多元化数据管理与快速弹性能力,确保沙盒网络业务的稳定性

本文涉及的产品
对象存储 OSS,20GB 3个月
文件存储 NAS,50GB 3个月
对象存储 OSS,内容安全 1000次 1年
简介: 多元化数据管理与快速弹性能力,确保沙盒网络业务的稳定性

更多存储标杆案例
欢迎点击下方链接查看

阿里云存储标杆案例样板间

公司介绍
沙盒网络致力于打造一个全球范围内的游戏UGC平台,帮助普通玩家将创意转变为游戏。当前沙盒网络以blockman go为代表的游戏已在线发行,并在全球获得了超过5000万用户的欢迎。

image.png

业务场景介绍
沙盒网络作为一款知名的游戏UGC平台,目前已经在全球发行多款游戏,并积累了5000万用户。同时随着自研游戏以及用户投稿的游戏产品不断上线,业务规模仍在持续扩大。在此过程中,也对客户的业务平台提出了进一步精细化运维及运营的要求,需要在技术上打通上下游数据,一方面通过多维度的系统监控体系进一步提高平台稳定性保障用户体验,一方面需要通过用户行为数据分析来反哺产品的迭代优化。

多云场景下如何实现数据的统一收集与快速弹性能力

  1. 全球业务多云部署场景下日志集中采集成为难点

沙盒网络业务具有全球化特性,除国内集群外,分别在印度,香港等地均有部署业务集群。同时沙盒网络采用的是多云部署的方式,跨境以及跨云的架构带来了数据难以统一集中采集的问题。

  1. 多元化的数据来源导致统一管理困难

沙盒网络的业务数据,除各云平台的系统数据外,也包括了各个游戏产品的用户行为数据,涉及到IOS,Android等不同客户端的日志,多元化的数据来源,不同的数据日志格式,导致了数据的统一管理困难。

  1. UGC游戏平台的业务特性要求具备快速的弹性能力

沙盒网络作为游戏UGC平台的特点,在游戏新发布及存量游戏活动期间,均可能带来平台流量高峰,同时频繁的新游发布过程,可能由于部分爆款的诞生,要求平台具备快速弹性能力以确保整体业务的稳定性。

多元化数据统一管理,快速弹性能力确保体业务的稳定性
针对沙盒网络业务对于数据集中采集,多元化数据统一管理,快速弹性能力方面的需求。阿里云通过日志服务产品为客户提供一站式解决方案.

在数据集中采集方面,日志服务提供40+数据接入手段,其中Logtail采集方式可用于统一采集阿里云ECS、自建IDC、其他云厂商等服务器上的日志。在沙盒网络多云的部署场景下,可以通过Logtail作为统一的采集方式,并以日志服务作为统一的数据分析平台。同时日志服务根据不同业务环境支持内外+VPC,公网+全球加速等多种数据传输方式,能够很好地适应沙盒网络全球化的业务数据采集场景。

在多元化数据统一管理方面,日志服务提供可托管、高可用、可扩展的数据加工服务,广泛适用于数据的规整、富化、分发、汇总、重建索引等场景。可以帮助沙盒网络对于多元的数据进行统一的加工规整,便于后续投入分析应用。同时对于多云场景,日志服务提供在企业平台内嵌SLS控制台内部管控能力可以进行免权限访问,规避跨云多账号问题。另外日志服务提供丰富的仪表盘能力,帮助沙盒网络不同业务团队根据不同的需求进行数据可视化。

在弹性能力方面,日志服务可随时随地进行弹性扩容,最大能够达到PB级弹性能力,无论对于沙盒网络的流量高峰还是业务增长场景均可以完美应对。
image.png

达到的效果
阿里云日志服务帮助沙盒网络团队解决了多云部署全球化业务场景下数据集中采集统一管理问题,整体异常问题排查时间缩短30%左右,有效助力业务高速成长。

相关实践学习
MySQL基础-学生管理系统数据库设计
本场景介绍如何使用DMS工具连接RDS,并使用DMS图形化工具创建数据库表。
相关文章
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化(下)
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
|
5月前
|
机器学习/深度学习 数据可视化 数据挖掘
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化(中)
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化(中)
|
3月前
|
运维 供应链 安全
构建网络环境的铜墙铁壁:从微软蓝屏事件反思系统安全与稳定性
【7月更文第22天】近期,一起由软件更新引发的“微软蓝屏”事件震撼全球,凸显了现代IT基础设施在面对意外挑战时的脆弱性。此事件不仅影响了数百万台设备,还波及航空、医疗、传媒等多个关键领域,造成了难以估量的经济损失和社会影响。面对这样的挑战,如何构建更为稳固和安全的网络环境,成为了全球IT行业共同面临的紧迫任务。
79 3
|
5月前
|
机器学习/深度学习 数据采集 数据可视化
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化(上)
数据分享|用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
|
2月前
|
机器学习/深度学习 前端开发 数据挖掘
基于Python Django的房价数据分析平台,包括大屏和后台数据管理,有线性、向量机、梯度提升树、bp神经网络等模型
本文介绍了一个基于Python Django框架开发的房价数据分析平台,该平台集成了多种机器学习模型,包括线性回归、SVM、GBDT和BP神经网络,用于房价预测和市场分析,同时提供了前端大屏展示和后台数据管理功能。
|
3月前
|
网络协议 算法 程序员
提高网络稳定性的关键:TCP滑动窗口与拥塞控制解析
**TCP可靠传输与拥塞控制概要:** 小米讲解TCP如何确保数据可靠性。TCP通过分割数据、编号段、校验和、流量控制(滑动窗口)和拥塞控制(慢开始、拥塞避免、快重传、快恢复)保证数据安全传输。拥塞控制动态调整窗口大小,防止网络过载,提升效率。当连续收到3个相同ACK时执行快重传,快恢复避免剧烈波动。关注“软件求生”获取更多技术内容。
75 4
提高网络稳定性的关键:TCP滑动窗口与拥塞控制解析
|
5月前
|
机器学习/深度学习 并行计算 测试技术
BiTCN:基于卷积网络的多元时间序列预测
该文探讨了时间序列预测中模型架构的选择,指出尽管MLP和Transformer模型常见,但CNN在预测领域的应用较少。BiTCN是一种利用两个时间卷积网络来编码历史和未来协变量的模型,提出于《Parameter-efficient deep probabilistic forecasting》(2023年3月)。它包含多个由扩张卷积、GELU激活函数、dropout和全连接层组成的临时块,有效地处理序列数据。实验表明,BiTCN在具有外生特征的预测任务中表现优于N-HiTS和PatchTST。BiTCN的效率和性能展示了CNN在时间序列预测中的潜力。
211 1
|
4月前
|
算法 安全 区块链
在区块链中,共识机制是确保网络一致性的核心要素
**区块链的共识机制**是保证网络一致性的关键,涉及工作量证明(PoW)、权益证明(PoS)等算法。节点通过验证交易和解决数学难题来确认新区块,防止双重支付和篡改。共识确保去中心化网络的安全性、可靠性和信任,即使部分节点故障,系统仍能正常运行。
|
5月前
|
机器学习/深度学习 编解码 算法
YOLOv8改进 | 主干网络 | 增加网络结构增强小目标检测能力【独家创新——附结构图】
YOLOv8在小目标检测上存在挑战,因卷积导致信息丢失。本文教程将原网络结构替换为更适合小目标检测的backbone,并提供结构图。通过讲解原理和手把手教学,指导如何修改代码,提供完整代码实现,适合新手实践。文章探讨了大特征图对小目标检测的重要性,如细节保留、定位精度、特征丰富度和上下文信息,并介绍了FPN等方法。YOLOv8流程包括预处理、特征提取、融合和检测。修改后的网络结构增加了上采样和concatenate步骤,以利用更大特征图检测小目标。完整代码和修改后的结构图可在文中链接获取。
|
5月前
|
监控 安全 网络安全
云端防御:在云计算时代确保数据安全与网络完整性
【5月更文挑战第18天】 随着企业逐渐将关键业务迁移至云平台,云计算服务的安全性成为不容忽视的核心议题。本文旨在探讨当前云计算环境下的网络安全挑战与信息保护策略。文章分析了云服务中存在的安全漏洞,提出了一系列针对性的安全措施,包括加密技术、访问控制和持续监控等,并讨论了如何通过综合安全框架来强化整体防护机制。此外,文中还强调了教育和员工意识提升在维护网络安全中的重要性。