共计 4189 个字符,预计需要花费 11 分钟才能阅读完成。
定义
获取感兴趣的区域(Area Of Interest)的算法。次要用于罕用的游戏服务器压力,升高网络风暴的可能。
常见的 AOI 算法有九宫格,四叉树,灯塔,十字链表等算法。本文次要举例九宫格和四叉树两种算法的 golang 版本实现。
九宫格
九宫格能够说是最容易了解的一种 AOI 趣味算法。
举例:世界坐标是 X[20,200],Y[50,230],划分成 6×6 的网格为:
从图可看出,九宫格是把地图依据 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,当玩家每次挪动后依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失去趣味用户。
数据结构
type Grid struct {
GID int // 格子 ID
Entities sync.Map // 以后格子内的实体
}
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]*Grid
pool 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
}
依据格子的 gID 失去以后周边的九宫格信息
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])
// 依据 gID, 失去格子所在的坐标
x, y := gID%g.GridCount, gID/g.GridCount
for 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
func (g *GridManger) Add(x, y float64, key string) {entity := entityPool.Get().(*Entity)
entity.X = x
entity.Y = y
entity.Key = key
ID := 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
能够显著看到九宫格算法须要一次性开拓出所有的网格,无论格子中是否存在肯定数量的玩家。当一次性呈现陈千上万的网格,对服务端的资源节约可想而知。相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。
四叉树算是一种比拟齐备的 AOI 算法。四叉树也是在二维图片中定位像素的惟一适宜的算法。
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 // 起始范畴
YStart float64 // 起始范畴
Tree *QuadTree // 树指针
Child [4]*Node // 子节点
Entities *sync.Map // 实体
}
type QuadTree struct {
maxCap, maxDeep int
radius float64
mPool sync.Pool
*Node
}
查看节点是否能够宰割
func (n *Node) canCut() bool {
if n.XStart+n.AreaWidth/2 > 0 && n.YStart+n.AreaWidth/2 > 0 {return true}
return false
}
查看节点是否须要宰割
func (n *Node) needCut() bool {
lens := 0
n.Entities.Range(func(key, value interface{}) bool {
lens++
return true
})
return lens+1 > n.Tree.maxCap && n.Deep+1 <= n.Tree.maxDeep && n.canCut()}
宰割节点
func (n *Node) cutNode() {
n.Leaf = false
half := n.AreaWidth / 2
n.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)
// 将实体迁徙到对应子节点
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) {
// 判断是否须要宰割
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 = x
entity.Y = y
entity.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.radius
minY, maxY := y-n.Tree.radius, y+n.Tree.radius
for _, 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
四叉树的劣势相比九宫格应该有两点
1. 当玩家数量比拟少的时候,节俭了节点的调配的内存
2. 当玩家数量比拟多的时候能放弃每个节点内的玩家数量平衡 但当玩家数量比拟多的时候,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管制视线半径去防止网络风暴
残缺代码实例:
https://github.com/knight0zh/aoi
👏欢送大家来我的 github 点小星星,留言提出宝贵意见👏
正文完