（全文谨代表个人观点）
毕业后进入了一家几百人的游戏公司做开发工作，当时满心欢喜，原因有三：钱够，游戏行业，离女朋友近。进入公司后，并不是965或者996工作时长，而是 周一、二10：00~19：00（开发功能），周三10：00~24：00（开发+测试），周四11：00~周五1：00-13：00（改BUG+发版本），通宵是常事，周六周日很少加班 。
开始的1年我成长很快，一方面是 有高人指点 ，一方面是 自己的努力，有时能搞定别人搞定不了的事情，或者提出更加合理的实施方案 。那会比较年轻，对于“每周通宵一次”丝毫没在意，更何况当时的游戏DAU高峰有50W，月流水高峰有400W，一片欣欣向荣（现在回过头来看已经是我职业生涯所处项目的巅峰了！）。过了一年半慢慢意识到“通宵”的伤身，但是公司的制度无法改变（周四发版本）， 最终选择和组员商量轮班：第一周周四A、B晚11点回去，C、D留守发版本，周五A、B早些过来处理线上问题，第二周轮换 。
Read More →网游自动开服不是什么有难度的技术，严格来说只能算是一个业务需求。这篇文章会介绍一种自动开服的方案，梳理清楚实现逻辑以及相关的注意点。
虽然把方案形容成“自动”，但并非是我们想象中的流程： 服务器自动购买/部署->新服运行->玩家进入， 而是在 服务器自动购买/部署 这一步做了一些妥协。
为什么？
Read More →这其实是一篇个人的2018年度总结。
整个2018年我基本都投身到小游戏的开发制作当中，游戏先后上线了 微信小游戏 ， QQ空间小游戏 ，同时预开发了 厘米游戏 版本。所以这篇总结我会站在开发的角度谈一谈在这三个平台开发的经验，以及趟过的坑。
上述的三个平台分别对应微信平台，QQ空间平台，手Q平台，对于详细介绍这里就不累述了，相信网上的很多文章肯定比我介绍的好。
Read More →由于一些第三方平台/服务的API都升级成了Https，导致原来Tars自带的Http库无法直接使用了，于是引进了 libcurl （ github地址 ）。
但是发现在对应模块长时间运行后，其占用内存一直稳定上升，存在内存泄漏。首先排除掉一些不太可能的泄漏点：Tars、std::string、std::map、std::vector常规使用，无显式的new/malloc。
那么只剩下模块引入的动态库libcurl了，而程序实现严格按照libcurl按照官方文档的样例做法：
开始一度以为是libcurl用法有问题，后来用valgrind跑程序发现是libcurl真有泄漏，github上1W+Star的开源库有泄漏，这是什么操作？
Read More →又一款游戏项目上线测试了，深刻体会到服务端在上线前的这段日子是比较“难熬”的。因为除了原有的开发任务，还有大量的第三方接口支持、统计支持、日志分析需求等，以及服务器各种测试和后续测试BUG的排除。其中测试关系到后续服务器能否满足要求稳定运行，马虎不得。
写这篇文章的目的主要是记录一下上线前服务器测试的个人经验，如果觉得内容有不妥或者遗漏的地方欢迎交流。
Read More →很早就想写一篇关于Tars网络包处理的文章，但是又不知道从何写起，因为心里想着无非就是基于Linux Epoll的那一套东西，加上一些线程间的数据交互。
直到遇见了BUG！
这不是Tars框架本身的BUG，只是使用者在没有吃透Tars包处理运作机制情况下发生的BUG。
本文会围绕这个BUG从头到尾来谈谈Tars对网络包处理。
（文章不会贴出整段代码，会以代码片段+说明的形式展开，源码： https://github.com/Tencent/Tars ，版本：5237058b91c5350be881205249f196970c503614，Date: Tue Jun 19 20:56:02 2018 +0800）
Read More →原文链接 – OpenAI Five
我们由五位神经元网络组成的队伍，OpenAI Five，已经开始在DOTA2中击败非职业队伍。虽然现在还有一些约束（译者注：功能不完善，文末有说明），我们的目标是在8月的TI8比赛上使用限定的英雄池击败最顶级的职业队伍。我们可能不会成功：因为DOTA2是现在世界上最流行、最复杂的电子竞技之一，拥有着富有创造力和积极态度的职业选手，他们一整年的进行训练为了在DOTA每年近四千万刀的奖金池里分一杯羹（世界上奖金池最高的电子竞技）。
OpenAI Five每天通过自我对抗的训练数据等值于正常游戏时间180年。训练使用大规模版本的Proximal Policy Optimization，运行在256个GPU和128000个CPU核心上 – 相当于去年TI7上AI Solo比赛使用的大规模版本。他对每个英雄配置非人类玩家数据，通过LSTM学习到了非常明显的游戏策略。这表明了强化学习通过大量且能完成的计算量可以实现长期训练 – 并不需要对训练、学习算法有突破进展，这和我们在开始这个项目时的估计相反。
为了测试我们的进展，我们会在2018年7月28号与顶尖玩家举行一场比赛，你可以在Twitch上在线观看或者申请成为挑战者。
Tars框架自带服务监控（stat）与特性监控（property）的功能，入口在如下图：
（直接点会是空白，你得先点开你的一个Server才会出现曲线图）
依靠监控功能，你可以快速的定位问题，观察接口的使用状态，进程运行状态，甚至自定义观察数据直观的在Tars管理页面上显示出来。
你可以自行做二次开发，利用入库数据做成自己的短信告警机制。总之就是数据在，想怎么围绕展开都行。
以下内容都是基于Unreal Engine版本：4.18.2-0+++UE4+Release-4.18。
操作系统是：Window10 x64专业版。
编译工具：VS2017 企业版。
承接上一篇文章UE4 ShooterGame Server研究最后遗留的内容，这篇文章主要是讲一讲对UE4控制服务器（后文简称ControlSvr）的思考实现。
在采用tars2cpp工具自动生成c++文件时，相应的file.tars会自动生成file.h文件。在.h文件里会生成你自定义接口的RPC方法，一共有四种：
sync/async方法在官方文档里都有使用的样例，对于不满足sync/async，然后想在Tars下使用Future/Promise的同学看看此文或许会有帮助。
文章内容、样例都是基于Tars框架下提供的Future/Promise进行分析，与boost、C++11、以及其他语言提供的Future/Promise不完全相同。