30870

ارائه روشي مبتني بر رفتار بازيكن براي بهبود كيفيت خدمات در سامانه هاي بازي هاي كامپيوتري ابري با استفاده از مقياس پذيري خودكار

كارشناسي ارشد

مهندسي كامپيوتر- نرم‌افزار

1396

1401/11/26

محسن شريفي

ندارم

مهندسي كامپيوتر- نرم‌افزار

كارآمدي سامانه‌هاي بازي‌هاي برخط كامپيوتري ابري در مقايسه با ساير انواع سامانه‌هاي بازي‌هاي كامپيوتري از عواملي نظير ظرفيت‌هاي موجود و در دسترس شبكه ارتباطي اينترنت، ظرفيت‌هاي موجود محاسباتي سامانه ابري، محدوديت‌هاي تجهيزات ناهمگون بازيكنان متاثر بوده و مقياس‌پذيري خودكار به جهت بهبود كيفيت خدمات بازي را الزامي نموده است. همچنين سطح بالاي رقابت ميان بازيكنان در بازي‌هاي برخط چندنفره انبوه و نيز عدم تحمل‌پذيري تاخير براي بازيكنان باعث شده است تا فراهم‌آورندگان سامانه‌هاي بازي‌هاي كامپيوتري ابري اين دسته از بازي‌ها را به صورت ابري ارائه ندهند. برقراري انصاف بين بازيكنان با رفتارها و نقش‌هاي مختلف نيز در بهبود كيفيت خدمات اين سامانه‌ها تاثيرگذار است كه تاكنون در بازي‌هاي برخط چند نفره انبوه ابري مورد توجه قرار نگرفته است. در اين پايان‌نامه ما روشي براي تشخيص رفتار بازيكنان بر اساس دستورات ارسالي آن‌ها و نيز ميزان تاثير هر دستور بر بهره‌وري منابع سامانه ابري معرفي كرده‌ايم تا آن‌ها را دسته‌بندي كنيم. سپس با توجه به دسته‌بندي‌ها به هر بازيكن منابع مورد نياز اختصاص داده مي‌شود و اين منابع به صورت كشساني در دوره‌هاي زماني پايش دوباره محاسبه شده و مقياس‌پذيري خودكار امكان‌پذير مي‌شود. ما با توسعه دادن بازي پك‌من و شبيه نمودن آن به بازي‌هاي برخط چندنفره انبوه، بازي را بر بستر ماشين‌هاي مجازي اجرا نموده و نتايج پياده‌سازي روش مقياس‌پذيري خود را با روش‌هاي HPA و اوپن‌استك هيت و روش A-SARSA كه مبتني بر پيش‌بيني وضعيت بعدي سامانه بر اساس سري‌هاي زماني است، مقايسه نموديم. نتايج پياده‌سازي ما نشان مي‌دهد كه در بخش انرژي نسبت به روش‌هاي مذكور، بين 12 الي 25 درصد كاهش داشته است و اين در حاليست كه منابع كارت گرافيك درگير نبوده است. در بخش توليد قاب بين 5 الي 23 درصد افزايش توليد قاب نشان داده شده است. زمان پاسخ خدمت دهنده نيز نسبت به روش‌هاي مذكور افزايش نداشته و نسبت به دو روش A-SARSA و اوپن‌استك هيت كاهش 11 الي 20 درصدي مشاهده شده است.

1402/06/08

A technique based on player behavior for optimizing quality of service in cloud gaming systems using Auto Scaling

2/15/2024 12:00:00 AM

The efficiency of online cloud gaming systems compared to other types of computer games systems is influenced by exclusive factors such as the available Internet communication network, the available computing capability of the cloud system, the limitations of the heterogeneous devices of the players, and automatic scaling is required to improve the cloud gaming quality of services. Also, the high level of competition among players in massively multiplayer online games (MMOG) and the intolerance of delay for players has made the providers of cloud gaming systems not to provide this category of games in the cloud. Establishing fairness between players with different behaviors and roles is also effective in improving the quality of services of these systems, which has not been considered in cloud multiplayer online games. In this thesis, we have introduced a method to detect the behavior of players based on the commands they send and the impact of each command on the utilization of the cloud system resources in order to categorize them. Then, according to the categories, the needed resources are assigned to each player, and these resources are elastically recalculated in the monitoring time periods and, hence, we made automatic scaling possible for MMOGs. By developing the Pacman game and making it almost similar to MMOGs, we implemented the game on the platform of virtual machines and the comparison of results of the implementation of our scaling method with the HPA and Openstack Heat methods and the A-SARSA method, which is based on predicting the next state of the system, show that there has been a 12-25% reduction in energy compared to the mentioned methods, even though the graphics card resources were not involved. The frame field of view shows an increase from 5% to 23%. There was no increase in server response time compared to the previous method and an improvement of 11-20 compared to the A-SARSA and OpenStack Heat methods.

سامانه‌هاي بازي‌هاي كامپيوتري ابري , مقياس‌پذيري خودكار , رفتار بازيكن , انصاف

Cloud Gaming Systems , auto-scaling , Player Behavior , Fairness

Hamid Hassani

Mohsen Sharifi