- 개발언어: Go, Python
- 매치메이킹 상태 저장소: Redis(Amazon ElastiCache for Redis), MySQL(Amazon Aurora MySQL)
- 실행환경: Amazon ECS on AWS Fargate, Terraform
- 로크 파이프라인: Amazon OpenSearch Service, Amazon Kinesis Data Stream, fluentd
[도전과제]
- 매치메이킹 로직 개발/운영에 대한 생산성 향상
> 매치몹 서비스를 연동하는 게임 프로젝트들이 늘어남에 따라 개발과 관리 운영을 효과적으로 그리고 효율적으로 하기 위한 데이터 모델을 설계합니다.
> 매치메이킹 규칙, 로직, 레이팅(MMR) 계산기와 같이 리소스들을 직관적으로 정의하고 조합하여 매치메이킹 풀 설정을 만들 수 있도록 합니다.
> 정의한 리소스들을 재사용하고 풀 설정에 대한 관리를 자동화하여 라이브 서비스의 운영 생산성을 강화합니다.
- 안정적이고 신뢰할 수 있는 데이터 제공
> 게임 기획자와 데이터 분석가는 엔지니어가 제공하는 매치메이킹 데이터를 기반으로 더 나은 로직을 연구하고 의사결정을 진행합니다.
> 매치메이킹 상황에 대해 이해관계자에게 투명한 데이터를 제공할 수 있는 환경을 구축하고, 대규모 요청 유입에 대해서 데이터 유실을 방지하고 강인한 로그 파이프라인을 운영해야 합니다.
> 글로벌하게 배포되어 있는 매치메이커로부터 로그를 수집/가공하여 저장소에 적재하고 이를 집계하여 효율적으로 이해관계자에게 시각화하여 보여줄 수 있는 환경을 제공합니다.
- 안정적인 라이브 서비스 운영을 위한 프로세스 만들기
> 안정적인 라이브서비스 운영에서 매치메이킹의 지표 변화에 대한 이슈 상황을 빠르게 인지하고 효과적으로 대처하는 것이 중요하기 때문에
> 매치메이킹 현황에 대해 실시간적으로 가시성을 확보하기 위한 시스템을 구축해야 합니다.
> 이슈 원인을 빠르게 특정하기 위해 과거 라이브 상황의 스냅샷을 불러와 로직을 똑같이 재현할 수 있는 디버깅 도구를 제작합니다.
> 또한, 안정적인 배포를 위해 로직/풀 설정 변경에 대해서 미리 매치메이킹의 지표 변화를 예측할 수 있는 시뮬레이션 도구를 제작합니다.