《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)

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(11)

《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(10) https://developer.aliyun.com/article/1230983?groupCode=supportservice



3.2.2.3.6 解决之道


现在我们经过多轮的验证与排查、观察,可以发现FBC,降低TDR是完成单台 VM<100次黑屏的解决之道,但是解决仅仅是切换DDA即可吗?答案显然不是,虽然 黑屏情况有了大幅提升,但是离客户的核心诉求依旧有一定差距(平均200+,目标 <100),另外DDA是否有其他坑?答案是肯定的,切换DDA后,虽然黑屏减少了很 多,但是编码采集慢问题有了线性增长,可以说为了解决黑屏问题却引入了次生问 题,同时DDA接口是一个高度集成的接口,即Rendering+Encode是合在一起的,对 于定位是具体什么链路导致的采集慢无法定位(后经过NV确认,DDA在微软侧已经确 认了存在非预期采集慢问题,但是由于底层机密无法透露具体原因,只承诺在新版本 会找解决方案,这就是一开始为什么提依赖于厂商链路的原因,依赖厂商相对可控性 就低了,比较黑盒),所以解决方法只能往FBC上想,脑暴汇聚如下:


image.png


 答案比较明显,在现有驱动版本的情况明确了在GRID12(图中A)下对于NVFBC、 DDA均不支持,作为售后角色综合考虑客户侧业务情况(友商驱动在GRID9下运行正 常)与业务线情况(友商步步紧逼,成本压力大),在当下上量节点,方案就仅剩余通过 降级驱动来评估是否FBC情况能否有明显改善,权衡后与研发一同讨论,确认启动 GRID11+NVFBC方案评估,这样即可以为NV去分析GRID12下FBC、DDA的异常问题 争取时间,同时也不影响客户上量诉求,另外GRID11本身也比其他友商要高两个级 别,在功能特性上有加分,若通过的话,该问题算是里程碑突破,当下立断,评估客 户侧环境,确认采用20/80测试,将20%机器采用带有降级驱动的镜像进行重新部 署,观察效果,经过两周观察再逐步拓展到全量,总体看优化前后平均黑屏数 393.93次下降到目前51.15次,优化了87.01%,大部分在个位数,基本达到优化效果。


总结:

•系统内:

o游戏进程,最好有游戏发行线测试,在确认上架前的POC阶段加入游戏对于负 载,特别是GPU负载的压力如何。


o驱动版本,老生常谈,合适的驱动版本 > 匹配的驱动版本 > 新版本驱动,特别 是NV厂商,坑坑洼洼很多,很多问题换个前端驱动(所谓的后端驱动就是宿主机层面层面的虚拟化驱动)可能就解决了


o游戏核心链路协议:DDA在某些特定游戏场景下有坑,采集慢,同时链路耦合 度太高,不便于排查,但是对于新Guest1OS版本友好(虽然在GRID112上有坑), FBC是NV老牌接口,目前已确认废弃(对特定客户开放持续支持,比如本篇中的客户 就是NV单向承诺了,所以才敢继续使用),但是其相关链路分开,不同链路间可打点 位置多,对于游戏业务比较友好。


o设备层面:从设备管理器看可以确认映射的虚拟显卡是否有被注册到OS内的 PCI接口上,若有显示但是未能被正确识别则很可能是驱动问题;


•系统外:

oGPU硬件(更建议找虚拟化团队、AIS团队):从从业经历来讲,GPU硬件应该是 为数不多能够与内存故障相匹敌(如果相同基数的情况)的部件了,在本次专项中笔者 做得最多的就是上NC、VM打nvidia-smi(VM内部看到得更多是进程对应的GPU损 耗),  这个可以确认GPU是否存在掉卡以及显性的UCE错误,  而对于GPU硬件故障也 可以看对应NC或CN的具体message,看看是否有XID之类(有XID不一定是硬件故 障,具体可参阅NV的XID列表)的报错:


image.png


o软件层面(更建议找虚拟化团队、管控团队):可以重点检查下vmem分配情况以及相 关xml对应的pci设备是否正常,还有后端版本是否符合预期。

 

3.2.2.4 游戏陪练场景与架构


3.2.2.4.1 游戏陪练简介


游戏陪练是指陪客户玩指定的网络游戏,并提供随程语音、文字聊天服务。


陪练服务也分为有偿和无偿两种。有偿陪练是指玩家个人主动提出需求,并需要 支付一定的报酬才能够获得陪练服务;无偿陪练通常是游戏厂商为推广游戏而安排人 员在网吧陪伴玩家。当然,也有一些游戏公司让员工在游戏里陪玩家玩,借机圈钱。 其中,  有偿陪练是一种被游戏玩家逐渐关注的全新游戏服务形式。之前报道的魔兽 VIP会所便是专门为有钱人提供的线下陪练服务,但这样高规格游戏陪玩服务属于凤 毛麟角,网上讨论比较多的还是线上游戏陪练。有偿游戏陪练分为两种:


1)第一种是游戏陪练江湖中的自由派,个人单个和用户陪练,不愿意加入任何 游戏组织公会,他们的生意有时候会很冷淡,需要自己在各个社交平台上推销自己。


2)第二种是加入一定游戏组织公会,价格收取就高很多,有时候游戏公会组织 会给派一些比较好的陪练单,这样的陪练费会更高。对于游戏陪练服务,有评论称这 可以满足部分玩家追求热闹的游戏需求。但也要谨防陪练过程中产生的利益纠纷或诈 骗行为,以及警惕借游戏陪练之名进行色情活动等违法情况的出现。



《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) https://developer.aliyun.com/article/1230979?groupCode=supportservice

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
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