同时在线分析（游戏）

同时在线分析（OnlineStats）基于会话区间推算 PCU（峰值同时在线）/ ACU（平均同时在线），衡量游戏的并发承载与人气。对应后端 AnalyticsService.OnlineStats。

游戏专属模型，可按区服（server_id）过滤。依赖会话（session）数据。

一、它能回答什么问题

  • 统计时段内的 PCU（峰值同时在线）是多少？发生在什么时候？
  • ACU（平均同时在线）多少？峰值是平均的几倍？（并发波动）
  • 某个区服的同时在线规模？

二、关键指标

指标含义
PCUPeak Concurrent Users，时间段内最大同时在线数
ACUAverage Concurrent Users，平均同时在线
统计时长duration_minutes（分钟）
总会话数total_sessions

三、后端接口

gRPC：AnalyticsService.OnlineStats

字段类型说明
time_rangeTimeRange分析时间范围
app_iduint32（可选）按应用过滤
server_idstring（可选）区服过滤

响应 OnlineStatsResponse：pcu / acu / duration_minutes / total_sessions。

HTTP（admin 转发）

POST /admin/v1/analytics/online-stats
Content-Type: application/json

{
  "timeRange": { "startMs": 1718169600000, "endMs": 1718774399000 },
  "serverId": "5"
}

四、实现原理

PCU/ACU 基于会话区间推算，而非实时心跳计数：

  • 每个会话有开始/结束时间，构成一个"在线区间"。
  • 在时间轴上叠加所有会话区间，任一时刻的重叠区间数即为该时刻的并发在线数。
  • PCU = 区间内最大并发数；ACU = 平均并发数。

因此 PCU/ACU 是推算值，精度依赖会话的开始/结束是否被准确记录。

五、典型场景

服务器容量规划

看 PCU 历史峰值，规划服务器并发承载能力，确保高峰期（如开服、活动）不崩。

活动人气评估

活动时段查 PCU/ACU，对比日常水平，评估活动对在线人气的拉动。

区服热度对比

按 server_id 分别查，对比各区服的同时在线规模，识别热门服/鬼服。

六、注意事项

  • 推算而非实时：PCU/ACU 基于会话区间推算，与实时心跳计数可能有出入；需精确实时在线建议走单独的心跳上报。
  • 依赖会话数据：会话的开始/结束时间必须准确，超时切分规则影响结果。
  • 时间范围影响：PCU 是 time_range 内的峰值，范围越大越可能包含极端峰值。
  • server_id 过滤：游戏可按区服看在线，需 C# SDK 上报 serverId。

七、相关文档