StarRocks-游戏行业解决方案

游戏行业市场竞争日趋激烈，面向游戏整个生命周期的精细化运营势在必行，作为新一代实时数仓领域的领先者， StarRocks数据库将持续助力游戏行业，通过数据来驱动精品化研运落地，帮助广大游戏企业抢滩游戏精品化时代。

1 游戏运营自助BI业务

1.1 业务场景描述

受限于国内对游戏行业不断趋严的政策、疫情下的整体经济下行以及人口红利的见顶消失，游戏行业进入了存量市场，面向游戏整个生命周期的精细化运营势在必行，游戏厂商的数据分析，正在从较早期的描述性分析向诊断性分析和预测性分析发生转变，并将数据价值越来越多的应用于实际业务中。

面向游戏精细化运营的自助BI业务有如下特点：

1. 报表面向业务人群多，查询并发高，响应时效性低；

2. 请求多数为聚合+明细查询，指标聚合后拉取明细数据；

3.数据源种类多，数据吞吐量高，数据同步和导入实时性要求高；

4. 查询灵活，维度组合不固定，多种数据建模方式共存；

5. 分析人员等待时间短，并可使用报表工具进行自助式查询，对查询引擎的性能要求多为秒级响应。

1.2 解决方案优势

在报表业务和自助BI分析场景中，为了满足不同条件和特点的查询以及业务多元化的需求，底层的 OLAP 引擎可能会选择不同的技术栈和产品，极大增加了技术学习成本和维护成本。

    1.StarRocks数据库全面兼容 MySQL 协议，可在最大程度上减小对原有业务系统的侵入性，并适配大部分主流BI工具，包括帆软 FineBI、永洪BI、SmartBI、奥威等；

2. 提供多种数据建模方式，可以灵活按需使用预聚合、宽表及星型模型以适配不同类型的复杂维度分析和查询，同时还提供了优秀的外表联邦查询能力；

      3. 分区分桶功能增加数据指向性，大幅提高集群并发性，支持更多角色的高并发查询；

4. 通过向量化引擎、智能 CBO 等多种优化手段实现极致性能，提供亚秒级查询速度，无论在单表还是多表的查询上，均能提供机制的性能和优秀的并发

能力；

5.通过前缀索引可以快速过滤数据，减少数据扫描量，节省硬件资源开销，并可通过物化视图功能在明细查询的基础上做不同维度的聚合操作，帮助企业

快速完成多维聚合操作和明细数据的拉去。

2 用户画像场景

2.1 业务场景描述

用户画像是根据一系列用户的真实数据而挖掘出的目标用户模型，其核心在于给用户“打标签”，以达到描述用户的目的，而标签是通过对用户信息分析而来的高度精炼的特征标识，通过给用户打标签的方式，为不同类型的用户提供有针对性的服务。在游戏精细化运营中，一切都是以“用户为中心”，诸多业务系统依赖用户画像标签体系，如对玩家分层、游戏内进行个性化道具和内容推荐以提升玩家消费、广告投放和精准营销、进行细粒度用户群体切分并进行个性化推送做玩家激活或流失玩家挽回等。用户画像场景主要由如下特点：

2.2 传统技术方案

用户画像场景中，进行组合标签计算是画像开发中的一个重要模块，当业务方根据规则应用标签时，需要组合多个标签来创建对应的用户群，标识唯一用户是用户画像场景的难点之一，在通过复杂的业务分析处理后，需要对用户数据进行去重和精炼，传统的去重类分析，执行 Select Distinct Count 的方式进行统计，容易形成大量 SQL 任务调度和大表 Join 会给集群带来繁重压力。

2.3 解决方案优势

1. StarRocks数据库提供了能用于精确去重的 Bitmap 数据结构，支持按位计算求交集、并集、差集，可以方便的根据用户ID进行去重，通过 

Bitmap_To_Array、Unnest 等函数支持业务上列转行的需求；

2. 通过丰富的行为分析函数，可以轻松实现如留存、漏斗等分析操作；

3. 通过主键模型可以高效完成 Upsert 操作，实现新用户信息直接插入，已有用户信息快速更新；

4. 前缀索引可以加速业务查询，并可根据用户唯一标识快速定位数据；

5. StarRocks数据库还提供了极速实时的高性能多表关联能力和外表联邦查询能力，可以支撑多种数据建模方式，多个维度分析数据，也可联邦查询多源

数据库避免数据孤岛的形成。

3 游戏行业风控场景

3.1 业务场景描述

游戏行业黑灰产猖獗，各类恶意注册、撞库、盗号、作弊外挂、养资源号、薅羊毛等事件屡见不鲜，严重影响广大正常玩家的体验，甚至会严重影响游戏的生命周期和收入，所以游戏企业的风控体系建设至关重要。

风控系统有如下特点：

1. 数据导入实时性要求高，响应延迟低；

2. 业务数据源多，获取和计算过程复杂，数据同步方式多样；

3. 查询维度复杂，规则引擎中指标繁多，包含大量的聚合和关联操作；

4. 业务需求快速变化迭代，对风控模型的灵活性有很高的要求。

3.2 解决方案优势

1. StarRocks数据库提供全面的数据摄入能力：既可通过 DataX、Kettle、Canal 等工具支持摄入传统TP类数据库的业务数据，也可通过 Flink 

Connector、Spark Connector 将流式数据导入，而对游戏中的日志、图片、音视频等非结构化数据可将数据写入到湖中；

2. 传统 OLAP 引擎随数据体量增加、系统调用增多以及业务多元化和复杂化，会对其性能提出越来越大的挑战，单一的宽表模型或预聚合模型难以应付复

杂的风控逻辑，对明细数据的查询支持效果也不是很好；StarRocks数据库通过逻辑视图与物化视图以完成多维度的上卷与下钻查询，同时也支持大宽表

和多种聚合模型，最大程度满足复杂的业务需求，也可轻松应对快速迭代的维度和数据变更；

3. StarRocks数据库通过全面向量化引擎、CBO 等多种优化手段以提供极致查询性能的同时，架构也十分简单，核心组件只有 FE、BE 和具备强大运维

管理能力的 Manager，极大程度上降低运维管理成本。