多人游戏与网络同步 / 系统课时
复制数量暴涨时怎样定位根因
复制数量暴涨时怎样定位根因
当服务器每帧或每秒复制的对象数突然上升,最危险的做法是直接降低全局频率,因为这可能掩盖真正的相关性错误。本课按“对象总量、相关性规则、异常对象状态”三层定位,先确认是谁进入复制集合,再判断为什么没有被过滤。
学习目标
- 建立复制数量暴涨时的固定排查顺序
- 区分对象创建过多、相关性规则失效和异常状态三类根因
- 用统计脚本快速找出复制量异常的对象类型
先把复制规模拆成三个问题
复制数量变大通常来自三种来源。第一种是世界里真的出现了更多网络对象,例如特效、投射物或临时实体没有销毁。第二种是对象数量正常,但兴趣区域或相关性过滤失效,导致本来不该发给某个客户端的对象全部进入复制集合。第三种是少量对象进入异常状态,例如持续标记为 dirty、休眠被意外关闭,导致它们每个周期都被重复发送。

先比较全局对象数与单客户端相关对象数
排查时不要只看“这一秒发了多少对象”,至少同时记录两个计数:服务器当前网络对象总数,以及某个客户端实际相关的对象数。
如果两者一起增长,优先检查对象创建和销毁路径;如果全局对象数稳定,但某个客户端的相关对象数突然接近全局总数,优先检查兴趣区域、队伍过滤、房间过滤或空间索引是否失效。
一个实用的基线是记录正常场景中的比例。例如全局有 5000 个网络对象,但单客户端长期只相关 180~260 个;如果故障时突然变成 4200 个,就不应该先调频率,而应先找“为什么几乎所有对象都被判为相关”。
用类型统计找出异常贡献者
定位复制量时,按对象类型聚合往往比逐个对象看日志更有效。下面的脚本接收一批“本周期被复制的对象记录”,统计每种类型的次数,并找出占比最高的贡献者。
from collections import Counter
replicated = [
"Player", "Player", "Projectile", "Projectile", "Projectile",
"Projectile", "Projectile", "Pickup", "Pickup", "AmbientNPC",
]
counts = Counter(replicated)
total = sum(counts.values())
for name, count in counts.most_common():
ratio = count / total
print(f"{name}: count={count}, ratio={ratio:.0%}")
top_name, top_count = counts.most_common(1)[0]
if top_count / total >= 0.5:
print(f"inspect first: {top_name}")预期输出:
Projectile: count=5, ratio=50%
Player: count=2, ratio=20%
Pickup: count=2, ratio=20%
AmbientNPC: count=1, ratio=10%
inspect first: Projectile这个结果不能直接证明 Projectile 有 bug,但它给出了最先检查的对象类型。下一步应确认这些投射物是否真实存在、是否按时销毁,以及它们是否被错误地判定为对所有客户端相关。
相关性规则失效时检查哪些条件
如果对象总量正常而相关集合暴涨,沿着过滤链逐项检查:空间距离、房间或分区、队伍/阵营、可见性、拥有者关系,以及任何“始终相关”的特殊标记。重点找最近改动过的条件,因为一个默认值变化就可能把局部对象提升为全局相关。
还要特别检查边界输入,例如空间坐标未初始化、距离计算得到异常值、对象被放入错误分区,或者客户端观察点仍停留在出生点。这些问题都会让相关性判断看起来“逻辑没错”,但输入已经失真。
集合正常却仍然很忙怎么办
如果相关对象数量没有明显变化,但发送次数或字节数暴涨,就检查对象状态。常见情况是对象每帧都被标记为变化、休眠被持续唤醒,或者高频字段发生无意义抖动,例如浮点位置在极小范围内变化但每次都触发复制。
此时应把每类对象的“相关数量、实际发送次数、平均负载字节、dirty 次数”并排观察。正常对象很多但发送少,和对象不多却每帧都发送,是两种完全不同的优化方向。
修复后必须回到同一场景、同一玩家数量和同一采样窗口重新测量。只有全局对象数、单客户端相关集合、类型占比和实际发送频率都回到正常基线,才能确认根因已经消除,而不是暂时被带宽限制或降频策略遮住。