Esta guía ayuda a los clientes a reunir diferentes tipos de conjuntos de datos y a combinarlos en una perspectiva única y unificada. Los clientes de AWS Game Tech pueden crear un perfil de comportamiento completo de sus jugadores para obtener más información sobre cómo los jugadores interactúan con un videojuego, participan dentro de la comunidad y socializan con otros jugadores. La solución de modelador de cohortes clasifica y agrega las métricas de los jugadores en grupos de jugadores individuales, en función de diferentes tipos de datos de métricas, que incluyen las métricas del juego, los comportamientos dentro el juego y las transacciones financieras. Una mayor comprensión del comportamiento de los jugadores guía las decisiones en curso de diseño y desarrollo.
Diagrama de la arquitectura
[Descripción del diagrama de arquitectura]
Paso 1
Los clientes y los servidores del juego utilizan sensores para evaluar las acciones de los jugadores, como el comportamiento tóxico, el estilo del jugador y las compras dentro del juego. Estas acciones se registran de forma declarativa con la API del modelador de cohortes para recopilar datos sobre el avance de los jugadores, la creación de comunidades, la retención y más.
Paso 2
Los consumidores de datos almacenan recomendaciones de contenido y consultan la API. Los consumidores de datos incluyen soluciones de inteligencia artificial y machine learning (IA/ML) y servicios de emparejamiento que conectan a los jugadores.
Paso 3
Amazon API Gateway aloja una API del modelador de cohortes basada en recursos para interactuar con los vértices y bordes de los gráficos.
Paso 4
AWS Lambda atiende las solicitudes realizadas en el punto de conexión de la API, convierte las solicitudes HTTP/S en consultas gráficas de Gremlin y envía estas solicitudes a la base de datos.
Paso 5
Amazon Neptune es una base de datos de gráficos completamente administrada que almacena los datos y las interacciones de los jugadores.
Paso 6
Los usuarios empresariales pueden usar un cuaderno de Jupyter alojado en la nube de AWS para explorar de forma interactiva las cohortes de jugadores.
Paso 7
Los desarrolladores pueden modificar e implementar el ejemplo de código del modelador de cohortes con AWS Serverless Application Model (AWS SAM), que funciona con AWS CloudFormation.
Paso 1
Los clientes y los servidores del juego utilizan sensores para evaluar las acciones de los jugadores, como el comportamiento tóxico, el estilo del jugador y las compras dentro del juego. Estas acciones se registran de forma declarativa con la API del modelador de cohortes para recopilar datos sobre el avance de los jugadores, la creación de comunidades, la retención y más.
Paso 2
Los consumidores de datos almacenan recomendaciones de contenido y consultan la API. Los consumidores de datos incluyen soluciones de inteligencia artificial y machine learning (IA/ML) y servicios de emparejamiento que conectan a los jugadores.
Paso 3
Amazon API Gateway aloja una API del modelador de cohortes basada en recursos para interactuar con los vértices y bordes de los gráficos.
Paso 4
AWS Lambda atiende las solicitudes realizadas en el punto de conexión de la API, convierte las solicitudes HTTP/S en consultas gráficas de Gremlin y envía estas solicitudes a la base de datos.
Paso 5
Amazon Neptune es una base de datos de gráficos completamente administrada que almacena los datos y las interacciones de los jugadores.
Paso 6
Los usuarios empresariales pueden usar un cuaderno de Jupyter alojado en la nube de AWS para explorar de forma interactiva las cohortes de jugadores.
Paso 7
Los desarrolladores pueden modificar e implementar el ejemplo de código del modelador de cohortes con AWS Serverless Application Model (AWS SAM), que funciona con AWS CloudFormation.
Pilares de Well-Architected
AWS Well-Architected Framework le permite comprender las ventajas y desventajas de las decisiones que tome durante la creación de sistemas en la nube. Los seis pilares de este marco permiten aprender las prácticas recomendadas arquitectónicas para diseñar y explotar sistemas confiables, seguros, eficientes, rentables y sostenibles. Con la Herramienta de AWS Well-Architected, que se encuentra disponible gratuitamente en la Consola de administración de AWS, puede revisar sus cargas de trabajo con respecto a estas prácticas recomendadas al responder a un conjunto de preguntas para cada pilar.
El diagrama de arquitectura mencionado es un ejemplo de una solución que se creó teniendo en cuenta las prácticas recomendadas de una buena arquitectura. Para tener completamente una buena arquitectura, debe seguir todas las prácticas recomendadas de buena arquitectura posibles.
