戏服务器在所述预设分析周期内的健康度还包括:所述第二健康度。
可选地,所述预设分析周期包括:历史分析周期,所述待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:所述待分析游戏服务器在所述历史分析周期内所述多个维度的历史特征数据;所述获取待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:
从预设数据库中获取所述待分析游戏服务器在所述历史分析周期内所述多个维度的历史特征数据。
可选地,所述预设分析周期包括:未来分析周期,所述待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:所述待分析游戏服务器在所述未来分析周期内所述多个维度的未来特征数据;则所述获取待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:
从预设数据库中获取所述待分析游戏服务器在预设历史时间段内的多个维度的历史特征数据;
根据所述每个维度的历史特征数据,采用所述每个维度对应的预测模型进行预测,得到所述每个维度在所述未来分析周期内的未来特征数据。
可选地,所述预测模型包括:多个预测模型,所述多个预测模型分别为采用多个序列窗口内的特征训练集进行训练得到的模型,每个序列窗口内的特征训练集为所述每个序列窗口的时间序列内的历史特征数据,不同预测模型对应不同的时长的序列窗口;
所述根据所述每个维度的历史特征数据,采用所述每个维度对应的预测模型进行预测,得到所述每个维度在所述未来分析周期内的未来特征数据,包括:
根据所述每个维度的历史特征数据,分别采用所述多个预测模型进行预测,得到所述多个序列窗口的预测特征序列;
根据所述多个序列窗口的预测特征序列,以及所述多个预测模型对应的预设权重,计算所述每个维度在所述未来分析周期内的未来特征数据。
可选地,所述根据所述多个序列窗口的预测特征序列,以及所述多个预测模型对应的预设权重进行加权和运算,计算所述每个维度在所述未来分析周期内的未来特征数据之前,所述方法还包括:
根据所述多个序列窗口内的特征训练集的变异系数,分别计算所述多个预测模型对应的预设权重。
可选地,所述方法还包括:
接收输入的针对目标服务器的查询请求,所述查询请求包括:所述目标服务器的标识;
根据目标服务器的标识,查询预先确定的所述目标服务器的健康信息;
所述健康信息包括:所述目标服务器在所述预设分析周期内的健康度;或者,所述目标服务器在所述多个维度的指标分值;或者,所述目标服务器在所述预设分析周期内的健康度,和,所述目标服务器在所述多个维度的指标分值。
可选地,所述方法还包括:
展示所述目标服务器对应的雷达图,所述雷达图上显示有:所述多个维度的预设基准值、所述目标服务器在所述预设分析周期内的健康度、所述目标服务器在所述多个维度的指标分值。
可选地,所述方法还包括:
展示所述目标服务器在所述预设分析周期内所述多个维度的特征数据变化曲线。
可选地,所述多个维度的特征数据包括下述至少一项:游戏玩家活跃程度的特征数据、游戏玩家收入水平的特征数据、游戏玩家生命周期的特征数据;游戏玩家人群结构的特征数据或虚拟阵营的特征数据。
可选地,若所述多个维度的特征数据为所述游戏玩家人群结构的特征数据,则所述获取待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:
获取预设分析周期内,所述待分析游戏服务器中所有游戏玩家每日的实力评分;
对每日的所述实力评分按照从大到小的顺序进行排序后,获取实力评分排名靠前的预设个数各目标实力评分;
根据预设间隔将所述目标实力评分进行区间划分,得到至少一个实力区间;
根据各所述实力区间的预设权重和各所述实力区间内所述实力评分的评分累加值,计算所述待分析游戏服务器每日的游戏玩家人群结构的特征数据;
根据预设分析周期内的所述每日的游戏玩家人群结构的特征数据,计算所述待分析游戏服务器在预设分析周期内的游戏玩家人群结构的特征数据。
第二方面,本申请另一实施例提供了一种游戏服务器的健康状态获取装置,所述装置包括:获取模块和计算模块,其中:
所述获取模块,用于获取待分析游戏服务器在预设分析周期内多个维度的特征数据;
所述计算模块,用于根据每个维度的特征数据,以及所述每个维度对应的预设基准数据,计算所述每个维度的指标分值,所述每个维度的指标分值为所述每个维度基于所述预设基准数据的指标分值;根据所述多个维度的指标分值,计算所述游戏服务器在所述预设分析周期内的健康度,所述健康度用于表征所述待分析游戏服务器在所述分析周期内的历史健康状态。
可选地,所述每个维度对应的预设基准数据包括:所述每个维度对应的第一基准数据,其中,所述第一基准数据为所述每个维度在第一预设历史时间段内历史特征数据的基准数据;
所述计算模块,具体用于根据所述每个维度的特征数据,以及所述第一基准数据,计算所述每个维度基于所述第一基准数据的第一指标分值,其中,所述每个维度的指标分值包括:所述每个维度的第一指标分值;根据所述多个维度的第一指标分值,计算所述待分析游戏服务器在所述第一基准数据下所述预设分析周期内的第一健康度,其中,所述待分析游戏服务器在所述预设分析周期内的健康度包括:所述第一健康度。
可选地,所述每个维度对应的预设基准数据还包括:所述每个维度对应的第二基准数据,其中,所述第二基准数据为所述每个维度在第二预设历史时间段内历史特征数据的基准数据;所述第一预设历史时间段和所述第二预设历史时间段分别为预设时间点之前的不同时长的历史时间段;
所述计算模块,具体用于根据所述每个维度的特征数据,以及所述第二基准数据,计算所述每个维度基于所述第二基准数据的第二指标分值;所述每个维度的指标分值还包括:所述每个维度的第二指标分值;根据所述多个维度的第二指标分值,计算所述待分析游戏服务器在所述第二基准数据下所述预设分析周期内的第二健康度,所述待分析游戏服务器在所述预设分析周期内的健康度还包括:所述第二健康度。
可选地,所述预设分析周期包括:历史分析周期,所述待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:所述待分析游戏服务器在所述历史分析周期内所述多个维度的历史特征数据;
所述获取模块,具体用于从预设数据库中获取所述待分析游戏服务器在所述历史分析周期内所述多个维度的历史特征数据。
可选地,所述预设分析周期包括:未来分析周期,所述待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:所述待分析游戏服务器在所述未来分析周期内所述多个维度的未来特征数据;
所述装置还包括:预测模块,其中:
所述获取模块,具体用于从预设数据库中获取所述待分析游戏服务器在预设历史时间段内的多个维度的历史特征数据;
所述预测模块,用于根据所述每个维度的历史特征数据,采用所述每个维度对应的预测模型进行预测,得到所述每个维度在所述未来分析周期内的未来特征数据。
可选地,所述预测模型包括:多个预测模型,所述多个预测模型分别为采用多个序列窗口内的特征训练集进行训练得到的模型,每个序列窗口内的特征训练集为所述每个序列窗口的时间序列内的历史特征数据,不同预测模型对应不同的时长的序列窗口;
所述预测模块,具体用于根据所述每个维度的历史特征数据,分别采用所述多个预测模型进行预测,得到所述多个序列窗口的预测特征序列;
