Riot Games
導入事例
Riot Games は、世界で最もプレイヤーに焦点を当てたゲーム会社になることを目標としています。同社は 2006 年に設立され、LA を拠点としています。League of Legend が有名で、毎月 1 億人以上のゲーマーがプレイしています。
バーティカルユースケース
ゲーム体験の向上：
• ネットワークパフォーマンスの監視
• ゲーム内での悪口雑言への対処
技術ユースケース
• データの取り込みと ETL
• ストリーミング
• Machine Learning
• Deep Learning
課題
- コンテンツの推奨事項：毎月 6700 万人以上のゲームプレイヤーに対して、ゲーム内でパーソナライズされたオファーを提供できる ML モデルを構築する必要がありました。
- ゲームラグ：20 万以上の都市および ISP の構成から生じるペタバイトのストリーミングネットワークデータを手動で監視することはほぼ不可能であり、ゲーム体験に悪影響を及ぼすネットワークの問題を事前に特定することは困難でした。
- まとまりのないインフラストラクチャ：分離されているシステム間やデータ分析ツール間でデータを移動すると、チームの敏捷性やコラボレーションが妨げられていました。
ソリューション
ゲーム内の洞察を強化するための新しいソリューションとして、Riot Games は Databricks を選択しました。Databricks では、data science とエンジニアリングの両方のニーズを完全に満たす、本番対応 Apache Spark TM プラットフォームを利用することができます。
- 統合分析プラットフォーム：ML モデルの構築/デプロイに加え、ストリーミングデータおよびバッチデータのクエリ、デバッグ、調査も単一のプラットフォーム上で行うことで、機能横断型のチーム間で分析ワークフローを合理化します。
- インタラクティブなワークスペース：データサイエンティストがリアルタイムでモデルを迅速に反復できる共有の Notebook 環境を実現することでコラボレーションを促進します。
- シンプルな管理： 人手を介さず、ジョブのスケジューリング、監視、および cluster 管理を完全に自動化できます。
結果
Databricks を使用することで、Riot Games はスケーラブルかつ高速な分析を実現し、プレイヤーのゲーム体験を向上させることができます。
- ゲーム内の購入体験の向上：500B 以上のデータポイントに基づいて独自のオファーを提供する推奨エンジンを素早く構築し、本番で使用できるようにします。ゲームプレイヤーは、必要なコンテンツを簡単に見つけることができるようになりました。
- ゲームラグの解消：ネットワークの問題をリアルタイムで検知する ML モデルを構築したことで、Riot Games は障害による機能停止を回避し、プレイヤーに悪影響が及ばないようにすることができます。
- 迅速な分析： Increased processing performance of data preparation and exploration, significantly speeding up analysis.
データサイエンティストをcluster の管理から解放したかったのです。Databricks でマネージド型の使いやすい Spark ソリューションを活用することで、これが実現しました。おかげで、チームはゲーム体験の向上に注力できています。