游戏服务器AOI兴趣点算法原理--四叉树与九宫格 (golang)

定义：

获取感兴趣的区域（Area Of Interest）的算法。主要用于常用的游戏服务器压力，降低网络风暴的可能。

常见的AOI算法有九宫格，四叉树，灯塔，十字链表等算法。本文主要举例九宫格和四叉树两种算法的golang版本实现。

九宫格

九宫格可以说是最容易理解的一种AOI兴趣算法。

举例： 世界坐标是X[20,200]，Y[50,230]，划分成6×6的网格为：

已知玩家坐标（x，y），该玩家在几号网格？

从图可看出，九宫格是把地图根据x，y轴坐标划分为等比例的一张网格地图，每个格子带有一个id编号，当玩家每次移动后根据玩家坐标将玩家置入到相应的格子中，通过把玩家在内的九个格子的所有玩家数据取出得到兴趣用户。

数据结构

type Grid struct {GID      int      //格子IDEntities sync.Map //当前格子内的实体
}type GridManger struct {StartX    int // X区域左边界坐标StartY    int // Y区域上边界坐标AreaWidth int // 格子宽度(长=宽)GridCount int // 格子数量grids     map[int]*Gridpool      sync.Pool
}

通过横纵坐标获取对应的格子ID

func (g *GridManger) getGIDByPos(x, y float64) int {gx := (int(x) - g.StartX) / g.gridWidth()gy := (int(y) - g.StartY) / g.gridWidth()return gy*g.GridCount + gx
}

根据格子的gID得到当前周边的九宫格信息

func (g *GridManger) getSurroundGrids(gID int) []*Grid {grids := g.pool.Get().([]*Grid)defer func() {grids = grids[:0]g.pool.Put(grids)}()if _, ok := g.grids[gID]; !ok {return grids}grids = append(grids, g.grids[gID])// 根据gID, 得到格子所在的坐标x, y := gID%g.GridCount, gID/g.GridCountfor i := 0; i < 8; i++ {newX := x + dx[i]newY := y + dy[i]if newX >= 0 && newX < g.GridCount && newY >= 0 && newY < g.GridCount {grids = append(grids, g.grids[newY*g.GridCount+newX])}}return grids
}

增删查方法

func (g *GridManger) Add(x, y float64, key string) {entity := entityPool.Get().(*Entity)entity.X = xentity.Y = yentity.Key = keyID := g.getGIDByPos(x, y)grid := g.grids[ID]grid.Entities.Store(key, entity)
}func (g *GridManger) Delete(x, y float64, key string) {ID := g.getGIDByPos(x, y)grid := g.grids[ID]if entity, ok := grid.Entities.Load(key); ok {grid.Entities.Delete(key)entityPool.Put(entity)}
}func (g *GridManger) Search(x, y float64) []string {result := resultPool.Get().([]string)defer func() {result = result[:0]resultPool.Put(result)}()ID := g.getGIDByPos(x, y)grids := g.getSurroundGrids(ID)for _, grid := range grids {grid.Entities.Range(func(_, value interface{}) bool {result = append(result, value.(*Entity).Key)return true})}return result
}

四叉树

可以明显看到九宫格算法需要一次性开辟出所有的网格，无论格子中是否存在一定数量的玩家。当一次性出现陈千上万的网格，对服务端的资源浪费可想而知。类似的算法与灯塔算法亦是如此。当然也有一些算法对此做了优化但终有取舍。

四叉树算是一种比较完备的AOI算法。四叉树也是在二维图片中定位像素的唯一适合的算法。

数据结构

type Node struct {Leaf      bool      // 是否为叶子节点Deep      int       // 深度AreaWidth float64   // 格子宽度(长=宽)XStart    float64   // 起始范围YStart    float64   // 起始范围Tree      *QuadTree // 树指针Child     [4]*Node  // 子节点Entities  *sync.Map // 实体
}type QuadTree struct {maxCap, maxDeep intradius          float64mPool           sync.Pool*Node
}

检查节点是否可以分割

func (n *Node) canCut() bool {if n.XStart+n.AreaWidth/2 > 0 && n.YStart+n.AreaWidth/2 > 0 {return true}return false
}

检查节点是否需要分割

func (n *Node) needCut() bool {lens := 0n.Entities.Range(func(key, value interface{}) bool {lens++return true})return lens+1 > n.Tree.maxCap && n.Deep+1 <= n.Tree.maxDeep && n.canCut()
}

分割节点

func (n *Node) cutNode() {n.Leaf = falsehalf := n.AreaWidth / 2n.Child[leftUp] = NewSonNode(n.XStart, n.YStart, n)n.Child[rightUp] = NewSonNode(n.XStart+half, n.YStart, n)n.Child[leftDown] = NewSonNode(n.XStart, n.YStart+half, n)n.Child[rightDown] = NewSonNode(n.XStart+half, n.YStart+half, n)// 将实体迁移到对应子节点n.Entities.Range(func(k, v interface{}) bool {entity := v.(*Entity)for _, node := range n.Child {if node.intersects(entity.X, entity.Y) {node.Entities.Store(entity.Key, entity)}}n.Entities.Delete(k)return true})n.Tree.mPool.Put(n.Entities)n.Entities = nil
}

