多人游戏与网络同步 / 系统课时
回滚并重放未确认输入
回滚并重放未确认输入
服务器发现客户端预测错误后,单纯把位置改回权威值,会让尚未被服务器确认的本地操作丢失。正确做法是先恢复到服务器确认状态,再按原顺序重新模拟仍未确认的输入,让客户端重新得到一个连续且可解释的预测结果。
学习目标
- 理解确认状态、未确认输入和重放三者的关系。
- 实现一次最小的回滚与输入重放流程,并验证最终状态。
- 知道哪些状态适合重放,哪些副作用不能直接重复执行。
回滚为什么不能只设置一次位置
假设服务器确认到 ackSeq=17,客户端本地已经预测到 seq=20。如果服务器告诉客户端第 17 帧的位置应该是 9.8,客户端不能直接把当前状态从 10.4 改成 9.8 后继续运行,因为 seq=18、19、20 的输入已经产生过结果。
正确顺序是:保存服务器确认状态,找到确认点之后的输入缓存,从确认状态开始依次重放这些输入。这样客户端最终得到的是“以服务器状态为基准重新计算后的当前状态”。

给状态和输入建立最小模型
回滚需要两类数据:一个可复制的游戏状态,以及按顺序保存的本地输入。示例用简单的二维速度模型表示移动;真实项目还应把会影响预测结果的确定性状态纳入快照。
from dataclasses import dataclass
@dataclass
class State:
x: float
y: float
@dataclass(frozen=True)
class InputFrame:
seq: int
dx: float
dy: float
def simulate(state: State, command: InputFrame) -> State:
# 预测逻辑必须与客户端正常更新路径保持一致。
return State(
x=state.x + command.dx,
y=state.y + command.dy,
)
def reconcile(
authoritative: State,
ack_seq: int,
pending_inputs: list[InputFrame],
) -> State:
state = State(authoritative.x, authoritative.y)
# 只重放服务器尚未确认的输入。
for command in pending_inputs:
if command.seq > ack_seq:
state = simulate(state, command)
return state
if __name__ == "__main__":
authoritative = State(x=9.8, y=4.0)
pending = [
InputFrame(seq=18, dx=0.2, dy=0.0),
InputFrame(seq=19, dx=0.2, dy=0.0),
InputFrame(seq=20, dx=0.2, dy=0.1),
]
result = reconcile(authoritative, ack_seq=17, pending_inputs=pending)
print(result)预期输出:
State(x=10.4, y=4.1)这里的 10.4, 4.1 不是从旧的 10.4 直接保留下来,而是从服务器确认位置 9.8, 4.0 出发,重新应用 seq=18、19、20 得到。若 ack_seq 改为 19,重放范围就只剩 seq=20。
输入缓存怎样删除
一旦服务器确认了某个序号,相应输入就不再需要参与下一次回滚。工程实现通常会保留一个有序队列,并在收到确认序号后删除 seq <= ackSeq 的记录。
需要特别注意:状态快照不是输入缓存的替代品。快照回答“从哪里重新开始”,输入缓存回答“确认之后还要做什么”。两者缺一不可,否则回滚后无法恢复到当前预测进度。
哪些操作可以安全重放
移动、旋转、纯状态计算通常适合重新模拟;播放一次特效、发送网络事件、扣除真实货币或写数据库这类副作用不能因为回滚而再次执行。
因此预测代码最好把“计算状态”和“产生副作用”分开。重放阶段只运行确定性的状态更新,已经提交的外部副作用由独立的确认流程处理。这样即使一次网络包触发多次校正,也不会重复发奖、重复扣血或重复创建实体。
一个可用的回滚机制最终应满足三个条件:恢复到正确的确认状态、严格按序重放未确认输入、重放过程中不重复提交外部副作用。做到这三点,校正就不再是一次生硬的“传送回去”,而是可重复计算的状态恢复过程。