多人游戏与网络同步 / 系统课时
给多人场景建立压测基线
给多人场景建立压测基线
多人网络优化最怕“这次感觉更快”却无法复现。本课把玩家数、动作频率、场景、构建版本和网络条件固定下来,用同一套负载脚本重复运行,得到可比较的连接成功率、应用层响应时延和服务器资源曲线。
学习目标
- 能把多人压测拆成固定负载、固定场景和固定网络条件。
- 能运行一份最小 WebSocket 压测脚本并核对连接是否成功。
- 能判断一组数据是否足以作为后续优化的性能基线。
先冻结会改变结果的变量
基线的价值不在于“压得多”,而在于每次测试都尽量只改变一个因素。至少要固定服务器构建版本、地图或房间规则、玩家数、每名玩家的动作频率、测试时长、服务器规格以及网络条件。
一个可执行的起点可以是:50 个并发玩家、每名玩家每 100 ms 发送一次移动动作、持续 30 秒、客户端与服务器之间不额外注入延迟或丢包。后续若优化同步策略,就仍用这组条件重跑,而不是同时把玩家数和网络环境也改掉。
| 维度 | 基线值示例 | 为什么要固定 |
|---|---|---|
| 并发玩家 | 50 | 决定连接数与广播扇出 |
| 动作频率 | 10 次/秒/玩家 | 决定入站消息压力 |
| 持续时间 | 30 秒 | 保证不同轮次窗口一致 |
| 网络条件 | 无额外延迟、无额外丢包 | 先测服务本身,再叠加网络故障 |
| 服务器构建 | 同一提交或镜像标签 | 避免代码变化污染结果 |

用固定动作脚本制造可重复负载
下面的 k6 脚本针对一个约定的 WebSocket 测试接口:客户端发送 move,服务端用 ack 回同一个 seq。真实项目如果消息格式不同,只需要替换发送体和确认消息解析逻辑,不要改变并发数、发送间隔和持续时间。
import ws from 'k6/ws';
import { check } from 'k6';
import { Trend } from 'k6/metrics';
const appRtt = new Trend('app_rtt_ms', true);
export const options = {
scenarios: {
players: {
executor: 'per-vu-iterations',
vus: 50,
iterations: 1,
maxDuration: '35s',
},
},
thresholds: {
checks: ['rate>0.99'],
app_rtt_ms: ['p(95)<200'],
},
};
export default function () {
const url = __ENV.WS_URL || 'ws://127.0.0.1:8080/ws';
const sentAt = new Map();
const response = ws.connect(url, {}, (socket) => {
socket.on('open', () => {
let seq = 0;
socket.setInterval(() => {
sentAt.set(seq, Date.now());
socket.send(JSON.stringify({ type: 'move', seq, x: seq % 10, y: 0 }));
seq += 1;
}, 100);
socket.setTimeout(() => socket.close(), 30000);
});
socket.on('message', (raw) => {
const msg = JSON.parse(raw);
if (msg.type !== 'ack' || !sentAt.has(msg.seq)) return;
appRtt.add(Date.now() - sentAt.get(msg.seq));
sentAt.delete(msg.seq);
});
});
check(response, {
'websocket status is 101': (r) => r && r.status === 101,
});
}预期结果
脚本可由 k6 加载;正式运行时每个 VU 建立一次 WebSocket 会话,并在 30 秒后主动关闭。安装 k6 后,把服务地址通过环境变量传入。测试环境必须先确认该地址只用于压测,避免误打生产服务器。
k6 version
WS_URL=ws://127.0.0.1:8080/ws k6 run baseline.js预期输出如下。版本号、吞吐量和时延取决于实际环境,因此只核对关键指标是否出现;若 50 个连接都成功,checks 应为 100%。
k6 v<VERSION>
...
checks.........................: 100.00% ✓ 50 ✗ 0
app_rtt_ms.....................: avg=<TIME> min=<TIME> med=<TIME> p(90)=<TIME> p(95)=<TIME> max=<TIME>
ws_sessions....................: 50若 app_rtt_ms 没有样本,先检查服务端是否真的回了带相同 seq 的 ack,不要直接把“没有数据”当成低延迟。
记录能跨轮次比较的指标
客户端脚本只能说明连接和应用层确认消息的表现。多人场景还要同时记录服务器侧 CPU、内存、网络收发、主循环 Tick 或帧时间,以及每秒消息数。否则即使 RTT 下降,也可能只是把压力转移到了服务器队列或广播线程。
建议每轮都保存一条不可变的测试记录:构建标识、压测参数、开始时间、机器规格、地图或房间、脚本版本、网络条件,以及核心指标的 p50、p95、p99。不要只截图一个平均值;平均值会掩盖少量但严重的尖峰。
判断这条基线是否可信
至少连续运行 3 次同一方案。若连接成功率、p95 应用 RTT、CPU 或 Tick 时间在多轮之间大幅漂移,先排查后台任务、GC、日志量、共享宿主机负载或测试数据差异,而不是急着比较两版代码。
可信基线应满足两个条件:参数可复现,即任何人拿到脚本和测试记录都能重跑;波动可解释,即同版本多轮结果落在稳定区间。只有做到这一点,后续“优化前后差了多少”才有意义。