所述计算模块,具体用于根据所述多个序列窗口的预测特征序列,以及所述多个预测模型对应的预设权重,计算所述每个维度在所述未来分析周期内的未来特征数据。
可选地,所述计算模块,具体用于根据所述多个序列窗口内的特征训练集的变异系数,分别计算所述多个预测模型对应的预设权重。
可选地,所述装置还包括:接收模块和查询模块,其中:
所述接收模块,用于接收输入的针对目标服务器的查询请求,所述查询请求包括:所述目标服务器的标识;
所述查询模块,用于根据目标服务器的标识,查询预先确定的所述目标服务器的健康信息,所述健康信息包括:所述目标服务器在所述预设分析周期内的健康度;或者,所述目标服务器在所述多个维度的指标分值;或者,所述目标服务器在所述预设分析周期内的健康度,和,所述目标服务器在所述多个维度的指标分值。
可选地,所述装置还包括:展示模块,用于展示所述目标服务器对应的雷达图,所述雷达图上显示有:所述多个维度的预设基准值、所述目标服务器在所述预设分析周期内的健康度、所述目标服务器在所述多个维度的指标分值。
可选地,所述展示模块,具体用于展示所述目标服务器在所述预设分析周期内所述多个维度的特征数据变化曲线。
可选地,所述装置还包括:划分模块,其中:
若所述多个维度的特征数据为所述游戏玩家人群结构的特征数据,则所述获取模块,具体用于获取预设分析周期内,所述待分析游戏服务器中所有游戏玩家每日的实力评分;对每日的所述实力评分按照从大到小的顺序进行排序后,获取实力评分排名靠前的预设个数各目标实力评分;
所述划分模块,用于根据预设间隔将所述目标实力评分进行区间划分,得到至少一个实力区间;
所述计算模块,具体用于根据各所述实力区间的预设权重和各所述实力区间内所述实力评分的评分累加值,计算所述待分析游戏服务器每日的游戏玩家人群结构的特征数据;根据预设分析周期内的所述每日的游戏玩家人群结构的特征数据,计算所述待分析游戏服务器在预设分析周期内的游戏玩家人群结构的特征数据。
第三方面,本申请另一实施例提供了一种游戏服务器的健康状态获取设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当游戏服务器的健康状态获取设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如上述第一方面任一所述方法的步骤。
第四方面,本申请另一实施例提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述第一方面任一所述方法的步骤。
本申请的有益效果是:采用本申请提供的游戏服务器的健康状态获取方法,通过多个维度的特征数据量化构建游戏服务器的特征数据,并在获取待分析游戏服务器在预设分析周期内多个维度的特征数据后,根据每个维度的特征数据和对应的预设基准数据,基于预设基准数据计算每个维度的指标分值,随后根据多个维度的指标分值,计算游戏服务器在预设分析周期内的健康度,这种根据多个维度和对应的预设基准数据计算健康度的方式,每个维度的指标分值是基于预设基准数据进行计算的,并且健康度的计算时考虑了多个维度的指标分值,因此得到的健康度结果更加准确。
附图说明
为了更清楚地说明本申请实施例的技术方案,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申请的某些实施例,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。
图1为本申请一实施例提供的游戏服务器的健康状态获取方法的流程示意图;
图2为本申请另一实施例提供的游戏服务器的健康状态获取方法的流程示意图;
图3为本申请另一实施例提供的游戏服务器的健康状态获取方法的流程示意图;
图4为本申请一实施例提供的序列窗口的结构示意图;
图5为本申请另一实施例提供的游戏服务器的健康状态获取方法的流程示意图;
图6为本申请另一实施例提供的游戏服务器的健康状态获取方法的流程示意图;
图7为本申请一实施例提供的雷达图的结构示意图;
图8为本申请一实施例提供的特征变化曲线的结构示意图;
图9为本申请一实施例提供的人群结构特征数据的计算示意图;
图10为本申请一实施例提供的游戏服务器的健康状态获取装置的结构示意图;
图11为本申请另一实施例提供的游戏服务器的健康状态获取装置的结构示意图;
图12为本申请一实施例提供的游戏服务器的健康状态获取设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为方便对本申请的理解,下述对本申请涉及的部分名词进行解释:
分布式数据库HIVE:HIVE是基于Hadoop的一个数据仓库工具,用来进行数据提取、转化、加载,是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。
头部玩家:游戏服务器中,活跃的正常玩家,且玩家在服务器中的“排名”处于服务器的中上位置(排名为对游戏中玩家实力进行评分后,对得到的实力评分进行排名后的排行)。
画像特征数据:表示服务器属性的数据。
游戏服务器:由若干游戏玩家群体构成、相互可关联、经济资源和社交环境同步共享的虚拟世界。
合服:将两个历史的服务器合并为一个服务器的操作。
变异系数CV:又称“标准差率”,是衡量资料中各观测值变异程度的一个统计量。当进行两个或多个资料变异程度的比较时,如果度量单位与平均数相同,可以直接利用标准差比较。如果单位或者平均数不同时,比较其变异程度就不能采用标准差,而需采用标准差与平均数的比值(相对值)来比较。
Prophet算法:Facebook所提供的prophet算法不仅可以处理时间序列存在一些异常值的情况,也可以处理部分缺失值的情形,还能够全自动的预测时间序列未来的走势。
关系型数据库管理系统MYSQL:属于Oracle旗下的产品,可以关联数据库将数据保存在不同的表中,且可以使用SQL语言对表内的数据进行增加、删除、修改或查找等操作。
另外,本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
在本申请的下述实施例中,均以游戏服务器的健康状态获取方法应用于大型多人在线角色扮演游戏(Massive Multiplayer Online Role Playing Game,MMORPG)为例进行说明,应当理解下述实施例虽然均以应用于MMORPG为例进行说明,但本申请提供的方法可以应用于任何需要对游戏服务器的健康状态进行预测的场景中,例如还可以应用于对第一人称射击类游戏(First-person shooting game,FPS)、生活模拟游戏(Simulation,SIM)、角色扮演游戏(Role-playing Game,RPG)等任意需要对游戏服务器的健康状态进行预测的场景中,具体应用场景可以根据用户需要灵活调整,并不以上述实施例给出的为限。
现有技术中的MMORPG游戏中,游戏玩家分布在不同的游戏服务器进行游戏,由于游戏玩家群体之间的差异性,以及随时间发展的过程中,各个游戏服务器可能会呈现出不同的状态。游戏玩家处于不同发展阶段的游戏服务器时,可能会有不同的游戏体验,而游戏玩家的游戏体验将直接影响着游戏产品的价值,因此如何正确的对游戏服务器各阶段的健康状态进行分析是一个急需解决的重要问题,此本申请提供了一种方法,可以在获取到各待分析MMORPG服务器在预设分析周期内多个维度的特征数据之后,根据每个维度的特征数据,以及每个维度对应的预设基准数据,计算每个维度的指标分值,随后根据多个维度的指标分值,计算游戏服务器在预设分析周期内的健康度,从而实现对各待分析MMORPG服务器,在各预设分析周期的健康状态进行分析。
