Le but du présent guide est de permettre aux clients de regrouper différents types de jeux de données et de les fusionner dans une vue consolidée unique. Les clients d'AWS Game Tech peuvent créer un profil comportemental complet de leurs joueurs afin d'obtenir des informations plus précises sur la façon dont ils interagissent avec le jeu, participent à la communauté et socialisent avec les autres joueurs. Le modélisateur de cohortes catégorise et agrège les données des joueurs en groupes individuels, en fonction de différents types de données métriques, y compris les métriques en jeu, les comportements en jeu et les transactions financières. Une compréhension plus approfondie du comportement des joueurs alimente les décisions de conception et de développement en cours.
Diagramme d'architecture
[Description du schéma d’architecture]
Étape 1
Grâce à des capteurs intégrés, les serveurs et les clients de jeu analysent les actions des joueurs, comme les comportements toxiques, le style de jeu et les achats. Ces données sont enregistrées de manière déclarative dans l'API Cohort Modeler afin de comprendre la progression des joueurs, le développement de la communauté, la fidélisation et plus encore.
Étape 2
Les consommateurs de données stockent les recommandations de contenu et interrogent l'API. Les consommateurs de données incluent des solutions d'intelligence artificielle et de machine learning (IA/ML) ainsi que des services de mise en relation qui connectent les joueurs entre eux.
Étape 3
Amazon API Gateway héberge une API de modélisation de cohortes Cohort Modeler basée sur les ressources pour interagir avec les sommets et les périphéries orientées graphe.
Étape 4
AWS Lambda répond aux demandes adressées au point de terminaison de l'API, convertit les requêtes HTTP/S en requêtes graphiques Gremlin et soumet ces demandes à la base de données.
Étape 5
Amazon Neptune est une base de données orientée graphe entièrement gérée qui stocke les données et les interactions des joueurs.
Étape 6
Les utilisateurs professionnels peuvent utiliser un bloc-notes Jupyter hébergé sur le Cloud AWS pour explorer de manière interactive des cohortes de joueurs.
Étape 7
Les développeurs peuvent modifier et déployer l'exemple de code du modélisateur de cohortes à l'aide du Modèle d'application sans serveur AWS (AWS SAM) à technologie AWS CloudFormation.
Piliers AWS Well-Architected
Le cadre AWS Well-Architected vous permet de comprendre les avantages et les inconvénients des décisions que vous prenez lors de la création de systèmes dans le cloud. Les six piliers du cadre vous permettent d'apprendre les bonnes pratiques architecturales pour concevoir et exploiter des systèmes fiables, sécurisés, efficaces, rentables et durables. Grâce à l'outil AWS Well-Architected Tool, disponible gratuitement dans la console de gestion AWS, vous pouvez examiner vos charges de travail par rapport à ces bonnes pratiques en répondant à une série de questions pour chaque pilier.
Le diagramme d'architecture ci-dessus est un exemple de solution créée en tenant compte des bonnes pratiques Well-Architected. Pour être totalement conforme à Well-Architected, vous devez suivre autant de bonnes pratiques Well-Architected que possible.
-
Excellence opérationnelle
La télémétrie des applications, des charges de travail et des composants de l'infrastructure est accessible à partir d'Amazon CloudWatch Logs. Toutes les mesures de santé opérationnelle sont accessibles à partir de CloudWatch. L'application elle-même suit la télémétrie des utilisateurs et des transactions à partir des API d'ingestion et de requête.
-
Sécurité
Toutes les données se trouvent dans Neptune et sont chiffrées au repos. Toutes les données d'ingestion en masse (données non liées à l'API) résident sur Amazon Simple Storage Service (Amazon S3) et sont également cryptées au repos. Les données en transit sont chiffrées à partir du point de terminaison d'un VPC dédié auquel seul Neptune a accès. Toutes les données de requête (à partir de l'API) sont cryptées en transit à l'aide du protocole TLS (Transport Layer Security) /HTTPS.
-
Fiabilité
Pour une architecture parfaitement découplée, un modèle d'accès à trois niveaux est utilisé : API Gateway, Lambda puis Neptune. Chaque couche peut se mettre à l'échelle indépendamment et est hautement disponible. De plus, les couches sont sans état et permettent de limiter automatiquement les nouvelles tentatives. Chaque couche envoie individuellement des journaux à CloudWatch pour analyse. L'architecture est fournie sous forme de code d'infrastructure (IaC) à partir de CloudFormation. CloudFormation gère les mises à jour, les annulations ou les erreurs.
-
Efficacité des performances
Les services de cette architecture fournissent un autoscaling et une prévision linéaire des coûts. Neptune possède des fonctionnalités permettant d'explorer et de déterminer la modélisation des relations entre les joueurs et les cohortes. L'architecture utilise également un bloc-notes Jupyter de référence contenant des exemples de code et fournit des instructions détaillées sur l'ingestion, l'interrogation et la modélisation des données
-
Optimisation des coûts
L'architecture minimise les coûts de transfert de données hors de la Région AWS en facturant les réponses aux requêtes d'API uniquement pour obtenir des informations sur les joueurs. Il en résulte que les coûts de transfert de données ne sont encourus que pour les services utilisés dans l'architecture et non pour l'ingestion de données. En outre, vous pouvez prévoir les coûts en fonction de l'utilisation passée.
-
Développement durable
Les services de cette solution sont sans serveur, ce qui élimine le besoin de matériel. En général, Neptune prend en charge les fonctionnalités sans serveur. Dans cette architecture, nous utilisons une version de Neptune qui n'est pas sans serveur, mais qui utilise tout de même le minimum de matériel nécessaire pour maintenir la fiabilité.
Ressources d'implémentation
Un guide détaillé d'expérimentation et d'utilisation est fourni dans votre compte AWS. Chaque étape de la construction du guide, y compris le déploiement, l'utilisation et le nettoyage, est examinée pour le préparer au déploiement.
L'exemple de code est un point de départ. Il s'agit d'un document validé par l'industrie, prescriptif mais non définitif, et d'un aperçu pour vous aider à commencer.
Contenu connexe
Obtenez des informations sur votre base de joueurs à l'aide du modélisateur de cohortes AWS pour les jeux
Modélisateur de cohortes AWS pour les jeux : modèle de données graphiques
Clause de non-responsabilité
Les exemples de code, les bibliothèques de logiciels, les outils de ligne de commande, les preuves de concept, les modèles ou toute autre technologie connexe (y compris tout ce qui précède qui est fourni par notre personnel) vous sont fournis en tant que contenu AWS en vertu du contrat client AWS ou de l'accord écrit pertinent entre vous et AWS (selon le cas). Vous ne devez pas utiliser ce contenu AWS dans vos comptes de production, ni sur des données de production ou autres données critiques. Vous êtes responsable des tests, de la sécurisation et de l'optimisation du contenu AWS, tel que les exemples de code, comme il convient pour une utilisation en production, en fonction de vos pratiques et normes de contrôle de qualité spécifiques. Le déploiement de contenu AWS peut entraîner des frais AWS pour la création ou l'utilisation de ressources payantes AWS, telles que l'exécution d'instances Amazon EC2 ou l'utilisation du stockage Amazon S3.
Les références à des services ou organisations tiers dans ce guide n'impliquent pas une approbation, un parrainage ou une affiliation entre Amazon ou AWS et le tiers. Les conseils fournis par AWS constituent un point de départ technique, et vous pouvez personnaliser votre intégration avec des services tiers lorsque vous déployez l'architecture.