多人游戏与网络同步 / 系统课时
线上不同步告警看哪些指标
线上不同步告警看哪些指标
线上不同步不能只靠“玩家感觉画面不对”来发现。要把同步质量拆成可以持续采集的指标,并区分网络变慢、快照变旧和客户端状态真正偏离三类问题。
学习目标
- 区分帧延迟、状态误差、快照延迟和网络重传
- 设计适合告警的指标口径与标签
- 用一段最小监控代码验证指标是否能正确产生
指标先按问题分组
最实用的做法不是堆指标,而是让每个指标回答一个明确问题:输入处理是否落后、状态是否偏离、快照是否陈旧、连接是否反复恢复、网络是否发生重传。
| 指标 | 主要回答的问题 | 常见异常含义 |
|---|---|---|
| 帧延迟 | 输入对应的 tick 是否及时处理 | CPU 抢占、网络抖动、队列积压 |
| 状态误差 | 客户端与权威状态差多少 | 模拟不一致、快照丢失、应用 bug |
| 快照延迟 | 客户端拿到的权威状态有多旧 | 网络延迟、发送队列拥塞 |
| 重连次数 | 会话是否频繁中断 | 网络不稳定、服务端断连 |
| 网络重传 | 数据包是否大量重复发送 | 丢包、链路质量下降 |
不要直接把“重连次数高”当成不同步证据,它更适合作为网络或会话稳定性的旁证。真正判断状态偏离,应优先看状态误差和快照新鲜度。
统一指标口径
状态误差必须先定义比较对象。例如二维位置可以使用欧氏距离:,其中客户端状态为 ,服务端状态为 。对于整数格移动,也可以直接比较坐标是否完全一致。
帧延迟应绑定 tick 编号或时间戳,快照延迟则记录“当前时间减去快照生成时间”。这样两个指标虽然都以毫秒计,却不会因为口径混乱而互相替代。
用最小代码检查告警条件
下面用 Python 模拟一组运行样本,并按固定阈值判断是否需要告警。它是监控规则的片段示例,不包含 Prometheus、日志系统或具体指标平台的接入代码。
python
samples = [
{"frame_delay_ms": 18, "state_error": 0.02, "snapshot_age_ms": 80, "reconnects": 0, "retransmits": 2},
{"frame_delay_ms": 42, "state_error": 0.10, "snapshot_age_ms": 260, "reconnects": 1, "retransmits": 9},
{"frame_delay_ms": 67, "state_error": 0.80, "snapshot_age_ms": 520, "reconnects": 3, "retransmits": 21},
]
THRESHOLDS = {
"frame_delay_ms": 50,
"state_error": 0.5,
"snapshot_age_ms": 300,
"reconnects": 2,
"retransmits": 15,
}
for index, sample in enumerate(samples, start=1):
alerts = [
name for name, limit in THRESHOLDS.items()
if sample[name] > limit
]
print(f"sample={index} alerts={alerts}")预期输出
text
sample=1 alerts=[]
sample=2 alerts=[]
sample=3 alerts=['frame_delay_ms', 'state_error', 'snapshot_age_ms', 'reconnects', 'retransmits']阈值只是演示值,线上不能照搬。实际阈值应结合玩法 tick、快照频率、网络基线以及客户端容忍范围,并优先观察 P95、P99 等分位数而不是只看平均值。
告警不要只设一个总开关
建议把告警拆成不同故障画像。例如“状态误差高但重传正常”更像模拟逻辑或同步代码问题;“快照延迟和重传同时升高”更像网络路径问题;“重连快速增加且所有同步指标恶化”则应优先检查连接层和服务端健康状况。
为了避免短时毛刺造成误报,告警应加入持续时间窗口或连续样本条件。最终排障链路应能从告警直接落到会话、tick、快照时间戳和状态比较结果,而不是只显示一个笼统的“不同步”标签。
按自己的节奏,确认真正理解。