如下结合多个具体的应用示例,对本申请实施例所提供的一种游戏服务器的健康状态获取方法进行解释说明。图1为本申请一实施例提供的一种游戏服务器的健康状态获取方法的流程示意图,如图1所示,该方法包括:
S101:获取待分析游戏服务器在预设分析周期内多个维度的特征数据。
其中,预设分析周期可以为根据用户需要预先配置的,例如预设分析周期可以为:开服后一年、开服至当前日期、当前日期前一个月、当前日期未来一个月等,应当理解具体预设分析周期的设置可以根据用户需要灵活调整,并不以上述实施例给出的为限。
示例地,在本申请的一个实施例中,例如可以通过待分析游戏服务器的标识信息,从日志数据库中获取服务器通用画像特征数据,标识信息例如可以根据游戏服务器的身份标识号(Identity document,ID);即可以根据游戏服务器的ID,从日志数据库中查询并获取该待分析游戏服务器的在预设分析周期内的多个维度的特征数据,从而将待分析游戏服务器的特征数据量化;其中,日志数据库中例如可以按天存放该游戏服务器从开服至今的所有特征数据;应当理解上述实施例仅为示例性说明,具体多个维度的特征数据的获取方式和日志数据库中存储的数据内容可以根据用户需要灵活调整,并不以上述实施例给出的为限制。
可选的,在本申请的一个实施例中,还需要对获取的该待分析游戏服务器的在预设分析周期内的多个维度的特征数据进行预处理,通过统一的预处理规则将多个维度的特征数据处理为数值类的特征数据,在本申请的一个实施例中,预处理规则例如可以为通过HIVE分布式引擎对各维度的特征数据进行预处理,并确定预处理后的多个维度的特征数据,为最终的待分析游戏服务器在预设分析周期内多个维度的特征数据。
S102:根据每个维度的特征数据,以及每个维度对应的预设基准数据,计算每个维度的指标分值。
其中,每个维度的指标分值为每个维度基于预设基准数据的指标分值。
示例地,在本申请的一个实施例中,不同的维度对应的计算指标分值的方式不一定相同,例如可以根据每个维度的特征数据、每个维度的特征数据对应的计算指标分值的方式,以及每个维度对应的预设基准数据,计算每个维度的指标分值。
S103:根据多个维度的指标分值,计算游戏服务器在预设分析周期内的健康度。
其中,健康度用于表征待分析游戏服务器在分析周期内的健康状态;游戏运营方在获取到待分析游戏服务器在预设分析周期内的健康度后,可以根据该健康度进行一些必要的决策,例如合服决策等,避免游戏玩家因为不佳的游戏体验而流失,从而营造良好的游戏氛围和游戏体验,创造更大的游戏价值,提高游戏玩家和游戏之间的粘性。
示例地,在一些可能的实施例中,为了提高健康度计算结果的可靠性,各维度的指标分值例如可以有对应的权重,即可以根据多个维度的指标分值和对应的权重,计算游戏服务器在预设分析周期内的健康度,从而可以通过将一些重要维度对应的权重设置的较大,将其他维度对应的权重设置的较小的方式,使得最终的健康度更加准确,可以更加真实的反应待分析游戏服务器在分析周期内的健康状态。
采用本申请提供的游戏服务器的健康状态获取方法,通过多个维度的特征数据量化构建游戏服务器的特征数据,并在获取待分析游戏服务器在预设分析周期内多个维度的特征数据后,根据每个维度的特征数据和对应的预设基准数据,基于预设基准数据计算每个维度的指标分值,随后根据多个维度的指标分值,计算游戏服务器在预设分析周期内的健康度,这种根据多个维度和对应的预设基准数据计算健康度的方式,每个维度的指标分值是基于预设基准数据进行计算的,并且健康度的计算时考虑了多个维度的指标分值,因此得到的健康度结果更加准确。
可选的,在本申请的一个实施例中,每个维度对应的预设基准数据包括:每个维度对应的第一基准数据,其中,第一基准数据为每个维度在第一预设历史时间段内历史特征数据的基准数据;则此时的S102可以为根据每个维度的特征数据,以及第一基准数据,计算每个维度基于第一基准数据的第一指标分值,其中,每个维度的指标分值包括:每个维度的第一指标分值;对应的S103可以为根据多个维度的第一指标分值,计算待分析游戏服务器在第一基准数据下预设分析周期内的第一健康度,其中,待分析游戏服务器在预设分析周期内的健康度包括:第一健康度。
在本申请的另一个实施例中,每个维度对应的预设基准数据还包括:每个维度对应的第二基准数据,其中,第二基准数据为每个维度在第二预设历史时间段内历史特征数据的基准数据;则此时的S102可以为根据每个维度的特征数据,以及第二基准数据,计算每个维度基于第二基准数据的第二指标分值;每个维度的指标分值还包括:每个维度的第二指标分值;对应的S103可以为根据多个维度的第二指标分值,计算待分析游戏服务器在第二基准数据下预设分析周期内的第二健康度,待分析游戏服务器在预设分析周期内的健康度还包括:第二健康度。
其中,第一预设历史时间段和第二预设历史时间段分别为预设时间点之前的不同时长的历史时间段;举例说明,在本申请的一个实施例中,第一预设时间段例如可以为待分析游戏服务器近一个月的时间段,第二预设时间段例如可以为待分析游戏服务器开服后一年的时间段;应当理解上述实施例仅为示例性说明,具体第一预设时间段和第二预设时间段的时间段范围可以根据用户需要灵活调整,并不以上述实施例给出的为限。
这种根据不同的历史时间段确定不同的健康度的方式,可以使得后续运维人员在做出决策的时候,可以更好的根据第一健康度和第二健康度参考做出正确的决策,例如可以根据第一健康度和第二健康度之间的差值,确定待分析游戏服务器自开服以来的发展走势,分析待分析游戏服务器的健康度是越来越好,还是逐渐衰退。
可选地,在上述实施例的基础上,本申请实施例还可提供一种游戏服务器的健康状态获取方法,如下结合附图对上述方法中获取多个维度的特征数据的实现过程进行示例说明。图2为本申请另一实施例提供的一种游戏服务器的健康状态获取方法的流程示意图,预设分析周期包括:历史分析周期,待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:待分析游戏服务器在历史分析周期内多个维度的历史特征数据;如图2所示,S101可包括:
S104:从预设数据库中获取待分析游戏服务器在历史分析周期内多个维度的历史特征数据。
示例地,在本申请的一个实施例中,预设数据库例如可以为预设日志数据库,预设日志数据库中例如可以按天存储有待分析游戏服务器的画像特征数据;获取过程中例如可以为通过HIVE编写HQL语言,随后根据hql语言从预设日志数据库中获取待分析游戏服务器在历史分析周期内多个维度的历史特征数据。
其中,预设日志数据库中例如可以存储有多个待分析游戏服务器的画像特征数据,在获取过程中根据各待分析游戏服务器的ID获取对应的画像特征数据;也可以为每个待分析游戏服务器均有自己对应的预设日志数据库,预设数据中仅存放有对应的游戏服务器的画像特征数据;具体数据库的类型,和数据库存储画像特征数据的方式可以根据用户需要灵活调整,并不以上述实施例给出的为限。
可选地,在上述实施例的基础上,本申请实施例还可提供一种游戏服务器的健康状态获取方法,如下结合附图对上述方法中获取多个维度的特征数据的实现过程进行示例说明。图3为本申请另一实施例提供的一种游戏服务器的健康状态获取方法的流程示意图,如图3所示,预设分析周期包括:未来分析周期,待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:待分析游戏服务器在未来分析周期内多个维度的未来特征数据;S101可包括:
S105:从预设数据库中获取待分析游戏服务器在预设历史时间段内的多个维度的历史特征数据。
S106:根据每个维度的历史特征数据,采用每个维度对应的预测模型进行预测,得到每个维度在未来分析周期内的未来特征数据。
示例地,在本申请的一个实施例中,预测模型包括:多个预测模型,多个预测模型分别为采用多个序列窗口内的特征训练集进行训练得到的模型,每个序列窗口内的特征训练集为每个序列窗口的时间序列内的历史特征数据,不同预测模型对应不同的时长的序列窗口;则对应的,S106可以为根据每个维度的历史特征数据,分别采用多个预测模型进行预测,得到多个序列窗口的预测特征序列;根据多个序列窗口的预测特征序列,以及多个预测模型对应的预设权重,计算每个维度在未来分析周期内的未来特征数据。
图4为本申请一实施例提供的序列窗口的结构示意图,如图4所示,在本申请的一个实施例中,多个序列窗口例如可以包括:长序列窗口和短序列窗口,长序列窗口为根据长序列特征日期和当前日期确定的,长序列特征日期为在时间轴上距离当前日期较远的特征日期;短序列窗口为根据短序列特征日期和当前日期确定的,短序列特征日期为在时间轴上距离当前日期较近的特征日期;其中,长序列窗口例如可以设置为60天,短序列窗口例如可以设置为14天,随后分别在预设日志数据库中提取待检测游戏服务器在长序列窗口下的画像特征数据(即长序列特征数据集),和待检测游戏服务器在短序列窗口下的画像特征数据(即短序列特征数据集),在本申请的一个实施例中,以待检测游戏服务器的特征维度中包括11个特征为例进行说明,每个特征维度根据每天的特征维度数据分别构成一个长时间序列和一个短时间序列,即每个特征维度均包括2个训练序列集,则待检测游戏服务器公包括11*2=22个训练序列集,每个训练集含有2列,一列是已知在对应的时间序列(例如长时间序列或短时间序列)下的时间戳,另一列是各时间戳对应的每个特征在当前时间戳下对应的值。各序列的序列形式例如如下表1所示,其中ds为时间戳,y为各时间戳对应的每个特征在当前时间戳下对应的值:
表1:
ds | y |
2020-11-01 | 0.361 |
2020-11-02 | 0.421 |
2020-11-03 | 0.326 |
2020-11-04 | 0.962 |
2020-11-05 | 0.652 |
.... | ... |
仍以待检测游戏服务器的特征维度中包括11个特征为例进行说明,在本申请的一个实施例中,例如可以采用时序模型Prophet对各训练序列集进行模型训练,得到每个训练序列集对应的预测模型,即每个训练序列集均有对应的Prophet模型,各Prophet模型对应的参数不一定相同,即在多个序列窗口例如可以包括:长序列窗口和短序列窗口,且待检测游戏服务器的特征维度中包括11个特征时,该待检测游戏服务器共计有22个训练序列集,即需要训练22个具有不同参数的Prophet模型。
在本申请的一个实施例中,主要是调节Prophet模型中三个比较重要的参数:百分比参数changepoint_range、变点个数参数n_changepoint、变点增长率的分布情况参数changepoint_prior_scale。
changepoint_range:是一个概率值,表示截取序列长度的百分之几,需要在前changepoint_range那么长的时间序列中设置变点,在本申请的一个实施例中,其默认例如可以设置为changepoint_range=0.8;此时表示选取序列长度的前80%,在这段序列长度内设置变点。
n_changepoint:变点指的是一般节假日或者游戏的版本发生更新时,可能会导致服务器状态的剧烈波动,在本申请的一个实施例中,其默认例如可以设置为n_changepoint=25。
changepoint_prior_scale:该参数满足Laplace分布,δj~Laplace(0,τ),这里的τ即为changepoint_prior_scale,在本申请的一个实施例中,其默认例如可以设置为changepoint_prior_scale=0.05。
示例地,在本申请的一个实施例中,多个预测模型对应的预设权重的计算方式例如可以为:根据多个序列窗口内的特征训练集的变异系数,分别计算多个预测模型对应的预设权重。
可选地,在本申请的一个实施例中,以未来分析周期为30天为例进行说明,即可以依据各序列窗口下的画像特征数据,和训练好的每个特征维度的每个序列窗口对应的Prophet模型,输出各维度在未来分析周期内的未来特征数据。举例说明,以当前特征维度为日在线时长为例进行说明,此时日在线时长包括:日在线时长的长序列训练集和日在线时长的短序列训练集,随后日在线时长的长序列窗口模型,根据日在线时长的长序列训练集输出第一未来特征数据[a,b,c,d,...],日在线时长的短序列窗口模型,根据日在线时长的短序列训练集输出第二未来特征数据[A,B,C,D,.....]其中a,b,c,d以及A,B,C,D分别表示该待分析游戏服务器自当前观察日期之后,每天的在线时长的预测值,第一未来特征数据和第二未来特征数据的序列长度均为30。
随后利用变异系数CV,分别计算日在线时长的长序列训练集的变异系数X,和日在线时长的短序列训练集的变异系数Y。若X>Y,则说明长序列训练集的波动程度大于短序列训练集的波动程度,则赋予短序列训练集的预测结果第二未来特征数据较大的权重w1,赋予长序列训练集的预测结果第一未来特征数据较小的权重w2。若X<Y,则相反,即赋予短序列训练集的预测结果第二未来特征数据较小的权重w2,赋予长序列训练集的预测结果第一未来特征数据较大的权重w1。即日在线时长未来第30天的未来特征数据的预测值为:
若X<Y,则:
预测值=average(A,B,C,D,....)*w1+average(a,b,c,d,...)*w2
若X>Y,则:
预测值=average(A,B,C,D,....)*w2+average(a,b,c,d,...)*w1
其中,w1、w2为根据实验测试得到的预设值,在本申请的一个实施例中,w1的取值例如可以为0.7,w2的取值例如可以为0.3。
可选地,在上述实施例的基础上,本申请实施例还可提供一种游戏服务器的健康状态获取方法,如下结合附图对上述方法的实现过程进行示例说明。图5为本申请另一实施例提供的一种游戏服务器的健康状态获取方法的流程示意图,如图5所示,该方法还可包括:
S107:接收输入的针对目标服务器的查询请求。
其中,查询请求包括:目标服务器的标识。
S108:根据目标服务器的标识,查询预先确定的目标服务器的健康信息。
示例地,在本申请的一个实施例中,各服务器的健康信息可以存储于预设的数据库中,例如可以为存储在Mysql中,其中,健康信息例如可以包括:目标服务器在预设分析周期内的健康度;或者,目标服务器在多个维度的指标分值;或者,目标服务器在预设分析周期内的健康度,和,目标服务器在多个维度的指标分值。
可选地,在上述实施例的基础上,本申请实施例还可提供一种游戏服务器的健康状态获取方法,如下结合附图对上述方法中实现过程进行示例说明。图6为本申请另一实施例提供的一种游戏服务器的健康状态获取方法的流程示意图,如图6所示,该方法还可包括:
S109:展示目标服务器对应的雷达图。
