Amazon Redshift を活用したゲームの行動ログ分析

例えば、対戦シューティングゲームにおいて特定の武器やキャラクターによる勝率が高すぎると、多くのプレイヤーが同じ選択を行うようになり、結果としてゲームの遊びの幅が狭まってしまいます。こういった事態を防ぐため、昨今のゲームでは、リリース後にゲーム内のパラメータを変更することが珍しくなくなりました。

こういったレベルデザイン、バランス調整の際には、ある武器やキャラクターを選択した際の行動をログとして収集し、分析することで根拠となるデータが得られることが期待できます。

プレイヤーに長くゲームをプレイしてもらうためには、継続的にゲーム環境の保守と改善に取り組むことが不可欠です。特にマルチプレイヤーゲームではチーターを排除することが重要です。チーターに負けてしまうと、プレイヤーは不快感を抱き、ゲームから離れてしまう可能性があります。

一般的なゲーム運営で取得した時系列ベースの行動ログを解析用のデータに加工し、機械学習を用いてプレイヤーのアイテム数の偽装や不正な行動を検出することができます。ゲームログの分析と機械学習の活用でチーターを検出し、アカウントを BAN するなどの処置を行うことにより、ゲームの公平性を維持し、すべてのプレイヤーが快適にゲームを楽しめる環境を実現できると考えられます。

プレイヤーの勝敗履歴、スキルやレベル、ゲーム内退場確率などを分析し、マッチングアルゴリズムを微調整することで、プレイヤー間の力量差が大きすぎるような不公平なマッチングを減らすことができます。マッチングルールの改善は、プレイヤーの不満やストレスを軽減することに繋がり、継続的なプレイとゲーム運営の改善効果が得られると考えられます。

近年のゲーム開発およびマーケティングコストの高騰は、プレイヤーの生涯価値 (LTV) 最大化の重要性を押し上げています。

例えば、個々のプレイヤーのプレイスタイルと課金パターンを分析し、それぞれのニーズに合わせたプロモーションを実施することで、LTV の最大化を実現することができると考えられます。加えて、上述したチート検出とマッチングアルゴリズムの改善により、プレイヤーの満足度を高めて長くプレイしてもらうことで LTV 向上に役立つと考えられます。

Amazon Redshift のページを開き、左のメニューから Redshift サーバーレス を選択します。

すべてデフォルトの状態で「設定を保存」をクリックします。

Amazon Redshift サーバーレスの構成が完了するまで数分待ちます。作成が完了したら、ダッシュボードにデフォルトのワークグループが作成されています。

今回は、ゲーム分析用に新しくワークグループを作成していきます。

右上の「ワークグループを作成」をクリックし、以下の構成でワークグループを作成します。

• ワークグループ名 : game-log-workgroup

• ベース RPU 容量 : 32

上記以外はデフォルトで「次へ」をクリックします。

名前空間は「game-log-namespace」とします。

「関連付けられた IAM ロール」では、「IAM ロールの管理」から「IAM ロールの作成」を選択し、デフォルトの IAM ロールを作成します。追加の Amazon S3 バケットは指定しません。

それ以外は全てデフォルトとして「次へ」「作成」とクリックしていきます。

Amazon Kinesis Data Firehose から Amazon Redshift クラスターにアクセスするためには、ワークグループにセキュリティグループを設定する必要があります。

Amazon EC2 のページを開き、左のメニューから「セキュリティグループ」を選択、「セキュリティグループを作成」を選択します。

セキュリティグループ名と名前は「game-log-redshift-group」とします。

インバウンドルールに、以下の行を追加します。

• タイプ : Redshift

• ソース : 13.113.196.224/27

13.113.196.224/27 は東京リージョンにおける Amazon Kinesis Data Firehose のパブリック IP アドレスになります。東京リージョン以外の IP アドレスは こちらで確認できます。

それ以外はすべてデフォルトの状態のまま作成します。

次に、Redshift のページへ移動します。Amazon Redshift サーバーレスのダッシュボードから「game-log-workgroup」を選択し、「ネットワークとセキュリティ」の「編集」をクリックします。

「VPC セキュリティグループ」に「game-log-redshift-group」を選択します。「default VPC security group」が選択されている場合は解除します。

