gavinldc / displat Goto Github PK

数据层：

1. 核心业务库采用RDS，一主多从的方式部署；
2. 报表库的数据是经过计划任务从其他库进行抽取运算，或者实时计算程序运算之后的结果，仅在统计模块中访问；
3. mongoDB文档数据库主要用于注单服务，及大量数据存储业务；
4. 静态文档数据，是日志文本信息；
5. 内存数据库使用Redis，用于业务数据，会话，及配置等数据缓存；
6. 消息队列用户注单排队，消息分发等业务；
   服务层：
7. 平台采用微服务架构，服务与服务之间通过注入RESTFUL API或者其他RPC的方式调用；
8. 每个服务模块根据自身业务压力进行扩展和配置；
9. 应用的自动化构建发布，采用SVN，Jenkins和Docker：
10. 平台的监控使用AWS的Cloudwatch结合springcloud提供的开源的组件进行物理指标和服务状态的监控。
11. 日志系统采用了ELK，它是由Elasticsearch、Logstash和 Kibana三部分组件组成。可以和常用的日志组件如log4j进行无缝对接。
12. 平台的配置同步采用开源的disconf：
    设计原则：
    物理隔离，易于扩展，服务组件化可拔插，支持高并发要求，易于开发维护。

前言

    拉上窗帘，关掉电视，手机调至静音，放一段轻松的音乐。给自己冲一杯最喜欢的“JAVA”，坐在自己的电脑椅上，摆一个最舒服的姿势，打开笔记本，开始你的学习吧，兄带。
    欢迎来到游戏人工智能编程案例精粹。
    我必须要承认，关于此书，当MAT在2003年再次联系我的时候，我感到很惊讶。因为他已经在之前的作品中把游戏人工智能领域所涉及的新技术都描述的很清楚了。我很想知道，他还能在这部新书中做些什么。
    通过邮件，我了解到，MAT想继他的第一本书《游戏人工智能编程》之后，出一本侧重点完全不同的书。AI技术探索的更多的是比较新奇的生物科技，而游戏AI程序员们也许不关注这些琐碎的计算机科学细节，他们更想要了解一些实际的应用场景。因此MAT想要通过实例来介绍人工智能在游戏编程日常工作中的实际运用场景。当然新的技术和方法在合适的场景下使用是有意义的，但对于开发人员来讲，使用好一款AI引擎的前提是必须具备很坚实的**基础。这就是本书的宗旨所在。