其中,雷达图上显示有:多个维度的预设基准值、目标服务器在预设分析周期内的健康度、目标服务器在多个维度的指标分值。
图7为本申请一实施例提供的雷达图的结构示意图,如图7所示,雷达图上分别显示有第一雷达示意图和第二雷达示意图,第一雷达示意图为以第一基准数据得到的,第一雷达示意图中包括:根据历史分析周期分析得到的过去30天分值折线,根据未来分析周期分析得到的未来30天分值折线和历史基准值折线;第二雷达示意图为以第二基准数据得到的,第二雷达示意图中包括:根据历史分析周期分析得到的过去30天分值折线,根据未来分析周期分析得到的未来30天分值折线和本月基准值折线;其中,第一基准数据为以过去30天全服均值作为基准值计算得到的,第二基准数据为以开服一年的全服均值作为基准值计算得到的,多个维度的指标分值分别包括:活跃程度分值、收入水平分值、生命周期分值、人群结构分值和虚拟阵营分值。
可选的,在本申请的一个实施例中,还可以展示目标服务器在预设分析周期内多个维度的特征数据变化曲线。
图8为本申请一实施例提供的特征变化曲线的结构示意图,如图8所示,特征曲线包括消费明细(元宝)的特征曲线和充值明细(元宝)的特征曲线,根据特征曲线变化可以明显的看出消费明细和充值明细的走向。
在本申请的一个实施例中,展示方式例如可以为通过前端实现交互式网页应用,例如可以为WebApplication实现的,即例如用户输入的待分析游戏服务器的ID信息,后端根据预设接口获取到用户输入的请求后,经过一定的逻辑处理,从数据库中提取该待分析游戏服务器对应的数据,并通过预设接口返回给用户对应的前端设备,并将获取的数据结果在前端展现给用户。
示例地,在一些可能的实施例中,多个维度的特征数据包括下述至少两项:游戏玩家活跃程度的特征数据、游戏玩家收入水平的特征数据、游戏玩家生命周期的特征数据;游戏玩家人群结构的特征数据或虚拟阵营的特征数据。
其中,每个维度的特征数据还可以包括至少一个衡量指标,举例说明,例如游戏玩家活跃程度的特征数据可以包括下述至少一个衡量指标:日活跃人数据和日在线时长;游戏玩家收入水平的特征数据可以包括下述至少一个衡量指标:日消费总额、日人均消费总额、日充值总额、日人均充值总额;游戏玩家生命周期的特征数据可以包括下述至少一个衡量指标:预设时间内所有游戏玩家的流失率、预设时间内新游戏玩家的流失率;游戏玩家人群结构的特征数据可以包括:全服排名在第一预设名次内的所有游戏玩家的总评分;虚拟阵营的特征数据可以包括下述至少一个衡量指标:全服排名在第二预设名次内的各第一虚拟阵营和对应的第二虚拟阵营之间的游戏玩家人数差、全服排名在第二预设名次内的各第一虚拟阵营和对应的第二虚拟阵营之间的游戏玩家的总评分之差;其中,第一阵营和第二虚拟阵营例如可以为待分析游戏服务器中实力相当的阵营,每个第一阵营均有自己唯一对应的第二虚拟阵营,虚拟阵营例如可以为虚拟帮派、虚拟战队、虚拟队伍等,本申请在此不做任何限制。
在一些可能的实施例中,每个维度的特征数据中的至少一个衡量指标可以有对应的权重,例如可以根据衡量指标的个数确定每个维度的特征数据中的各衡量指标对应的权重,也可以为根据预先配置的权重确定每个维度的特征数据中的各衡量指标对应的权重,具体预设权重的确定方式可以根据用户需要灵活调整,并不以上述实施例给出的为限。
举例说明,若多个维度的特征数据包括:游戏玩家人群结构的特征数据,则S101可包括:获取预设分析周期内,待分析游戏服务器中所有游戏玩家每日的实力评分;对每日的实力评分按照从大到小的顺序进行排序后,获取实力评分排名靠前的预设个数各目标实力评分;根据预设间隔将目标实力评分进行区间划分,得到至少一个实力区间;根据各实力区间的预设权重和各实力区间内实力评分的评分累加值,计算待分析游戏服务器每日的游戏玩家人群结构的特征数据;根据预设分析周期内的每日的游戏玩家人群结构的特征数据,计算待分析游戏服务器在预设分析周期内的游戏玩家人群结构的特征数据。
通常MMORPG游戏会按照各游戏玩家的实力强度给各游戏玩家评定一个综合分数,也就是总评分,总评分可以用于衡量游戏角色的游戏实力,在一些可能的实施例中,游戏总评分会受到游戏充值金额,游戏等级和游戏品质优劣的影响,而对于使用了外挂脚本的游戏玩家,其由于外挂脚本的目标不是提升游戏玩家的自身实力,而是牟利,因此采用了外挂脚本的游戏玩家对应的总评分会非常低,所以通过上述在所有实力评分中获取目标实力评分后,根据预设间隔将目标实力评分进行区间划分,得到至少一个实力区间;再根据各实力区间的预设权重和各实力区间内实力评分的评分累加值确定根据人群结构的特征数据的方式,可以过滤掉使用了外挂脚本的游戏玩家,使得到的人群结构的特征数据更加贴近该待分析游戏服务器中真实游戏玩家的人群结构的特征数据,避免了异常数据带来的影响。举例说明:
1.获取待分析游戏服务器中对当日总评分,并对待分析游戏服务器中对当日总评分进行排名,选取排名前K(K为任意值,如K=2000)的游戏玩家对应的总评分为目标实力评分。
2.从当日总评分排名的第一名开始,根据预设间隔N对多个目标实力评分进行区间划分,每N个目标评分划分一个实力区间:如排名1到N为第一区间,排名N+1到2N为第二区间,其中,N可以为预设各实力区间中包括的目标实力评分的个数,或实力区间个数,只需为可被K整除的整数即可;随后根据目标实力评分和预设间隔N,获得M个有序实力区间,其中M=K/N,应当理解排序越靠前的实力区间,其区间内的游戏玩家的实力更强。
3.计算各实力区间中,N个游戏玩家分别对应的目标实力评分的累加值S。
4.为每个实力区间分别分配对应的权值W,其中W的数值按各实力区间的排名顺序递减;即实力越强的实力区间分配的权值越大,实力越弱的实力区间分配的权值越小。
5.计算每个实力区间内S和W的乘积S*W;并根据计算结果计算所有实力区间S*W的累加和,SUM(S*W),该累加和即为人群结构特征数据。
S为长度为N的向量,向量中的每个元素是各游戏玩家的实力评分;W是长度为N的向量,每一个向量中的所有元素都相同(W向量中的各向量内元素相同,各向量间元素不同),元素值为分配的各实力区间对应的权值;SW是向量S和向量W的点积,其数值为各实力区间的分数之和。
图9为本申请一实施例提供的人群结构特征数据的计算示意图,如图9所示:K的取值例如可以为200,N的取值例如可以为100,即获取待分析游戏服务器中排名前500的游戏玩家的实力评分,每100名游戏玩家划分一个实力区间,并计算各实力区间对应的目标实力评分的累加值S,分别得到排名1-100的第一实力区间对应的累加值S1,排名1-100的第二实力区间对应的累加值S2,排名101-200的第三实力区间对应的累加值S3,排名201-300的第四实力区间对应的累加值S4,排名301-400的第五实力区间对应的累加值S5;再分别为各实力区间分配一个权值W,例如为第一实力区间分配权值W1,为第二实力区间分配权值W2,为第三实力区间分配权值W3,为第四实力区间分配权值W4,为第五实力区间分配权值W5;最后根据各累加值和对应的权值,计算得到该待分析游戏服务器对应的人群结构特征。
其中在本申请的一个实施例中,仍以上述实施例K的取值例如可以为200,N的取值例如可以为100为例进行说明,在本申请的一个实施例中各实力区间的权值分配例如可以为表2所示,即排名第一实力区间的权值为10,排名第二的实力区间的权值为9,排名第三的实力区间的权值为8,排名第四的实力区间的权值为7,排名第五的实力区间的权值为6。
