文档介绍：云上游戏数据分析实践
从游戏发展的角度来看，不管是端游、页游，还是现在发展迅猛的手游，其生命
周期与盈利情况都与数据分析能力息息相关。同时数据分析对游戏的运维也起到
了至关重要的作用。精确的数据分析有助于在做游戏运营时推出合理的新手引
导，在及时的渠道推广和丰富的消费场景设计，这些将极大地影响游戏玩家对游
戏的关注度，从而延长游戏的生命周期，并从中更好盈利。
游戏数据分析特点
分析是建立在数据上的，数据的特点决定了分析的方向和方法。游戏数据的特点
主要表现在以下四个方面。
第一，数据量大。以手机游戏为例，一款中型规模手游的日均数据量增长在几十
GB。在这种情景下，做常见的月活、季活等游戏指标分析所面对的就是 TB 级别
的海量数据。
第二，数据类型丰富。从游戏数据的种类来看，分为结构化数据和非结构化数据。
从数据存放的位置来看，可以分为文本数据、缓存数据库数据、关系型数据库数
据等。
第三，分析维度多样。由于游戏指标不同，所以游戏分析的维度有很大差异。例
如，游戏指标通常玩家指标、性能指标和过程指标三类。
第四，实时性强。数据分析分为四个层次，数据量少实时性低，数据量少实时性
高，数据量大实时性低，数据量大实时性高。这四个数据分析的层次对技术难度
的要求是逐渐提高的。而游戏数据分析的特点可以划定在最后一档即数据量大实
时性高，所以海量游戏数据分析对技术能力和软件需求提出了极大的挑战。
游戏数据分析现状及瓶颈
我们曾拜访了近百家游戏客户，深入了解游戏开发商如何处理和分析数据，发现
目前数据分析在不同游戏行业中使用程度不同，主要表现在游戏规模越大，使用
的数据分析维度越广，程度越深；中小型游戏数据分析使用程度一般。总体来说，
游戏数据分析的现状如下。
第一，不做数据分析。这种类型的游戏客户在小型页游和大厅类游戏中比较常见，
只是出于备份的需要将数据从生产环境中定时批量备份出来，用单独的硬盘或者
服务器做数据存储。
第二，数据库级别执行 SQL 查询。大多数的游戏客户将生产数据备份出来，导
入到专有的数据库中做离线数据分析，采用的方法是使用 SQL 语言和第三方报
表工具做基本的数据查询。但基于数据库对数据量的限制，当单表记录到千万甚
至上亿级别后，这种分析方法就基本行不通了。
第三，使用成熟的数据仓库产品。在中大型游戏客户中，数据规模已达到一定的
数量级别，游戏运维离不开数据分析的支撑。这种情况下，用户会选用数据仓库
产品，将数据库中的数据经过 ETL 后导入到数据仓库中做数据分析，或者用户
利用物理机集群自建大数据分析平台，例如 Hadoop，Spark 等分布式大数据分
析框架，结合具体应用场景做大数据分析。
在数据分析中，当数据量达到海量级别后，上述三种情况都会遇到相应