所有的出站邮件都已被管理员全局禁用。任何类型的邮件通知都不会被发出。

事情完结,大概情况如下:

  • 从1月22日开始,MC服务器开始被攻击。MC从那时尝试了N种解决方法,一直排查排测
  • 但阿里云提供的服务变的十分卡顿,从日期上来说,估计是deepseek有关的宏观原因。
  • 网络运营商检测到我们被攻击,所以就劣化了我们的网,进一步加剧问题。
  • 到2月12日,前后三周时间,MC花了上百个小时,无数种解决办法,以及花了很多钱,最终解决了这个问题。

===

:blue_5_:
考虑到大部分玩家不在用户群,并不清楚我们更新的网络情况,所以开一个帖子来分享一些信息。

从12月19日开始,我们注意到MC掉线率提高,并且开始调整网络。使用了某个办法调整后,问题解决。

然后从1月22日开始,我们注意到MC掉线率又提高,并且开始调整网络。之前成功的办法失效,我们进行了详细排查,以及开始尝试其他解决办法。

在1月23日,我们调整完网络,使用了更多网络服务后,掉线率恢复到平时情况,从用户群里问的玩家掉线反馈也逐渐变的平稳。

但是从1月25日开始,服务器开始受到大量攻击,对战重新变卡。因此我们不得不开始进行其他方面的调整,寻找其他解决方案。经过3天的测试,我们在1月28日找到一个临时解决方法,让春节假期的那几天对战能够稳定下来。

于是直到2月2日之前,MC对战都还算是较为稳定流畅的。掉线率比1月25日时降低大约5%左右。

但是在2月2日开始,MC又遭到一波新的攻击。掉线率翻倍,网络变的非常卡顿。为了解决这个问题,我们两位技术人员花费了大约20小时从底层调整网络,同时MC在更改部分云服务商的服务。这个期间,我们消耗了大量人力与金钱。

一直倒腾到了2月5日,掉线率降低了大约10%,但是还是非常高。于是我们开始尝试寻找其他解决办法。并且从2月5日开始,我们在每天进行网络实验跟改动,并且记录下实验与改动对于掉线率跟玩家体验的感想。在过去两周,我们基本每天都在MC测试反馈群跟竞技匹配群里询问玩家卡顿反馈。同时抓几名玩家进行网络联机测试。

2月8日上午11点部署的网络的测试结果很烂,变的更卡了。我们会在接下来几天继续进行网络调整,找到正确解决该问题的方案。

与此同时,我们也购买了更多云服务。但从效果上来看,影响似乎微乎其微。

到2月9日目前为止,我们得出了的结论:

  • 如果科学上网从海外访问对战的话,是很少卡顿的。卡顿情况仅发生在大陆,因为只有大陆内的节点被攻击,以及遇见了可能是大环境导致的未知原因卡顿。
  • 这几天会频繁进行网络调整,预计到2月15日。如果怕竞技匹配卡掉线的话,可以先去超先行或者233服进行匹配。

到2月11日的结论:

  • 阿里云某个新服务很坑爹+云上其他用户被打,影响了我们
  • 电信更坑爹,但因为是国企,不能说太多。在找电信讨说法,等待回复中

2月12日:

  • 应该搞定了,从测试用户的反馈上来说不卡了
  • 创建时间

    2月9日
  • 最后回复

    23 天
  • 34

    回复

  • 6.5k

    浏览

  • 23

    用户

今天下午4点05分后会上线新网络策略。
大家在4点05分后进行的竞技匹配如果觉得更顺畅或者更卡了,请告诉我。
让我们知道这个方向是否正确

  • 如果科学上网从海外访问对战的话,是很少不卡顿的。卡顿情况仅发生在大陆,因为只有大陆内的节点被攻击,以及遇见了可能是大环境导致的未知原因卡顿
    这句话应该指的是海外很少卡顿吧,多了一个不。
    顺带一提 海外访问也经常掉线

那身为在澳洲利亚的用户,以下几种方案哪个会有更好的体验呢(目前的服务器情况):
1 直连
2 开梯子至新加坡 打开游戏
3 开梯子至国内 打开游戏

今天中午12点进行了网络有关的设备调整,周二观察一天看看掉线率的改变

根据结果,周三会进一步调整,然后周四观察周三的改动影响。

辛苦了,
近期网络资源都去支持ai dpsk了,现在的网络服务很多都是浮动的,特别是云服务器。
ai以获取数据(大数据),会频繁访问网络,类似于攻击(我们公司服务最近也不稳定),带宽会被占用,机房总体带资源是有限的,也许自己的服务期没被访问,同一机房其他服务器被访问,就会占用带宽。
以上是我的分析,所以我们公司服务器年前到现在也有卡顿(阿里云、电信机房都有卡顿情况)

辛苦了,
近期网络资源都去支持ai deepseek了,现在的网络服务很多都是浮动的,特别是云服务器。
ai以获取数据(大数据),会频繁访问网络,类似于攻击(我们公司服务最近也不稳定),带宽会被占用,机房总体带资源是有限的,也许自己的服务期没被访问,同一机房其他服务器被访问,就会占用带宽。
以上是我的分析,所以我们公司服务器年前到现在也有卡顿(阿里云、电信机房都有卡顿情况)

我问了deepseek
他回复了些解决办法是的,AI频繁访问网络服务可能会对整个网络环境产生负面影响,尤其是在资源占用和带宽占用方面。以下是具体原因和影响:


1. 带宽占用

  • 大量数据传输:AI任务(如分布式训练、模型推理或数据采集)通常需要传输大量数据。如果网络带宽有限,频繁的网络请求可能导致带宽被大量占用,影响其他网络服务的性能。
  • 实时性任务受影响:对于需要低延迟的网络服务(如视频会议、在线游戏等),带宽被AI任务占用可能导致延迟增加或服务质量下降。

2. 资源占用

  • 服务器负载增加:AI频繁访问网络服务会增加服务器的负载,可能导致服务器响应变慢,甚至出现超时或崩溃。
  • 网络设备压力:路由器、交换机等网络设备在高负载下可能性能下降,影响整个网络的稳定性。

3. 网络拥塞

  • 流量激增:如果AI任务集中在某一时间段内访问网络服务,可能导致网络拥塞,影响其他用户的正常使用。
  • 跨区域网络影响:如果AI任务需要访问远程服务器(如云端服务),跨区域的网络流量可能进一步加剧拥塞。

4. 电力与散热

  • 设备高负载运行:频繁的网络访问会导致服务器和网络设备持续高负载运行,增加电力消耗和散热需求,可能间接影响设备寿命和稳定性。

如何缓解AI对网络环境的影响?

  1. 优化网络使用

    • 对AI任务的网络请求进行压缩或分批处理,减少不必要的数据传输。
    • 使用本地缓存或边缘计算,减少对中心服务器的频繁访问。
  2. 带宽管理

    • 使用流量控制工具(如QoS)为AI任务分配固定带宽,避免占用过多资源。
    • 将AI任务安排在非高峰时段运行,减少对实时性服务的影响。
  3. 分布式计算

    • 将AI任务分布到多个节点,避免集中访问单一服务器或网络路径。
  4. 监控与调整

    • 实时监控网络流量和服务器负载,及时调整任务优先级或资源分配。

总结

AI频繁访问网络服务确实可能导致网络环境变差,但通过合理的资源管理、带宽优化和任务调度,可以显著减轻这种影响,确保网络环境的稳定性和高效性。