多人游戏与网络同步 / 系统课时
一个角色每秒要发多少数据
一个角色每秒要发多少数据
角色同步的带宽并不是“单包大小乘发送频率”这么简单。真正需要同时计算单角色状态、每个客户端可见角色数、快照频率和接收者数量,才能看清客户端上下行与服务器出口带宽为什么会快速放大。
学习目标
- 用统一公式估算角色同步的客户端上行、下行和服务器总流量
- 区分单角色状态成本、快照固定开销与多人广播放大效应
- 根据带宽预算判断应该先优化频率、字段大小还是可见角色数量
先把带宽口径拆开
估算前先明确方向。权威服务器架构下,客户端通常上传的是输入或移动命令,而不是直接上传最终角色位置;服务器再把权威状态快照下发给其他客户端。因此上行和下行应使用不同的包大小与频率。
设房间玩家数为 ,每个客户端需要接收的远端角色数近似为 ,快照频率为 ,单角色状态大小为 ,每个快照固定头部为 。则单客户端状态下行可估算为:
服务器总出口近似为:
客户端输入上行若每条输入大小为 、发送频率为 ,则:
这些公式先算应用层字节。UDP、QUIC、WebSocket 或其他传输协议还会增加不同的封装开销,应使用抓包或运行时统计补到最终预算中,而不要假设一个固定网络头大小适用于所有实现。
用一个房间算清上下行
下面用 100 名玩家举例。假设服务器以 20 Hz 下发快照,每名远端角色在快照中占 24 字节,每个聚合快照有 12 字节固定头;客户端以 30 Hz 上传 20 字节移动输入。代码只计算应用层流量,便于先看清数量级。
def mbps(bytes_per_second: int) -> float:
return bytes_per_second * 8 / 1_000_000
players = 100
snapshot_hz = 20
state_bytes = 24
snapshot_header = 12
input_hz = 30
input_bytes = 20
client_down = snapshot_hz * (
snapshot_header + (players - 1) * state_bytes
)
server_egress = players * client_down
client_up = input_hz * input_bytes
server_ingress = players * client_up
print(f'client snapshot downlink: {mbps(client_down):.3f} Mbps')
print(f'server snapshot egress: {mbps(server_egress):.3f} Mbps')
print(f'client input uplink: {mbps(client_up):.3f} Mbps')
print(f'server input ingress: {mbps(server_ingress):.3f} Mbps')预期输出
client snapshot downlink: 0.382 Mbps
server snapshot egress: 38.208 Mbps
client input uplink: 0.005 Mbps
server input ingress: 0.480 Mbps实际值会随玩家可见范围、包头、重传机制、压缩方式和快照内容变化,但这个结果已经说明:在全量广播模型中,服务器出口往往比客户端上行更早成为成本热点。
成本为什么会被人数放大
单角色状态每秒只占 字节,看起来很小;问题在于同一份状态要发给很多接收者。若每名玩家都能看到其他所有玩家,服务器出口中的角色状态项数量近似为 ,玩家数翻倍时总出口可能接近四倍,而不是两倍。
因此多人同步最重要的几个乘数是:
- 可见角色数:兴趣管理把每个客户端的远端角色数从 降到 时,公式可直接把 替换为
- 快照频率:20 Hz 降到 10 Hz,状态部分带宽近似减半,但插值延迟和运动质量也会变化
- 单角色字节数:位置、旋转、速度、状态标志都会累加到每个接收者
- 固定包开销:过度拆小包会让头部、加密标签和调度开销占比上升
用预算反推优化顺序
先在固定玩家数和固定动作脚本下记录实际每秒发送字节,再按消息类型拆分。若主要成本来自“发送给太多不相关玩家”,优先做兴趣管理;若每个角色包都偏大,再检查字段精度和是否存在重复字段;只有在表现允许时才降低快照频率。
一个实用的判断原则是先优化乘数最大的项。把单角色状态从 24 字节减到 20 字节只能节省约 17%,而把每个客户端平均可见角色从 99 个降到 30 个,状态下行可直接减少约七成。带宽模型的价值不是得到一个漂亮数字,而是让优化顺序由实际成本贡献决定。