增删查

func (n *Node) Add(x, y float64, name string) {// 判断是否需要分割if n.Leaf && n.needCut() {n.cutNode()}// 非叶子节点往下递归if !n.Leaf {n.Child[n.findSonQuadrant(x, y)].Add(x, y, name)return}entity := entityPool.Get().(*Entity)entity.X = xentity.Y = yentity.Key = name// 叶子节点进行存储n.Entities.Store(entity.Key, entity)
}func (n *Node) Delete(x, y float64, name string) {if !n.Leaf {n.Child[n.findSonQuadrant(x, y)].Delete(x, y, name)return}if entity, ok := n.Entities.Load(name); ok {n.Entities.Delete(name)entityPool.Put(entity)}
}func (n *Node) Search(x, y float64) []string {result := resultPool.Get().([]string)defer func() {result = result[:0]resultPool.Put(result)}()n.search(x, y, &result)return result
}func (n *Node) search(x, y float64, result *[]string) {if !n.Leaf {minX, maxX := x-n.Tree.radius, x+n.Tree.radiusminY, maxY := y-n.Tree.radius, y+n.Tree.radiusfor _, son := range n.Child {if son.intersects(minX, minY) || son.intersects(maxX, minY) ||son.intersects(minX, maxY) || son.intersects(maxX, maxY) {son.search(x, y, result)}}return}n.Entities.Range(func(key, value interface{}) bool {*result = append(*result, value.(*Entity).Key)return true})return
}

总结

四叉树的优势相比九宫格应该有两点

1.当玩家数量比较少的时候，节省了节点的分配的内存

2.当玩家数量比较多的时候能保持每个节点内的玩家数量均衡但当玩家数量比较多的时候，整个树的内存体积和九宫格体积应该是差不多的，因为一样要存那么多个玩家数据进去

另外四叉树和九宫格都能通过控制视野半径去防止网络风暴

完整代码实例：

https://github.com/knight0zh/aoi

游戏服务器AOI兴趣点算法原理--四叉树与九宫格 (golang)相关推荐

MMORPG游戏中AOI视野算法解析
转载:https://blog.csdn.net/ybn6775/article/details/81701167 AOI(Area Of Interest),中文就是感兴趣区域.通俗一点说,感兴趣区 ...
游戏服务器设计模式及算法
游戏循环游戏循环是一种典型的游戏编程范式,在游戏之外的领域很少用到. 客户端游戏循环首先来看客户端的游戏循环,伪代码如下: while (true) {processInput() // 处理(用 ...
算法:游戏内AOI视野算法(十字链表)
为什么要有这个算法? 对于一个游戏场景内的实体来说,当战斗频繁的时候,可能存在上千实体的数据同步,例如上千实体移动时的坐标同步,大型战斗场景时全场景实体的属性的同步等等,这样就会造成一个问题,同步数据 ...
云原生项目实践DevOps(GitOps)+K8S+BPF+SRE，从0到1使用Golang开发生产级麻将游戏服务器—第7篇...
空血来战玩法 & 游戏规则篇空血来战使用纯正的四川麻将玩法,分为三人模式和四人两种模式,三人模式<三人两房>只用条子和筒子两种花色共72张牌,游戏节奏更快,对战更激烈.四人模式& ...
「游戏」游戏服务器中AOI的原理及四叉树实现
前言要不是想起来这篇文章想写一个关于游戏服务器开发过程中关于AOI相关的文章,我都差不点忘了我是一个游戏服务器开发人员
开放世界游戏-AOI各算法优劣比较
在AOI(Area of Interest)算法中,十字链表.四叉树和九宫格都是常用的空间索引结构,用于优化游戏中大量物体的碰撞检测和更新.以下是它们的优缺点: 十字链表优点: 内存占用小,只需要为 ...
Netty构建游戏服务器(一)--基本概念与原理
一,Netty是什么 1,Netty是由 JBOSS 提供的一个 java开源框架. 2,Netty是JAR包,一般使用ALL-IN-ONE的JAR包就可以开发了. 3,Netty不需要运行在Tom ...
服务器Raid数据恢复成功案例和raid 5数据恢复算法原理
服务器Raid 5数据恢复案例本次分享的案例是一台服务器中的raid磁盘阵列,磁盘阵列中有12块磁盘,单盘容量500G,ext3文件系统,系统平台为Linux平台.Raid中2号盘和6号盘两块硬盘报 ...
游戏光枪坐标定位原理及算法
http://b2b.hc360.com/supplyself/347075653.html 品牌: CRZMAN 型号: WII 适用送礼场合: 广告促销,商务馈赠,节日,乔迁,生日,展销会,开业典 ...

游戏服务器AOI兴趣点算法原理--四叉树与九宫格 (golang)

定义：

九宫格

四叉树

总结

完整代码实例：

游戏服务器AOI兴趣点算法原理--四叉树与九宫格 (golang)相关推荐

最新文章

热门文章