第64章 行为识別系统

  【写到这里我希望读者记一下我们域名 读好书上 101 看书网，????????s.???超省心 】

  沈逸则在伺服器端，盯著不断波动的延迟监控图。

  初版的抽样分析算法开始运行后，伺服器cpu占用率瞬间飆升，导致全服延迟从正常的50ms左右波动到200ms以上，世界频道已经开始有玩家抱怨“卡了”。

  “抽样算法不能这么粗暴。”沈逸深吸一口气，“建立动態抽样池。伺服器负载低於60%时，抽样比例可以提高到5%；负载高於80%时，抽样比例自动降到1%。

  另外，分析算法本身，看看有没有可以简化的计算步骤？”

  沈逸坐在伺服器工程师旁边，亲自参与到代码优化中。

  他凭藉著前世的经验，指出几个算法中可以优化的冗余计算和內存拷贝操作。经过几处改动，让伺服器cpu占用率下降了十个百分点。

  ……

  第二个24小时，在测试、调整、再测试中度过。

  “閾值调到每分钟220次操作，误差像素3个！测试一轮！”

  “误杀了一个高手玩家的测试数据！他apm（每分钟操作次数）峰值能到210，但操作有波动，不是机械的。”

  “把閾值放宽到每分钟250次操作，但加入『持续时间』判断因子！连续维持高频操作超过30秒才触发！”

  “移动轨跡分析模块，对开『天眼掛』的测试帐號识別率多少？”

  “95%，但它偶尔也会模仿人类走位绕一下圈，差点被它骗过去！”

  “在算法里加入『完美移动』惩罚因子！路径过於符合数学最优解的，要加分！”