Academic Journal
Προβολή σε EDS

Оптимизация потоковой обработки игровых метрик с использованием Apache Flink и Kafka: опыт разработки масштабируемых решений

Λεπτομέρειες βιβλιογραφικής εγγραφής
Τίτλος: Оптимизация потоковой обработки игровых метрик с использованием Apache Flink и Kafka: опыт разработки масштабируемых решений
Στοιχεία εκδότη: APNI, 2024.
Έτος έκδοσης: 2024
Θεματικοί όροι: Apache Kafka, игровая индустрия, масштабируемость, анализ данных в реальном времени, Apache Flink, надежность, игровые метрики, низкая задержка, потоковая обработка данных
Περιγραφή: В данной статье рассматривается оптимизация потоковой обработки игровых метрик с использованием технологий Apache Flink и Kafka, что позволяет создавать масштабируемые решения для игровой индустрии. Описаны архитектурные особенности системы, ключевые проблемы, с которыми сталкиваются разработчики при работе с большими объемами данных, и подходы к их решению. Представлен опыт реализации системы, приведены результаты тестирования производительности и сравнительный анализ Flink и Kafka с альтернативными решениями. Предложены практические рекомендации по настройке и эксплуатации систем потоковой обработки игровых данных, что способствует повышению надежности и снижению задержки обработки. Данное исследование подчеркивает значимость масштабируемых потоковых архитектур для обработки данных в режиме реального времени и их преимущества для улучшения пользовательского опыта в онлайн-играх.
This article discusses the optimization of streaming processing of game metrics using Apache Flink and Kafka technologies, which allows you to create scalable solutions for the gaming industry. The architectural features of the system, the key problems faced by developers when working with large amounts of data, and approaches to solving them are described. The experience of implementing the system is presented, the results of performance testing and a comparative analysis of Flink and Kafka with alternative solutions are presented. Practical recommendations on setting up and operating game data streaming systems are proposed, which helps to increase reliability and reduce processing latency. This study highlights the importance of scalable streaming architectures for real-time data processing and their benefits for improving the user experience in online games.
Τύπος εγγράφου: Article
Γλώσσα: Russian
DOI: 10.5281/zenodo.14053078
Rights: CC BY
Αριθμός Καταχώρησης: edsair.doi...........2f8b0197885ef251a27176731dba4cb5
Βάση Δεδομένων: OpenAIRE
FullText Text:
  Availability: 0
Header DbId: edsair
DbLabel: OpenAIRE
An: edsair.doi...........2f8b0197885ef251a27176731dba4cb5
RelevancyScore: 948
AccessLevel: 3
PubType: Academic Journal
PubTypeId: academicJournal
PreciseRelevancyScore: 947.991638183594
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: Оптимизация потоковой обработки игровых метрик с использованием Apache Flink и Kafka: опыт разработки масштабируемых решений
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: APNI, 2024.
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2024
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22Apache+Kafka%22">Apache Kafka</searchLink><br /><searchLink fieldCode="DE" term="%22игровая+индустрия%22">игровая индустрия</searchLink><br /><searchLink fieldCode="DE" term="%22масштабируемость%22">масштабируемость</searchLink><br /><searchLink fieldCode="DE" term="%22анализ+данных+в+реальном+времени%22">анализ данных в реальном времени</searchLink><br /><searchLink fieldCode="DE" term="%22Apache+Flink%22">Apache Flink</searchLink><br /><searchLink fieldCode="DE" term="%22надежность%22">надежность</searchLink><br /><searchLink fieldCode="DE" term="%22игровые+метрики%22">игровые метрики</searchLink><br /><searchLink fieldCode="DE" term="%22низкая+задержка%22">низкая задержка</searchLink><br /><searchLink fieldCode="DE" term="%22потоковая+обработка+данных%22">потоковая обработка данных</searchLink>
– Name: Abstract
  Label: Description
  Group: Ab
  Data: В данной статье рассматривается оптимизация потоковой обработки игровых метрик с использованием технологий Apache Flink и Kafka, что позволяет создавать масштабируемые решения для игровой индустрии. Описаны архитектурные особенности системы, ключевые проблемы, с которыми сталкиваются разработчики при работе с большими объемами данных, и подходы к их решению. Представлен опыт реализации системы, приведены результаты тестирования производительности и сравнительный анализ Flink и Kafka с альтернативными решениями. Предложены практические рекомендации по настройке и эксплуатации систем потоковой обработки игровых данных, что способствует повышению надежности и снижению задержки обработки. Данное исследование подчеркивает значимость масштабируемых потоковых архитектур для обработки данных в режиме реального времени и их преимущества для улучшения пользовательского опыта в онлайн-играх.<br />This article discusses the optimization of streaming processing of game metrics using Apache Flink and Kafka technologies, which allows you to create scalable solutions for the gaming industry. The architectural features of the system, the key problems faced by developers when working with large amounts of data, and approaches to solving them are described. The experience of implementing the system is presented, the results of performance testing and a comparative analysis of Flink and Kafka with alternative solutions are presented. Practical recommendations on setting up and operating game data streaming systems are proposed, which helps to increase reliability and reduce processing latency. This study highlights the importance of scalable streaming architectures for real-time data processing and their benefits for improving the user experience in online games.
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: Article
– Name: Language
  Label: Language
  Group: Lang
  Data: Russian
– Name: DOI
  Label: DOI
  Group: ID
  Data: 10.5281/zenodo.14053078
– Name: Copyright
  Label: Rights
  Group: Cpyrght
  Data: CC BY
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edsair.doi...........2f8b0197885ef251a27176731dba4cb5
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsair&AN=edsair.doi...........2f8b0197885ef251a27176731dba4cb5
RecordInfo BibRecord:
  BibEntity:
    Identifiers:
      – Type: doi
        Value: 10.5281/zenodo.14053078
    Languages:
      – Text: Russian
    Subjects:
      – SubjectFull: Apache Kafka
        Type: general
      – SubjectFull: игровая индустрия
        Type: general
      – SubjectFull: масштабируемость
        Type: general
      – SubjectFull: анализ данных в реальном времени
        Type: general
      – SubjectFull: Apache Flink
        Type: general
      – SubjectFull: надежность
        Type: general
      – SubjectFull: игровые метрики
        Type: general
      – SubjectFull: низкая задержка
        Type: general
      – SubjectFull: потоковая обработка данных
        Type: general
    Titles:
      – TitleFull: Оптимизация потоковой обработки игровых метрик с использованием Apache Flink и Kafka: опыт разработки масштабируемых решений
        Type: main
  BibRelationships:
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 08
              M: 11
              Type: published
              Y: 2024
          Identifiers:
            – Type: issn-locals
              Value: edsair
ResultId 1