open-match匹配流程

栏目: 数据库 · 发布时间: 5年前

内容简介:(金庆的专栏 2019.1)open-match 是一个通用的游戏匹配框架。

open-match匹配流程

(金庆的专栏 2019.1)

https://github.com/GoogleCloudPlatform/open-match

open-match 是一个通用的游戏匹配框架。

由游戏提供自定义的匹配算法(以 docker 镜像的方式提供)。

分为多个进程,各进程之间共享一个 redis.

  • 前端, 接收玩家加入 redis,成功后通知玩家房间服地址
  • 后端,设置一局游戏的匹配规则,设置房间服地址
  • MMFOrc,启动匹配算法(MMF)
  • MMF, 自定义匹配算法,读取 redis 获取玩家,匹配成功就将结果写入 redis. 仅匹配一局就退出。

游戏服中连接 open-match 的前端与后端的进程,分别称为 frontendclient 和 Director。

输入分2部份,一是玩家信息,二是对局信息。

Director 向后端输入对局信息,就会收到一个接一个的对局人员列表.

Director 需要为每个对局开房间,然后通知后端房间地址。

后端将房间地址写入 redis, 然后前端读取到房间地址,就通知 frontendclient,让玩家进入房间。

test/cmd/frontendclient

模拟大厅服或组队服,连接前端API, 请求匹配玩家/队伍。成功后将收到房间服(DGS)的地址(Assignment)。

Player 实际上是一个队伍,其中ID字段是用空格分隔的多个ID.

虽然参数类型都是 Player, CreatePlayer() 参数为整个队伍,而 GetUpdates() 参数是单个玩家。

main() 中创建多个玩家,每个玩家调用 GetUpdates() 以获取结果,go waitForResults() 中处理结果。

waitForResult() 读取流中的匹配结果,压入 resultsChan(但好像 resultsChan 仅用于打印)。

所有玩家合并到 g 实例中,然后调用 CreatePlayer() 请求匹配。

cleanup() 调用 DeletePlayer() 来删除匹配请求,不仅需删除整个队伍,也需要删除单个玩家。

好像最后取结果没取对地方,应该从 resultChan 中获取 Assignment, 并用该地址 udpClient().

看了该示例就可以理解 frontend.proto

examples/backendclient

MatchObject.Properties 是从 testprofile.json 读取的,应该改名为 Profile 是否更好点?

pbProfile 是 MatchObject,Profile 等同于 MatchObject?

Profile 的定义是 MMF 所需的所有参数。

pbProfile.Properties = jsonProfile 重复了2遍。

ListMatches()列出这个Profile的所有匹配。

收到一个匹配后,须用CreateAssignments()将房间服地址, 称为 Assignment, 发送到所有游戏客户端。

cmd/frontendapi

CreatePlayer() 将 Player 对象写入 redis, 键值为 Player.Id , 类型为 HSET。

对 Player 的每个 attribute,添加到 ZSET 中去。

此处 Player 是一组玩家。

GetUpdates() 每隔2s读取redis, Player数据有变化时就发送。此处 Player 是单个玩家。

如果CreatePlayer()中队伍只有一个玩家,

则写入的Player与GetUpdates()中读取的玩家是同一个redis键。

cmd/backendapi

CreateMatch() 中 profile 类型为 MatchObject, 是一个比赛的限制条件。

profile 先写入 redis, 键为 profile.Id .

requestKey := xid() + "." + profile.Id ,

并将 requestKey 加入 redis 集合 “profileq”。

然后每2s查询 redis, 看是否有 requestKey 键出现,并返回该值。

ListMatch() 每2s调用一次 CreateMatch().

DeleteMatch() 仅仅删除 Id 这个键。

CreateAssignments() 为多个队伍设置Assignment, 即房间地址。

遍历所有Roster中的Player对象,在redis中设置Assignment.

(Assignment 更改后,会触发前端更新。)

将所有 Player.Id 从 “proposed” 移到 “deindexed”,这两个是 ZSET, 分值为加入时间。

Roster 应该是比赛中的阵营,如红方,蓝方,每个阵营中可有多个队伍。

DeleteAssignments() 仅仅遍历所有 Player 对象来删除 Assignment 字段。

cmd/mmforc

匹配流程是由 mmforc (matchmaking function orchestrator) 控制的。

mmforc 每秒从 redis 的 profileq 中取出 100 个成员, 其中 profileq 是个set类型,

使用命令为 SPOP profileq 100 .

对每个 profile, 创建一个 k8s 任务:

// Kick off the job asynchrnously
	go mmfunc(ctx, profile, cfg, defaultMmfImages, clientset, &pool)

每隔10s, 还有所有匹配任务都完成后,需要 checkProposals , 即创建 evaluator 任务。

profileq 中的元素 profile 为字符串,matchObjectID.profileID。

以 profileID 为键,可以从 redis 读取 profile 的内容, profile 是个 MatchObject 对象。

profile 的内容为 json 串,其中 “jsonkeys.mmfImages” 为 mmf (matchmaking function) 镜像。

如果profile读取失败,或者 mmfImages 为空,则使用默认的镜像。mmfImages 未来会支持多个镜像。

通过 MMF_* 环境变量传入各种参数.

示例:examples\functions\golang\manual-simple

从环境变量 “MMF_PROFILE_ID” 解析出 profileID, 并向 redis 查询(HGETALL) profile,HSET 类型。

从 profile 中取 pools 字段,即匹配条件。

pools 分为多个 pool, 每个 pool 中有多个 filter, 每个 filter 向 redis 取符合的 Player.

profile 用到以下字段:

  • “properties.playerPool”
    json串,是一些过滤条件,如“mmr: 100-999”
  • “properties.roster”
    json串, 是多个队伍大小,如 “red: 4”

示例见: examples\backendclient\profiles\testprofile.json

简单匹配过程

simple mmf 的匹配过程如下:

  1. 从 redis 查询 profile,获取过滤条件和各队伍大小
  2. 每个过滤条件向 redis 查询,所有结果的交集为可选成员
  3. 去除 ignoreList, 即最近 800s 内已匹配成功的成员,即 proposal 和 deindexed ZSET 列表。
  4. 如果可选成员个数太小,则 insufficient_players 并退出
  5. 分配各个队伍成员
  6. 向 redis 记录结果

profile 中添加 roster,即各阵营成员名单,存入 prososalKey.

保存不分队伍的成员名单。

然后向 “proposalq” 添加 prososalKey

poolRosters 以 (pool名, filter attribute) 为键,值为 Player ID 列表.

保存从 redis 查询的符合条件的 Player ID.

overlaps 以 pool 名为键,保存符合该pool中所有filter的 Player ID 列表,去除 ignore list.

rosters 是 profile 中的 “properties.rosters” 字段。不知何用?

遍历 rosters, 为每个阵营的每个player找到对应pool的PlayerID, 保存到 mo.Rosters.

其中 profileRosters 好像没用。


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

遗传算法原理及应用

遗传算法原理及应用

周明、孙树栋 / 国防工业出版社 / 1999-6 / 18.0

一起来看看 《遗传算法原理及应用》 这本书的介绍吧!

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

XML 在线格式化
XML 在线格式化

在线 XML 格式化压缩工具

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换