また「[パブリックにアクセス可能] をオンにする」も有効にします。

それ以外はデフォルトのまま「変更を保存」をクリックします。

以上で Amazon Redshift Serverless の構成が完了しました。

Amazon Kinesis のページを開きます。

左のメニューから Data Firehose をクリックし、「配信ストリームを作成」をクリックします。

「ソースと送信先を選択」で、以下の構成を選択します。

• ソース : Direct PUT

• 送信先 : Amazon Redshift

配信ストリーム名は「game-log-stream」とします。

送信先の設定は「Serverless ワークグループ」を選択し、Serverless ワークグループは先ほど作成した「game-log-workgroup」とします。

データベースの設定は以下の構成とします。

• データベース : game

• ユーザー名 : admin

• パスワード : 任意の文字列

• テーブル : log

「S3 の中間バケット」の項目を設定します。今回は「作成」をクリックして新しく作成します。

S3 の設定画面に移動します。S3 の「一般的な設定」を構成していきます。

バケット名は「{任意の文字列}-game-log-from-firehose」とします。それ以外は全てデフォルトの状態で「バケットを作成」をクリックします。

Amazon Kinesis Data Firehose の設定画面に戻ります。

「S3 の中間バケット」の「参照」をクリックし、先ほど作成した S3 バケットを選択します。

「COPY コマンドオプション」には以下のコマンドを入力します。

json 'auto ignorecase'

それ以外の設定はデフォルトのままとし、「配信ストリームを作成」をクリックします。

次に、ログ分析用のデータベースを作成します。

Amazon Redshift のページを開き、左のメニューから「クエリエディタ v2」をクリックします。

クエリエディタが立ち上がったら「Serverless: game-log-workgroup」を選択します。

Connect to game-log-workgroup というダイアログが開くので、Federated user のまま「Create Connection」を選択します。

上部の「Create」ブルダウンから「Database」を選択します。

データベースの作成画面が開かれるので、Database には「game」を入力、Users and groups には「admin」を選択し、「Create database」を選択します。

次に、game データベースにテーブルを作成します。

画面上部の「+」タブをクリックし、「Editor」を選択します。

workgroup と database として、今回作成したものを選択し、エディタに以下のクエリを入力します。

CREATE TABLE log (
    player_id int,
    weapon_id int,
    defeated_player_id int,
    defeated_weapon_id int,
    created_at int
);

「Run」ボタンをクリックすると、log テーブルが作成されます。

Admin ユーザーのパスワードを設定します。

サーバーレスダッシュボードから、game-log-namaspace 名前空間を選択し、管理者パスワードを変更をクリックします。

管理者ユーザー名は「admin」とし、パスワードは Amazon Kinesis Data Firehose の設定の際に入力したものとします。

ダミーのゲームサーバーとして EC2 を立ち上げる前に、EC2 から Amazon Kinesis Data Firehose にアクセスするための IAM ロールを作成しておきます。

IAM の画面を開き、左のメニューから「ロール」を選択、「ロールを作成」ボタンをクリックします。

「信頼されたエンティティを選択」で、以下の構成で次へをクリックします。

• 信頼されたエンティティタイプ : AWS のサービス

• ユースケース : EC2

「許可ポリシー」の画面で、Firehose で検索し「AmazonKinesisFirehoseFullAccess」を選択して「次へ」をクリックします。

ロール名は「GameServerFirehoseAccessRole」として「ロールを作成」をクリックします。

以上で IAM ロールの作成は完了です。

次に、ゲームサーバーとなる EC2 を起動します。

EC2 のページに遷移し、「インスタンスを起動」を選択します。名前には「analytics」を入力します。

ページ下部の「高度な詳細」を開き、先ほど作った IAM ロールを指定します。

それ以外はすべてデフォルトの状態で「インスタンスを起動」を選択します。

キーペアを作成のダイアログが表示されたら「キーペアなしで続行」を選択します。

EC2 が起動したら、 analytics インスタンスを選択して「接続」をクリックします。

インスタンスの接続方法として、「EC2 Instance Connect」を選択し、接続をクリックします。

このようなコマンドラインが表示されれば完了です。

EC2 に fluentd をインストールします。

fluentd のドキュメントより、立ち上げた OS に合わせてインストールコマンドを実行します。
https://docs.fluentd.org/installation/install-by-rpm#amazon-linux

