游戏服务器设计模式及算法

游戏循环

游戏循环是一种典型的游戏编程范式，在游戏之外的领域很少用到。

客户端游戏循环

首先来看客户端的游戏循环，伪代码如下：

while (true) {
    processInput()  // 处理（用户、网络）输入
    update()  // 更新游戏状态
    render()  // 渲染
}

有两个相关的术语：

• 游戏速度：游戏状态每秒更新的次数，即每秒调用 update() 的次数。
• FPS：Frames Per Second，每秒调用 render() 的次数。高性能的硬件支持更大的FPS。

具体实现有以下四种方式：

• FPS和游戏速度相等，两者均恒定
• FPS和游戏速度相等，两者均可变
• 游戏速度为最大FPS，游戏速度恒定，FPS可变
• 游戏速度恒定，FPS可变，渲染使用差值计算

服务器游戏循环

服务器游戏循环和客户端类似，但是没有渲染环节：

while (true) {
    processInput()  // 处理（网络）输入
    update()  // 更新游戏状态，包括定时器
}

最简单的固定帧率实现：

int MS_PER_TICK = 100  //每帧100ms

while (true) {
    long start = now()
    processInput()
    update()
    long elapsed = now() - start  //流逝的时间
    if (elapsed < MS_PER_TICK) {
        sleep(MS_PER_TICK - elapsed)
    }
}

但是有一个问题，如果一帧消耗的时间大于100ms，会导致计时不精确。

有两种解决方式，第一种是追帧：

long nextTickTime = now()
while (true) {
    processInput()
    update()
    nextTickTime += MS_PER_TICK
    long now = now()
    if (nextTickTime > now) {
        sleep(nextTickTime - now)
    }
}

另一种是不固定帧率，update()传入两帧间隔时间：

long lastUpdate = now()
while (true) {
    long start = now()
    processInput()
    update(start - lastUpdate)
    lastUpdate = start
    long elapsed = now() - start
    if (elapsed < MS_PER_TICK) {
        sleep(MS_PER_TICK - elapsed)
    }
}

这样就能保证精确计时了。和追帧的方式相比，不固定帧率可以减缓服务器负载。

还有另一个问题，上述实现每帧调用一次 processInput()，导致处理用户请求有最多100ms的延迟。改为实时处理用户请求：

long lastUpdate = now()
while (true) {
    long start = now()
    update(start - lastUpdate)
    lastUpdate = start
    processInput()   //处理已经接收的用户请求
    long elapsed = now() - start
    while (elapsed < MS_PER_TICK) {
        Object input = waitInput(MS_PER_TICK - elapsed) //等待用户请求
        processInput(input);
        elapsed = now() - start
    }
}

其中 waitInput() 为等待用户请求，阻塞调用，参数为最大阻塞时间

事件驱动

原理

实现事件发布者和订阅者的解耦。下图 EventBus 是一个事件中心：

register() 注册监听事件，参数是事件类型和事件处理函数。
unregister() 解除注册。
post() 发布事件。
handlerMap 记录了事件对应的处理函数列表。处理函数可以有优先级。

示例

以《炉石传说》为例，游戏中有以下卡牌：

扭曲巨龙泽拉库：每当你的英雄受到伤害，召唤一条6/6的虚空幼龙。
以眼还眼：当你的英雄受到伤害时，对敌方英雄造成等量伤害。
后院保镖：每当一个友方随从死亡，便获得+1 攻击力。
诅咒教派领袖：在一个友方随从死亡后，抽一张牌。
毒镖陷阱：在对方使用英雄技能后，随机对一个敌人造成 5点伤害。

用事件驱动的方式，可以将“英雄受到伤害”、“随从死亡”、“使用英雄技能”等定义成事件，卡牌上场时注册对应事件，离场时解除注册。这样，当新加一种卡牌时，不需要修改原有代码，只需要在新卡牌的代码中注册事件，最终实现了事件发布者和订阅者的解耦。

帧同步 状态同步

同步

所谓同步，就是要多个客户端表现效果是一致的。实现同步有帧同步和状态同步两种方式。

• 帧同步：服务端只转发客户端操作指令，逻辑计算在客户端。
  适合玩家少且固定，单局时间短，对一致性要求高的游戏。
• 状态同步：服务端做逻辑计算，并将计算结果和新的游戏状态同步到客户端。
  适应性更广，尤其是玩家数量多，游戏复杂度高的游戏。

帧同步实现方式

1. 游戏开始时服务器下发随机种子
2. 客户端使用同样的浮点数算法
3. 客户端上传玩家操作到服务器，服务器将操作和帧序列广播给所有客户端
4. 若一帧没有玩家操作，服务器广播空帧，用于推动客户端运行
5. 客户端根据收到的操作指令做逻辑计算
6. 客户端表现使用预测和插值计算（如王者荣耀同步每秒15帧，渲染每秒30/60帧）
7. 多使用UDP协议
8. 回放只需要保存操作序列，按操作序列重新执行一遍即可
9. 断线重连需要从第一帧重新执行一遍
10. 外挂检测采用投票或服务器验证的方式，但不能防全图挂

状态同步实现方式

（以魔兽世界为例）

1. 玩家使用技能
2. 客户端播放技能动作，同时将指令上传到服务器
3. 服务器验证能否使用技能，并广播技能开始
4. 其他客户端开始播放技能动作
5. 服务器持续计算技能结果，并广播结果
6. 客户端根据接收到的结果和动作节点，播放动画、特效等
7. 若技能改变了游戏状态，广播新的状态

	帧同步	状态同步
开发难度	低	高
安全性	低	高
一致性	高	低
响应性	低	高
服务器压力	低	高
断线重连	困难	容易
回放	容易	困难
跨平台	困难	容易

游戏案例

天梯：ELO等级分

ELO等级分是指由物理学家Elo创建的一个衡量各类对弈活动水平的评价方法，是当今对弈水平评估的公认的权威方法。被广泛用于国际象棋、足球、游戏天梯排名等。

假设A和B的等级分为R_A和R_B，则按Logistic distribution, A对B的胜率为：

假如一位棋手在比赛中的真实得分S_A（胜=1分，和=0.5分，负=0分）和他的胜率期望值不同，则他的等级分要作相应的调整。具体的数学公式为：

K值常规比赛通常为32，大师级比赛通常为16。

例如，A等级分为1613，与等级分为1573的B战平。若K取32，则A的胜率期望值为

因而A的新等级分为

Alias Method 随机采样算法

一种时间复杂度为 O(1) 的随机采样算法。

Alias Method离散分布随机取样

场景AOI算法

AOI(Area Of Interest)，即感兴趣区域，指玩家在场景中的视野区域。

AOI的统一接口如下：

• 角色（玩家、怪物等）拥有坐标和视野半径
• 角色行为有进入场景、离开场景、移动
• 其他角色进、出自己的AOI时，接受通知
• 获取AOI范围内角色集合

有了AOI之后，场景同步可以只同步AOI内的角色行为。AI感知也可以基于AOI实现。

注意：帧同步必须使用全场景同步。

网格法

将场景划分为一个个的小格子，每个格子记录处于其中的角色，我周围的格子里的角色，即为AOI兴趣角色。

网格法不适用于人数很多、场景很大的情况。

网格法图解

十字链表法

1. 建立两个双向链表，场景中所有角色按x坐标排序，存到第一个链表中，按y坐标排序，存到第二个链表中。
2. 角色移动时，根据新坐标调整在两个链表中的次序，保证链表是有序的。
3. 有新角色进入场景时，插入到链表合适的位置。

KBEngine 中的十字链表实现

脏标记

MMO游戏的场景中有许多角色，会频繁产生大量的属性变化，如果每次属性变化都进行同步则开销太大。而使用脏标记模式，在属性变化时将属性的标志位标脏，周期性的将标脏的属性同步给所有客户端，这样可以很大程度上减少同步量。

同样，将变化的属性记录到Redis缓存或数据库中，也可以使用脏标记模式。

脏标记可以用位来记录，这样一个long可以记录64个脏标记。也可以用set记录。

AI：状态机、行为树

AI在游戏中有大量应用，比如人机模式的战斗AI、怪物AI、玩家挂机AI等。

AI的实现一般有状态机和行为树两种方式。

状态机

状态机是一种表示状态并控制状态切换的设计模式。角色处于某个状态中，状态包含数据以及事件处理逻辑，当一个事件发生时，会触发一个动作，或者执行一次状态的迁移。

但是状态机有一些缺陷：

• 各个状态类之间互相依赖很严重，耦合度很高
• 结构不灵活，可扩展性不高，难以脚本化/可视化
• 状态的可复用性差

而行为树可以很好地解决这几个问题。

行为树

行为树是一棵用于控制 AI 决策行为的、包含了层级节点的树结构。树的最末端——叶子，就是这些 AI 实际上去做事情的命令；连接树叶的树枝，就是各种类型的节点，这些节点决定了 AI 如何从树的顶端根据不同的情况，来沿着不同的路径来到最终的叶子这一过程。

Unity 和 Unreal 引擎都内置了可视化的行为树框架。

AI 行为树的工作原理

Unity 行为树

深度学习

深度学习也可以用于游戏AI，但目前使用不广泛，用到的有《王者荣耀》、《逆水寒》
、《星际争霸2》等，而且也是小规模应用。原因有：

• 深度学习可以做出特别强大、灵活多样的战斗AI。而游戏AI往往需要有特定的模式、玩家可以学习并战胜
• 需要庞大的计算量，难以大规模应用
• 结果可控性差，开发人员难以调节
• 较高的开发、维护成本

网易游戏——伏羲人工智能实验室

AC自动机：一种多模匹配算法

可以理解为Trie树+KMP算法。

一个常见的应用场景就是：给出n个单词，再给出一段包含m个字符的文章，找出有多少个单词在文章里出现过。

在游戏中常用于屏蔽词过滤。

AC自动机算法图解

使用UDP协议

和UDP相比，TCP协议有以下特性：

• 面向连接，也就是说有建立连接和断开连接两个行为
• 保证了消息的顺序性
• 超时重传
• 拥塞控制，通过滑动窗口和指数退避实现

但是，TCP也存在一些问题：

• 移动网络质量较差，经常遇到信号不可用、或者在Wifi和移动网络间切换的情况，导致TCP连接断开
• TCP确认机制，导致延迟时间高于UDP

使用UDP提供可靠传输

• 为消息添加一个序列号，发送方按顺序发送，接收方通过序列号判断消息顺序以及是否有丢失
• 加入类似tcp的确认机制，让发送方知道哪些包发送成功，可以有不同的实现方式
• 发送方缓存消息，用于失败重发
• 有些特定的消息失败不需要重发，比如世界聊天、移动消息，可以用单独的序列号，自行控制重发机制
• 检测连接接入和断开，以及客户端IP变化，用于登录认证
• 单个包大小要小于MTU
• 如果网络负载较小，可以不实现拥塞控制