表2:
采用本申请提供的游戏服务器的健康状态获取方法,可以采用网页应用(WebAplplication)的形式,提供给游戏方决策方在第一基准数据下对历史数据分析得到的健康度、在第一基准下对未来数据分析得到的健康度、在第二基准数据下对历史数据分析得到的健康度、在第二基准下对未来数据分析得到的健康度;并通过雷达图展示的方式直观展现待分析游戏服务器在每个维度上和基准值相比,是否健康度是否存在差异;以及待分析游戏服务器的每个具体指标随时间的历史变化情况和预测未来的变化情况;通过以上数据,游戏决策方可以决定是否对不健康的游戏服务器进行一定的操作,例如合服,可以帮助游戏运营者提高游戏收益;本申请可以快速准确的计算得到当前待分析游戏服务器的健康度,并且预测待分析游戏服务器未来的健康度,帮助游戏运营者对健康度存在异常的游戏服务器尽早采取有针对性的必要手段,避免游戏玩家因为不佳的游戏体验而流失,最大限度地延长游戏在游戏中的停留时间,提升游戏玩家的生命周期价值,从而获得更大的收益;并且本申请计算方式简单,极大的节约了人力成本,可以更省时更高效分析服务器的健康程度,产出分析报告。
下述结合附图对本申请所提供的游戏服务器的健康状态获取装置进行解释说明,该游戏服务器的健康状态获取装置可执行上述图1-图9任一游戏服务器的健康状态获取方法,其具体实现以及有益效果参照上述,如下不再赘述。
图10为本申请一实施例提供的游戏服务器的健康状态获取装置的结构示意图,如图10所示,该装置包括:获取模块201和计算模块202,其中:
获取模块201,用于获取待分析游戏服务器在预设分析周期内多个维度的特征数据。
计算模块202,用于根据每个维度的特征数据,以及每个维度对应的预设基准数据,计算每个维度的指标分值,每个维度的指标分值为每个维度基于预设基准数据的指标分值;根据多个维度的指标分值,计算游戏服务器在预设分析周期内的健康度,健康度用于表征待分析游戏服务器在分析周期内的历史健康状态。
可选地,每个维度对应的预设基准数据包括:每个维度对应的第一基准数据,其中,第一基准数据为每个维度在第一预设历史时间段内历史特征数据的基准数据;
计算模块202,具体用于根据每个维度的特征数据,以及第一基准数据,计算每个维度基于第一基准数据的第一指标分值,其中,每个维度的指标分值包括:每个维度的第一指标分值;根据多个维度的第一指标分值,计算待分析游戏服务器在第一基准数据下预设分析周期内的第一健康度,其中,待分析游戏服务器在预设分析周期内的健康度包括:第一健康度。
可选地,每个维度对应的预设基准数据还包括:每个维度对应的第二基准数据,其中,第二基准数据为每个维度在第二预设历史时间段内历史特征数据的基准数据;第一预设历史时间段和第二预设历史时间段分别为预设时间点之前的不同时长的历史时间段;
计算模块202,具体用于根据每个维度的特征数据,以及第二基准数据,计算每个维度基于第二基准数据的第二指标分值;每个维度的指标分值还包括:每个维度的第二指标分值;根据多个维度的第二指标分值,计算待分析游戏服务器在第二基准数据下预设分析周期内的第二健康度,待分析游戏服务器在预设分析周期内的健康度还包括:第二健康度。
可选地,预设分析周期包括:历史分析周期,待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:待分析游戏服务器在历史分析周期内多个维度的历史特征数据;
获取模块201,具体用于从预设数据库中获取待分析游戏服务器在历史分析周期内多个维度的历史特征数据。
可选地,预设分析周期包括:未来分析周期,待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:待分析游戏服务器在未来分析周期内多个维度的未来特征数据。
图11为本申请另一实施例提供的游戏服务器的健康状态获取装置的结构示意图,如图11所示,该装置还包括:预测模块203,其中:
获取模块201,具体用于从预设数据库中获取待分析游戏服务器在预设历史时间段内的多个维度的历史特征数据。
预测模块203,用于根据每个维度的历史特征数据,采用每个维度对应的预测模型进行预测,得到每个维度在未来分析周期内的未来特征数据。
可选地,预测模型包括:多个预测模型,多个预测模型分别为采用多个序列窗口内的特征训练集进行训练得到的模型,每个序列窗口内的特征训练集为每个序列窗口的时间序列内的历史特征数据,不同预测模型对应不同的时长的序列窗口;
预测模块203,具体用于根据每个维度的历史特征数据,分别采用多个预测模型进行预测,得到多个序列窗口的预测特征序列。
计算模块202,具体用于根据多个序列窗口的预测特征序列,以及多个预测模型对应的预设权重,计算每个维度在未来分析周期内的未来特征数据。
可选地,计算模块202,具体用于根据多个序列窗口内的特征训练集的变异系数,分别计算多个预测模型对应的预设权重。
如图11所示,该装置还包括:接收模块204和查询模块205,其中:
接收模块204,用于接收输入的针对目标服务器的查询请求,查询请求包括:目标服务器的标识;
查询模块205,用于根据目标服务器的标识,查询预先确定的目标服务器的健康信息,健康信息包括:目标服务器在预设分析周期内的健康度;或者,目标服务器在多个维度的指标分值;或者,目标服务器在预设分析周期内的健康度,和,目标服务器在多个维度的指标分值。
如图11所示,该装置还包括:展示模块206,用于展示目标服务器对应的雷达图,雷达图上显示有:多个维度的预设基准值、目标服务器在预设分析周期内的健康度、目标服务器在多个维度的指标分值。
可选地,展示模块206,具体用于展示目标服务器在预设分析周期内多个维度的特征数据变化曲线。
如图11所示,该装置还包括:划分模块207,其中:
若多个维度的特征数据为游戏玩家人群结构的特征数据,则获取模块201,具体用于获取预设分析周期内,待分析游戏服务器中所有游戏玩家每日的实力评分;对每日的实力评分按照从大到小的顺序进行排序后,获取实力评分排名靠前的预设个数各目标实力评分。
划分模块207,用于根据预设间隔将目标实力评分进行区间划分,得到至少一个实力区间。
计算模块202,具体用于根据各实力区间的预设权重和各实力区间内实力评分的评分累加值,计算待分析游戏服务器每日的游戏玩家人群结构的特征数据;根据预设分析周期内的每日的游戏玩家人群结构的特征数据,计算待分析游戏服务器在预设分析周期内的游戏玩家人群结构的特征数据。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图12为本申请一实施例提供的游戏服务器的健康状态获取设备的结构示意图,该游戏服务器的健康状态获取设备可以集成于终端设备或者终端设备的芯片。
该游戏服务器的健康状态获取设备包括:处理器501、存储介质502和总线503。
处理器501用于存储程序,处理器501调用存储介质502存储的程序,以执行上述图1-图9对应的方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本申请还提供一种程序产品,例如存储介质,该存储介质上存储有计算机程序,包括程序,该程序在被处理器运行时执行上述方法对应的实施例。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (13)
1.一种游戏服务器的健康状态获取方法,其特征在于,所述方法包括:
获取待分析游戏服务器在预设分析周期内多个维度的特征数据;
根据每个维度的特征数据,以及所述每个维度对应的预设基准数据,计算所述每个维度的指标分值,所述每个维度的指标分值为所述每个维度基于所述预设基准数据的指标分值;
根据所述多个维度的指标分值,计算所述游戏服务器在所述预设分析周期内的健康度,所述健康度用于表征所述待分析游戏服务器在所述分析周期内的健康状态;
其中,所述多个维度的特征数据包括下述至少两项:游戏玩家活跃程度的特征数据、游戏玩家收入水平的特征数据、游戏玩家生命周期的特征数据;游戏玩家人群结构的特征数据或虚拟阵营的特征数据;
若所述多个维度的特征数据包括:所述游戏玩家人群结构的特征数据,则所述获取待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:
获取预设分析周期内,所述待分析游戏服务器中所有游戏玩家每日的实力评分;
对每日的所述实力评分按照从大到小的顺序进行排序后,获取实力评分排名靠前的预设个数各目标实力评分;
根据预设间隔将所述目标实力评分进行区间划分,得到至少一个实力区间;
根据各所述实力区间的预设权重和各所述实力区间内所述实力评分的评分累加值,计算所述待分析游戏服务器每日的游戏玩家人群结构的特征数据;
根据预设分析周期内的所述每日的游戏玩家人群结构的特征数据,计算所述待分析游戏服务器在预设分析周期内的游戏玩家人群结构的特征数据。
2.如权利要求1所述的方法,其特征在于,所述每个维度对应的预设基准数据包括:所述每个维度对应的第一基准数据,其中,所述第一基准数据为所述每个维度在第一预设历史时间段内历史特征数据的基准数据;
所述根据所述每个维度的特征数据,以及所述每个维度对应的预设基准数据,计算所述每个维度的指标分值,包括:
根据所述每个维度的特征数据,以及所述第一基准数据,计算所述每个维度基于所述第一基准数据的第一指标分值,其中,所述每个维度的指标分值包括:所述每个维度的第一指标分值;
所述根据所述多个维度的指标分值,计算所述待分析游戏服务器在所述预设分析周期内的健康度,包括:
根据所述多个维度的第一指标分值,计算所述待分析游戏服务器在所述第一基准数据下所述预设分析周期内的第一健康度,其中,所述待分析游戏服务器在所述预设分析周期内的健康度包括:所述第一健康度。
3.如权利要求2所述的方法,其特征在于,所述每个维度对应的预设基准数据还包括:所述每个维度对应的第二基准数据,其中,所述第二基准数据为所述每个维度在第二预设历史时间段内历史特征数据的基准数据;所述第一预设历史时间段和所述第二预设历史时间段分别为预设时间点之前的不同时长的历史时间段;
所述根据所述每个维度的特征数据,以及所述每个维度对应的预设基准数据,计算所述每个维度的指标分值,包括:
根据所述每个维度的特征数据,以及所述第二基准数据,计算所述每个维度基于所述第二基准数据的第二指标分值;所述每个维度的指标分值还包括:所述每个维度的第二指标分值;
所述根据所述多个维度的指标分值,计算所述待分析游戏服务器在所述预设分析周期内的健康度,包括:
根据所述多个维度的第二指标分值,计算所述待分析游戏服务器在所述第二基准数据下所述预设分析周期内的第二健康度,所述待分析游戏服务器在所述预设分析周期内的健康度还包括:所述第二健康度。
4.如权利要求1所述的方法,其特征在于,所述预设分析周期包括:历史分析周期,所述待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:所述待分析游戏服务器在所述历史分析周期内所述多个维度的历史特征数据;所述获取待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:
从预设数据库中获取所述待分析游戏服务器在所述历史分析周期内所述多个维度的历史特征数据。
5.如权利要求1所述的方法,其特征在于,所述预设分析周期包括:未来分析周期,所述待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:所述待分析游戏服务器在所述未来分析周期内所述多个维度的未来特征数据;则所述获取待分析游戏服务器在预设分析周期内多个维度的特征数据,包括:
从预设数据库中获取所述待分析游戏服务器在预设历史时间段内的多个维度的历史特征数据;
根据所述每个维度的历史特征数据,采用所述每个维度对应的预测模型进行预测,得到所述每个维度在所述未来分析周期内的未来特征数据。
6.如权利要求5所述的方法,其特征在于,所述预测模型包括:多个预测模型,所述多个预测模型分别为采用多个序列窗口内的特征训练集进行训练得到的模型,每个序列窗口内的特征训练集为所述每个序列窗口的时间序列内的历史特征数据,不同预测模型对应不同的时长的序列窗口;
所述根据所述每个维度的历史特征数据,采用所述每个维度对应的预测模型进行预测,得到所述每个维度在所述未来分析周期内的未来特征数据,包括:
根据所述每个维度的历史特征数据,分别采用所述多个预测模型进行预测,得到所述多个序列窗口的预测特征序列;
根据所述多个序列窗口的预测特征序列,以及所述多个预测模型对应的预设权重,计算所述每个维度在所述未来分析周期内的未来特征数据。
7.如权利要求6所述的方法,其特征在于,所述根据所述多个序列窗口的预测特征序列,以及所述多个预测模型对应的预设权重进行加权和运算,计算所述每个维度在所述未来分析周期内的未来特征数据之前,所述方法还包括:
根据所述多个序列窗口内的特征训练集的变异系数,分别计算所述多个预测模型对应的预设权重。
8.如权利要求1所述的方法,其特征在于,所述方法还包括:
接收输入的针对目标服务器的查询请求,所述查询请求包括:所述目标服务器的标识;
根据目标服务器的标识,查询预先确定的所述目标服务器的健康信息,所述健康信息包括:所述目标服务器在所述预设分析周期内的健康度;或者,所述目标服务器在所述多个维度的指标分值;或者,所述目标服务器在所述预设分析周期内的健康度,和,所述目标服务器在所述多个维度的指标分值。
9.如权利要求8所述的方法,其特征在于,所述方法还包括:
展示所述目标服务器对应的雷达图,所述雷达图上显示有:所述多个维度的预设基准值、所述目标服务器在所述预设分析周期内的健康度、所述目标服务器在所述多个维度的指标分值。
10.如权利要求8所述的方法,其特征在于,所述方法还包括:
展示所述目标服务器在所述预设分析周期内所述多个维度的特征数据变化曲线。
11.一种游戏服务器的健康状态获取装置,其特征在于,所述装置包括:获取模块和计算模块,其中:
所述获取模块,用于获取待分析游戏服务器在预设分析周期内多个维度的特征数据;
所述计算模块,用于根据每个维度的特征数据,以及所述每个维度对应的预设基准数据,计算所述每个维度的指标分值,所述每个维度的指标分值为所述每个维度基于所述预设基准数据的指标分值;根据所述多个维度的指标分值,计算所述游戏服务器在所述预设分析周期内的健康度,所述健康度用于表征所述待分析游戏服务器在所述分析周期内的历史健康状态;
其中,所述多个维度的特征数据包括下述至少两项:游戏玩家活跃程度的特征数据、游戏玩家收入水平的特征数据、游戏玩家生命周期的特征数据;游戏玩家人群结构的特征数据或虚拟阵营的特征数据;
所述装置还包括:划分模块,其中:
若所述多个维度的特征数据为所述游戏玩家人群结构的特征数据,则所述获取模块,具体用于获取预设分析周期内,所述待分析游戏服务器中所有游戏玩家每日的实力评分;对每日的所述实力评分按照从大到小的顺序进行排序后,获取实力评分排名靠前的预设个数各目标实力评分;
