多人游戏与网络同步 / 系统课时
带宽预算怎么反推同步频率
带宽预算怎么反推同步频率
同步频率不是拍脑袋决定的参数,而应从玩家数、实体数、单次更新字节数和网络利用率反推。先建立可计算的带宽模型,再对每个参数做敏感性分析,才能知道究竟应该降频、压缩,还是减少同步对象。
学习目标
- 能根据同步对象和更新频率估算单向带宽
- 能区分玩家数、实体数、字段大小和频率对成本的影响
- 能用简单程序快速比较不同同步方案的预算结果
建立最小带宽模型
假设一次状态更新包含固定大小的数据,每个玩家需要接收 entities 个实体的更新,单个实体一次更新为 bytes_per_entity 字节,每秒发送 updates_per_second 次。忽略协议头、重传和加密开销时,单个接收端的理论字节带宽可以写成:
其中 是每秒同步的实体数, 是单实体更新大小, 是每秒更新次数。若每个房间有 players 个玩家,服务端向所有玩家分别发送相同规模的数据,则房间总下行流量可近似为:
其中 为玩家数。实际系统还要加上消息头、序列号、确认、重传以及压缩效果,因此这个模型更适合作为预算基线和上限估算。
用具体数字反推频率
例如,一个房间有 8 名玩家,同时需要同步 120 个实体;每个实体一次更新平均占 24 字节。若目标更新频率分别为 10、20、30 次每秒,则单客户端接收量会线性增长。
players = 8
entities = 120
bytes_per_entity = 24
frequencies = [10, 20, 30]
for frequency in frequencies:
bytes_per_second_per_client = entities * bytes_per_entity * frequency
room_bytes_per_second = bytes_per_second_per_client * players
client_kbps = bytes_per_second_per_client * 8 / 1000
room_kbps = room_bytes_per_second * 8 / 1000
print(
f"{frequency} Hz: client={client_kbps:.1f} kbps, "
f"room_total={room_kbps:.1f} kbps"
)预期结果
10 Hz: client=23.0 kbps, room_total=184.3 kbps
20 Hz: client=46.1 kbps, room_total=368.6 kbps
30 Hz: client=69.1 kbps, room_total=552.2 kbps这个结果直接说明一个关键关系:在其他条件不变时,频率翻倍,理论带宽也近似翻倍。相比之下,单实体大小从 24 字节降到 20 字节,对总带宽的影响只有约 16.7%;因此当频率较高时,优先检查更新频率和同步对象数量通常更有效。
找出最敏感的参数
可以把模型看成几个相乘的因子:
因此每个参数都具有近似相同的“一倍变化”效应,但工程中的可调空间并不相同。玩家数通常属于产品约束,难以随意压缩;实体数可以通过 AOI、距离裁剪和兴趣过滤减少;字段大小可以通过位打包、量化、增量更新和压缩降低;频率则可以针对不同字段采用不同更新周期。
例如,位置可能需要较高频率,而外观、等级等字段不必每个 tick 都发送。将所有状态绑定到统一频率,往往比同步模型本身更浪费带宽。
预算时别忘了方向和协议开销
上面的数字只计算了“业务数据”。实际预算至少应拆成客户端下行、客户端上行和服务端总出口三部分,并给协议头、重传、峰值突发留出余量。尤其是状态同步,不能只算“一个客户端收到多少”,还要确认服务端同时向多少连接发送,以及 AOI 变化是否会造成瞬时峰值。
当预算超标时,不要直接把同步频率砍半。先分别测试减少同步实体、降低低价值字段频率、缩小单次状态大小以及引入 AOI 后的效果,再选择对体验影响最小的方案。这样得到的同步频率,才是由业务约束和网络预算共同反推出来的参数,而不是孤立的配置值。