매치메이킹 서버 개발...

https://career.programmers.co.kr/job_positions/9328?personalized=true&referer=open_challenge 

채용 공고

서버 개발, 매치메이킹, MMR, MMORPG나 FPS같은 온라인 게임을 좋아하는 성향으로 인해 공부의 방향이 항상 서버 쪽을 향한다. 오늘 우연히 프로그래머스에 올라온 채용 공고를 보고, 내가 엔지니어였으면 이런거 딱 좋아했을 것 같은 포지션이 있어서 열어 살펴보았다.

기술 스택에서 MySQL과 Python, Go를 제외하면 잘 모르는 것... 이런 건 읽어두고 이름만 기억해도 도움이 되겠지?하면서 보고 있는데 업무 소개에 유사한 서비스와 오픈소수 도구를 알려준다.

이런 오픈 소스가 있는 줄도 몰랐네?

매치메이킹 서버 개발자는 다음과 같은 업무를 맡게 됩니다. 실시간으로 유입되는 요청 대기열에서 제한된 시간 내에 최적의 조합을 찾아주는 매치메이킹 서비스를 개발합니다. 유사한 서비스 또는 오픈소스 도구는 다음과 같은 것들이 있습니다. Open Match Amazon GameLift FlexMatch Microsoft Azure PlayFab Matchmaking

오픈 매치

Open Match https://open-match.dev     Open Match is a flexible match making system built to scale with your game. Flexible. Write code, not config, to determine how matches should be made. 튜토리얼이... 이게 무슨 언어인가? 내가 알고 싶었던 부분은... Build a Custom Evaluator https://open-match.dev/site/docs/tutorials/customevaluator/ 매치 끝나면 여기서 계산하는가 보다. func evaluate(proposals []*pb.Match) ([]string, error) {   // Core evaluation logic   return []string{}, nil }

하는 일

매치메이킹 서버 개발자 넥슨 게임을 즐기는 수많은 유저를 서로 연결하여 긍정적인 상호작용을 이끌어내고 유저에게 더 많은 재미를 주기 위해 매치메이커를 개발하고 있습니다. 게임의 대결 상대를 찾아주는 범용 매치메이킹 시스템을 시작으로 솔루션 적용 게임을 늘려가고 있으며, 길드와 친구 커뮤니티 활성화를 위한 서비스로 주제 확장을 진행하고 있습니다. 넥슨의 다양한 게임에 영향을 줄 수 있는 범용적 시스템을 창조하는 일은, 분명 단일 게임을 만들고 라이브하는 것 이상의 도전이라고 생각합니다. 사용자의 몰입도를 높이는 매치메이킹 규칙을 구현합니다. 팀 내의 데이터 과학자, 머신러닝 엔지니어의 연구 결과를 제품화합니다. 플레이어의 정확한 실력을 추정하는 알고리즘 플레이어의 몰입을 고려한 매칭 품질 평가 방법 매치메이킹 규칙을 대상 게임에 최적화하여 맞춤 구현하고 다른 게임에도 확장할 수 있도록 일반화하는 개발을 반복합니다. 자격 조건 한 가지 이상의 개발 언어(Python, C++, C#, Rust, Go 등)에 숙련된 프로그래밍 능력 기술 스택은 합류 이후에 적응하시면 됩니다. 우대사항 • 게임 개발 또는 라이브 서비스 경험이 있으신 분 • 게임서버 또는 그와 유사한 분산 실시간 시스템의 상태 동기화 및 장애 허용 설계 경험 개발환경 우리 서비스는 2018년 이후로 라이브게임에 제공 중이며 다음 도구를 사용하여 개발되었습니다. Go Python Redis (Amazon ElastiCache for Redis) MySQL (Amazon Aurora MySQL) Amazon ECS on AWS Fargate Amazon OpenSearch Service Terraform Tensorflow Amazon SageMaker 코드리뷰 GitLab 을 사용해 코드리뷰, 일감 관리, CI/CD 를 하고 있습니다. 코드리뷰를 결함을 찾는 절차가 아니라 비동기로 함께 개발하기 위한 도구로 사용하고 있습니다.코드리뷰가 머지/릴리즈 승인 절차라기보다 비동기 온라인 페어프로그래밍에 가깝습니다. 완성 후 결과를 일방적으로 공유하지 않고, 작업 과정에 최대한 의견을 나누고 그러한 의사 결정의 과정을 그대로 기록, 공유합니다. 같은 주제로 함께 고민하고 공감해주는 동료가 있으면 고립감이 줄어들고 더 나은 결정을 내릴 수 있습니다. 의사 결정 과정을 기록함으로써 "과거에 내린 결정이 이유가 현재도 유효한지" 판단할 수 있게 합니다. 개발 팀 & 환경 AWS Step Functions, Apache Airflow, Amazon Web Services(AWS), Amazon Kinesis, JavaScript, Vue.js, Docker, Nginx, Django, Kibana, AWS S3, Apache Hive, AWS Glue, Apache Spark, AWS EMR, PySpark, PyTorch, Kubernetes, AWS EKS, Tensorflow, AWS SageMaker, GitLab, AWS Kinesis, AWS Lambda, AWS Elasticsearch Service, AWS CloudWatch, MySQL, AWS RDS, Redis, AWS ElastiCache, AWS ECS, Python, Go

오픈 매치라는 좋은 걸 알았다. 시간 나면 살펴보면 좋을 것 같다.

https://github.com/googleforgames/open-match/blob/main/tutorials/custom_evaluator/solution/evaluator/evaluate/evaluator.go

Building the Evaluator Please revisit the Evaluator overview section in the default Evaluator tutorial as it specifically calls out the scenario in which a custom Evaluator is needed. This tutorial provides an Evaluator scaffold ($TUTORIALROOT/evaluator) as a starting point. The basis Evaluator server implementation in $TUTORIALROOT/evaluator/evaluate/server.go provides the following functionality: Creates a gRPC service that listens on the configured port Implements the Evaluate() interface that Open Match prescribes Accepts a stream of proposals in its implementation for this interface and then calls into a simplified helper method. Streams back results from the helper method to Open Match. Below is the helper method in where the core evaluation logic should be implemented. At runtime, Open Match calls the method and streams the proposals for evaluation. This triggers the method with a list of proposals. The method should de-collide the proposals and return a list of results that Open Match will then return back to the Director.evaluate()$TUTORIALROOT/evaluator/evaluate/evaluator.goEvaluate()evaluate()evaluate() Copy Please add your evaluation logic to this method. Here are some strategies for evaluation you may use when you detect Matches with overlapping Tickets: Aggregate the wait time of the Tickets on the Match. The Match with higher aggregate wait time is selected and the rest are discarded. Match with the Ticket with the longest wait time gets selected and others discarded. These are just suggestions. You can also experiment with your own evaluation criteria for this scenario. As a reference, you may check the implementation of the tutorial solution Evaluator that uses strategy 2.