所述划分模块,用于根据预设间隔将所述目标实力评分进行区间划分,得到至少一个实力区间;
所述计算模块,具体用于根据各所述实力区间的预设权重和各所述实力区间内所述实力评分的评分累加值,计算所述待分析游戏服务器每日的游戏玩家人群结构的特征数据;根据预设分析周期内的所述每日的游戏玩家人群结构的特征数据,计算所述待分析游戏服务器在预设分析周期内的游戏玩家人群结构的特征数据。
12.一种游戏服务器的健康状态获取设备,其特征在于,所述设备包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述游戏服务器的健康状态获取运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行上述权利要求1-10任一项所述的方法。
13.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110071560.6A CN112817832B (zh) | 2021-01-19 | 2021-01-19 | 游戏服务器的健康状态获取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110071560.6A CN112817832B (zh) | 2021-01-19 | 2021-01-19 | 游戏服务器的健康状态获取方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112817832A CN112817832A (zh) | 2021-05-18 |
CN112817832B true CN112817832B (zh) | 2022-09-30 |
Family
ID=75870208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110071560.6A Active CN112817832B (zh) | 2021-01-19 | 2021-01-19 | 游戏服务器的健康状态获取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112817832B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743991A (zh) * | 2021-09-03 | 2021-12-03 | 上海幻电信息科技有限公司 | 生命周期价值预测方法及装置 |
CN114832386B (zh) * | 2022-04-26 | 2024-05-14 | 江苏果米文化发展有限公司 | 一种基于大数据分析的游戏用户智能管理系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994022693A1 (en) * | 1993-03-31 | 1994-10-13 | Automotive Technologies International, Inc. | Vehicle occupant position and velocity sensor |
CN108985501B (zh) * | 2018-06-29 | 2022-04-29 | 平安科技(深圳)有限公司 | 基于指数特征提取的股指预测方法、服务器及存储介质 |
CN109800139A (zh) * | 2018-12-18 | 2019-05-24 | 东软集团股份有限公司 | 服务器健康度分析方法,装置,存储介质及电子设备 |
CN111260156B (zh) * | 2020-02-18 | 2023-07-28 | 中国农业银行股份有限公司 | 现金流预测模型的构建方法及现金流预测方法及装置 |
CN111737589A (zh) * | 2020-08-25 | 2020-10-02 | 北京圈清文化传媒有限公司 | 一种基于人工智能的推荐方法、装置及系统 |
-
2021
- 2021-01-19 CN CN202110071560.6A patent/CN112817832B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112817832A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609708B (zh) | 一种基于手机游戏商店的用户流失预测方法及系统 | |
CN112817832B (zh) | 游戏服务器的健康状态获取方法、装置、设备及存储介质 | |
CN110020905A (zh) | 一种数据化选品的方法、装置及系统 | |
CN108629379A (zh) | 一种个人征信评估方法及系统 | |
CN107547266B (zh) | 在线量异常点的检测方法和装置、计算机设备和存储介质 | |
CN109428910A (zh) | 一种数据处理方法、装置及系统 | |
CN112101807A (zh) | 一种电信行业集团客户价值综合评估的方法及相关装置 | |
CN115049315A (zh) | 一种用电安全风险评估方法、装置、设备及存储介质 | |
CN114024737B (zh) | 确定直播间刷量的方法、装置及计算机可读存储介质 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN108269118B (zh) | 一种数据分析的方法和装置 | |
CN106649358A (zh) | 数据获取方法及装置 | |
US20140214826A1 (en) | Ranking method and system | |
CN108681745B (zh) | 异常信息的识别方法和装置、存储介质、电子装置 | |
JP2003030403A (ja) | プロファイル収集装置および方法、販売促進支援システム、プログラム、記録媒体 | |
CN111309774A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111724009A (zh) | 风险评估方法、风控系统及风险评估设备 | |
CN115311001A (zh) | 一种基于多重投票算法的预测用户换机倾向的方法及系统 | |
CN115249131A (zh) | 确定员工工作质量的数据处理方法及装置和介质和程序 | |
CN108305171A (zh) | 一种基金收益分析方法和装置 | |
CN111652517A (zh) | 一种工程承载能力的量化评估方法及装置 | |
CN114358548A (zh) | 一种确定评价指标的方法、装置及电子设备 | |
CN110516115A (zh) | 一种对于使用用户兴趣点的排序方法及系统 | |
CN110245775B (zh) | 用户收支数据的分析方法、装置及计算机设备 | |
CN113893555A (zh) | 基于冲榜活动的推送方法、装置、存储介质以及服务器 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |