《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.2 游戏类泛娱乐——3.2.2 游戏泛娱乐技术服务(12)

简介: 《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.2 游戏类泛娱乐——3.2.2 游戏泛娱乐技术服务(12)

《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.2   游戏类泛娱乐——3.2.2 游戏泛娱乐技术服务(11) https://developer.aliyun.com/article/1230982?groupCode=supportservice



3.2.2.4.2 陪练业务行业定位


•客户APP介绍

客户APP201X年正式上线,平台注册用户已超6000万,汇聚了超过800万电竞 大神。覆盖王者荣耀、英雄联盟、英雄联盟手游、绝地求生、和平精英、永劫无间、 守望先锋、刀塔2、第五人格、堡垒之夜等各种主流游戏娱乐。更有超过6000万的游 戏玩家注册成为大神,解锁全新游戏体验。客户还有10余支明星战队入驻:可参加 iG、DYG等各大明星选手水友赛,也可参与多个战队官方青训招募晋升职业赛场。


image.png


•客户APP特点

基于时间+LBS定位,匹配技能玩家

在APP中,用户除了可以通过”大神”榜单排名进行选择外,还可以根据自身的需 求,进行精准条件筛选。

技能分类:根据用户需求找到各品类的玩家。

匹配:基于LBS定位搜索到附近玩家。

玩家动态的算法推荐:在App首页“推荐“功能下,用户会接受到匹配自身喜好的 玩家动态。


•游戏连麦玩法多样

众多热门游戏(英雄联盟LOL、英雄联盟手游、王者荣耀、和平精英、永劫无 间、绝地求生PUBG、刀塔2、守望先锋、Apex英雄、第五人格、穿越火线等),由经 过严苛考核的游戏大神领头,带来全新游戏体验。除了玩家大神,  更有各大明星战客户APP特点


•基于时间+LBS定位,匹配技能玩家

在APP中,用户除了可以通过”大神”榜单排名进行选择外,还可以根据自身的需 求,进行精准条件筛选。

技能分类:根据用户需求找到各品类的玩家。

匹配:基于LBS定位搜索到附近玩家。


•游戏连麦玩法多样

众多热门游戏(英雄联盟LOL、英雄联盟手游、王者荣耀、和平精英、永劫无间 、绝地求生PUBG刀塔2、守望先锋、Apex英雄、第五人格、穿越火线等),由经过严 苛考核的游戏大神领头,带来全新游戏体验。除了玩家大神,更有各大明星战队、热 门主播与玩家一起打游戏。


•APP主要功能

•首页

首页的“关注“”推荐“”附近“以算法推荐将大神动态推荐到更匹配的用户首页, 让同类用户更容易找到自己感兴趣的内容和玩家。并且,App依托算法技术,  精准推 送4个用户喜好的品类在首页并通过“更多”链接全品类。


•娱乐

在“发现”板块更有客户的特色品类:直播、聊天室、活动中心等。


•广场

用户可以自己发布文字、图片、视频等动态,与其他用户评论、点赞等互动,让 用户之间从技能交易成为技能社交。


聊天

用户将在这里完成在线沟通,除了常规的交流外,还可以赠送丰富的钻石小礼物 ,增加用户之间的默契度。


•我的

【个人主页】编辑丰富个人形象。

 

3.2.2.4.3 陪练云上架构

客户在阿里云上资源主要分布在华东地域,部分出海资源在东南亚。作为阿里云 的早期用户,客户伴随着阿里云一起成长,使用产品种类涵盖了阿里云绝大部分主流 产品,是阿里云数据库产品的重要客户之一。


image.png


随着公司业务的快速发展,尤其自2020年至今,客户APP注册用户和平台数据 量呈现爆发式增长,给企业整体IT成本,业务系统稳定性以及业务扩展性带来了极大 挑战。


经过细致的市场调研,客户陪练技术团队决定与阿里云展开合作,通过引入多款 阿里云自研数据库产品,包括云原生关系型数据库PolarDB、云原生内存数据库Tair 、云原生多模数据库Lindorm、图数据库GDB等,  有效支撑了核心业务数据爆发式 增长,以及高并发业务场景,保障了用户的流畅体验。


客户数据库技术负责人表示,阿里云自研数据库良好的扩展性和高性能,帮助他 们构建了坚实稳定的基础数据架构;基于阿里云自研数据库体系,他们在IT基础上实 现了40%的降本,同时在阿里云数据库生态基础上,自研了一套DB智能平台,  提升 了100%DB治理效率。

 

image.png



《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.2   游戏类泛娱乐——3.2.2 游戏泛娱乐技术服务(13) https://developer.aliyun.com/article/1230977?groupCode=supportservice

 

相关文章
|
2月前
|
机器学习/深度学习 安全 算法
十大主流联邦学习框架:技术特性、架构分析与对比研究
联邦学习(FL)是保障数据隐私的分布式模型训练关键技术。业界开发了多种开源和商业框架,如TensorFlow Federated、PySyft、NVFlare、FATE、Flower等,支持模型训练、数据安全、通信协议等功能。这些框架在灵活性、易用性、安全性和扩展性方面各有特色,适用于不同应用场景。选择合适的框架需综合考虑开源与商业、数据分区支持、安全性、易用性和技术生态集成等因素。联邦学习已在医疗、金融等领域广泛应用,选择适配具体需求的框架对实现最优模型性能至关重要。
517 79
十大主流联邦学习框架:技术特性、架构分析与对比研究
|
3月前
|
Kubernetes Cloud Native 微服务
探索云原生技术:容器化与微服务架构的融合之旅
本文将带领读者深入了解云原生技术的核心概念,特别是容器化和微服务架构如何相辅相成,共同构建现代软件系统。我们将通过实际代码示例,探讨如何在云平台上部署和管理微服务,以及如何使用容器编排工具来自动化这一过程。文章旨在为开发者和技术决策者提供实用的指导,帮助他们在云原生时代中更好地设计、部署和维护应用。
|
11天前
|
机器学习/深度学习 缓存 自然语言处理
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
Tiktokenizer 是一款现代分词工具,旨在高效、智能地将文本转换为机器可处理的离散单元(token)。它不仅超越了传统的空格分割和正则表达式匹配方法,还结合了上下文感知能力,适应复杂语言结构。Tiktokenizer 的核心特性包括自适应 token 分割、高效编码能力和出色的可扩展性,使其适用于从聊天机器人到大规模文本分析等多种应用场景。通过模块化设计,Tiktokenizer 确保了代码的可重用性和维护性,并在分词精度、处理效率和灵活性方面表现出色。此外,它支持多语言处理、表情符号识别和领域特定文本处理,能够应对各种复杂的文本输入需求。
50 6
深入解析Tiktokenizer:大语言模型中核心分词技术的原理与架构
|
1月前
|
机器学习/深度学习 缓存 自然语言处理
DeepSeek背后的技术基石:DeepSeekMoE基于专家混合系统的大规模语言模型架构
DeepSeekMoE是一种创新的大规模语言模型架构,融合了专家混合系统(MoE)、多头潜在注意力机制(MLA)和RMSNorm归一化。通过专家共享、动态路由和潜在变量缓存技术,DeepSeekMoE在保持性能的同时,将计算开销降低了40%,显著提升了训练和推理效率。该模型在语言建模、机器翻译和长文本处理等任务中表现出色,具备广泛的应用前景,特别是在计算资源受限的场景下。
544 29
DeepSeek背后的技术基石:DeepSeekMoE基于专家混合系统的大规模语言模型架构
|
3月前
|
监控 安全 API
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
本文详细介绍了PaliGemma2模型的微调流程及其在目标检测任务中的应用。PaliGemma2通过整合SigLIP-So400m视觉编码器与Gemma 2系列语言模型,实现了多模态数据的高效处理。文章涵盖了开发环境构建、数据集预处理、模型初始化与配置、数据加载系统实现、模型微调、推理与评估系统以及性能分析与优化策略等内容。特别强调了计算资源优化、训练过程监控和自动化优化流程的重要性,为机器学习工程师和研究人员提供了系统化的技术方案。
250 77
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
|
1月前
|
机器学习/深度学习 算法 文件存储
YOLOv11改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
YOLOv11改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
121 10
YOLOv11改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
|
1月前
|
机器学习/深度学习 算法 文件存储
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
41 4
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
|
13天前
|
安全 容灾 网络安全
深度用云——释放企业潜能 | 网络先行——阿里云网络卓越架构白皮书正式发布
深度用云——释放企业潜能 | 网络先行——阿里云网络卓越架构白皮书正式发布
|
2月前
|
存储 缓存 关系型数据库
社交软件红包技术解密(六):微信红包系统的存储层架构演进实践
微信红包本质是小额资金在用户帐户流转,有发、抢、拆三大步骤。在这个过程中对事务有高要求,所以订单最终要基于传统的RDBMS,这方面是它的强项,最终订单的存储使用互联网行业最通用的MySQL数据库。支持事务、成熟稳定,我们的团队在MySQL上有长期技术积累。但是传统数据库的扩展性有局限,需要通过架构解决。
80 18
|
2月前
|
监控 JavaScript 数据可视化
建筑施工一体化信息管理平台源码,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
智慧工地云平台是专为建筑施工领域打造的一体化信息管理平台,利用大数据、云计算、物联网等技术,实现施工区域各系统数据汇总与可视化管理。平台涵盖人员、设备、物料、环境等关键因素的实时监控与数据分析,提供远程指挥、决策支持等功能,提升工作效率,促进产业信息化发展。系统由PC端、APP移动端及项目、监管、数据屏三大平台组成,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
115 7

热门文章

最新文章