-
Excelencia operativaLea el documento técnico sobre excelencia operativa
Se accede a la telemetría de los componentes de la aplicación, la carga de trabajo y la infraestructura a través de Registros de Amazon CloudWatch. Se puede acceder a todas las métricas de estado operativo a través de CloudWatch. La propia aplicación rastrea la telemetría de los usuarios y las transacciones a través de las API de ingesta y consulta.
-
SeguridadLea el documento técnico sobre seguridad
Todos los datos residen en Neptune y se cifran en reposo. Todos los datos de ingesta masiva (datos no provenientes de la API) residen en Amazon Simple Storage Service (Amazon S3) y también se cifran en reposo. Los datos en tránsito se cifran a través de un punto de conexión de VPC dedicado al que solo Neptune tiene acceso. Todos los datos de consulta (a través de la API) se cifran en tránsito mediante la seguridad de la capa de transporte (TLS)/HTTPS.
-
FiabilidadLea el documento técnico sobre fiabilidad
La arquitectura se desacopla mediante un patrón de acceso de tres niveles, desde API Gateway hasta Lambda y Neptune. Cada capa es escalable de forma independiente y tiene una alta disponibilidad. Además, las capas no tienen estado y permiten límites de reintentos automáticos. Cada capa envía los registros de forma individual a CloudWatch para su análisis. La arquitectura se entrega como código de infraestructura (IaC) a través de CloudFormation. CloudFormation administra cualquier actualización, reversión o error.
-
Eficiencia en el rendimientoLea el documento técnico sobre eficacia del rendimiento
Los servicios de esta arquitectura proporcionan un escalado automático y una previsión de costos lineal. Neptune tiene características para explorar y determinar el modelo de relaciones entre jugadores y cohortes. La arquitectura también usa un cuaderno de Jupyter de referencia con ejemplos de código y proporciona instrucciones paso a paso para ingerir, consultar y modelar datos.
-
Optimización de costosLea el documento técnico sobre optimización de costos
La arquitectura minimiza los costos de transferencia de datos fuera de la región de AWS mediante el cobro por las respuestas a las consultas de la API únicamente para obtener información sobre los jugadores. Como resultado, los costos de transferencia de datos solo se aplican a los servicios utilizados en la arquitectura y no para la ingesta de datos. Además, puede predecir los costos en función del uso anterior.
-
SostenibilidadLea el documento técnico sobre sostenibilidad
Los servicios de esta solución no dependen de servidores, por lo que se elimina la necesidad de utilizar equipos. En general, Neptune admite capacidades sin servidor. En esta arquitectura, utilizamos una versión de Neptune que no es sin servidor, pero que aun así utiliza la cantidad mínima de equipo necesario para mantener la fiabilidad.
Recursos de implementación
Se proporciona una guía detallada para experimentar y utilizar dentro de su cuenta de AWS. Se examina cada etapa de la creación de la guía, incluida la implementación, el uso y la limpieza, con el fin de prepararla para su implementación.
El código de muestra es un punto de partida. Está validado por el sector, es prescriptivo pero no definitivo, y le permite profundizar en su funcionamiento para que le sea más fácil empezar.
Contenido relacionado
Obtenga información sobre su base de jugadores con el modelador de cohortes de AWS para videojuegos
Modelador de cohortes de AWS para videojuegos: modelo de datos de gráficos
Descargo de responsabilidad
El código de muestra; las bibliotecas de software; las herramientas de línea de comandos; las pruebas de concepto; las plantillas; o cualquier otra tecnología relacionada (incluida cualquiera de las anteriores que proporcione nuestro personal) se brinda como contenido de AWS bajo el Contrato de cliente de AWS, o el contrato escrito pertinente entre usted y AWS (lo que sea aplicable). No debe utilizar este contenido de AWS en sus cuentas de producción, ni en producción ni en otros datos críticos. Es responsable de probar, proteger y optimizar el contenido de AWS, como el código de muestra, según corresponda para el uso de grado de producción en función de sus prácticas y estándares de control de calidad específicos. La implementación de contenido de AWS puede incurrir en cargos de AWS por crear o utilizar recursos con cargo de AWS, como ejecutar instancias de Amazon EC2 o utilizar el almacenamiento de Amazon S3.
Las referencias a servicios u organizaciones de terceros en esta Guía no implican un respaldo, patrocinio o afiliación entre Amazon o AWS y el tercero. La orientación de AWS es un punto de partida técnico, y puede personalizar su integración con servicios de terceros al implementar la arquitectura.