次に、fluentd の kinesis プラグインを、以下のコマンドでインストールします。

sudo /usr/sbin/fluent-gem install fluent-plugin-kinesis

fluentd の設定を変更し、http 経由で受け取ったログを Amazon Kinesis Data Firehose に流すようにします。

以下のコマンドを実行し、fluentd.conf の変更を行います。

sudo vi /etc/fluent/fluentd.conf

ファイルの任意の箇所に、以下の設定を追記します。

<source>
  @type http
  port 8889
  bind 0.0.0.0
  tag game.log
</source>

<match game.**>
  @type kinesis_firehose
  region ap-northeast-1
  delivery_stream_name game-log-stream
  <buffer>
    flush_interval 1
    chunk_limit_size 1m
    flush_thread_interval 0.1
    flush_thread_burst_interval 0.01
    flush_thread_count 15
    total_limit_size 2GB
  </buffer>
</match>

ファイルの修正が完了したら、以下のコマンドで fluentd を再起動します。

sudo systemctl restart fluentd.service

fluentd に http リクエストでログを送信するダミーゲームサーバースクリプトを作成します。

以下のコマンドを実行し、dummy_server.py を作成します。

vi dummy_server.py

以下の Python スクリプトを貼り付けます。このスクリプトは、あらかじめ用意されたプレイヤー ID と武器 ID の対をランダムで選び、倒したプレイヤーと武器もランダムに選択してログを生成します。

import requests
import time
import random

RECORDS_NUM = 1000

PLAYER_ID_LIST = [
    100000001,
    100000002,
    100000003,
    100000004,
    100000005,
    100000006,
]

PLAYER_TO_WEAPON_ID_LIST = {
    100000001: 200000001,
    100000002: 200000002,
    100000003: 200000001,
    100000004: 200000003,
    100000005: 200000001,
    100000006: 200000002,
}

for i in range(RECORDS_NUM):
    player_to_defeat_weight = {
        100000001: 80,
        100000002: 90,
        100000003: 120,
        100000004: 120,
        100000005: 50,
        100000006: 110,
    }

    player_id = random.choices(PLAYER_ID_LIST, [120, 110, 80, 80, 150, 90]).pop()
    player_to_defeat_weight.pop(player_id)

    defeat_player_id = random.choices(list(player_to_defeat_weight.keys()), list(player_to_defeat_weight.values())).pop()
    current_timestamp = int(time.time())

    body = {
        "player_id": player_id,
        "weapon_id": PLAYER_TO_WEAPON_ID_LIST[player_id],
        "defeated_player_id": defeat_player_id,
        "defeated_weapon_id": PLAYER_TO_WEAPON_ID_LIST[defeat_player_id],
        "created_at": current_timestamp
    }

    r = requests.post('http://localhost:8889/game.log', json=body);

    print(body)

    time.sleep(random.uniform(0.1, 1.5))

以下のコマンドを実行してダミーサーバーを起動します。

python3 dummy_server.py

このスクリプトを実行している限り、fluentd にログが送信され続けます。念のため 1,000 行出力した時点で停止するようにしていますが、数百行程度出力したら Ctrl + C などで停止していただいて問題ありません。

以上の作業により、Amazon Redshift の log テーブルにデータが格納されます。クエリエディターでデータを確認してみましょう。

数分ほど待ってから、再び Amazon Redshift のクエリエディターを開きます。

画面上部の「+」タブをクリックし、「Editor」を選択して SQL 文を貼り付けます。

SELECT * FROM log;

上部の「Run」をクリックすることで、テーブルに格納されたデータを確認することができます。

Amazon Redshift Serverless に格納されたデータに対して、実際の運用を想定したクエリを実行します。

次のクエリを実行すると、武器 ID ごとに撃破した回数を出力することができます。

SELECT weapon_id, COUNT(*) FROM log GROUP BY weapon_id;

Result ペインの右上にある「Chart」をクリックするとグラフ化することもできます。

EC2 のページを開き、analytics インスタンスを選択し、「インスタンスの状態」から「インスタンスを終了」をクリックします。

Amazon Kinesis Data Firehose のページを開き、「game-log-stream」を選択して「削除」をクリックします。

Amazon Redshift Serverless のページを開き、game-log-workgroup のワークグループと名前空間を削除します。