


Dyson Swarm: Bagaimana saya membina permainan fiksyen sains yang keras dengan perkhidmatan AWS
Permainan Clicker Sci-Fi Keras: Dyson Swarm
Saya seorang peminat fiksyen sains yang bersemangat, malah telah menjalankan majalah sci-fi selama lima tahun. Cinta ini membawa saya mencipta satu siri permainan pendek yang menerangkan konsep sci-fi yang kompleks dengan cara yang menarik. Ciptaan pertama saya, Dyson Swarm, muncul semasa Cabaran Pembina Permainan AWS.
Dyson Swarm ialah permainan tambahan (clicker) di mana pemain membongkar sistem suria untuk membina kumpulan Dyson – struktur mega yang merangkumi matahari. Bermula sebagai pembangun permainan, anda secara beransur-ansur mengumpul sumber dan maju melalui peringkat.
Saya pada mulanya menganggarkan 10-20 jam pembangunan, tetapi projek itu berkembang dengan ketara, akhirnya memakan masa sekitar 70 jam (kebanyakannya lewat malam!). Ini menyerlahkan cabaran anggaran pembangunan perisian yang tepat.
Anda boleh bermain permainan di sini: Dyson Swarm
Seni Bina AWS
Permainan ini menggunakan Javascript sisi klien dan berjalan sepenuhnya dalam penyemak imbas. Pengehosan dicapai menggunakan baldi tapak statik S3, dipertingkatkan oleh CloudFront CDN untuk penghantaran global berkelajuan tinggi. CloudFront mengendalikan penamatan TLS, memudahkan proses.
Metrik permainan tanpa nama (kiraan dan kemajuan pemain) disimpan dalam pangkalan data RDS Postgres. Penghantaran data menggunakan API tanpa pelayan yang dibina dengan Gateway API dan Lambda. Walaupun saya menggunakan tika RDS sedia ada, RDS tanpa pelayan akan sama sesuai.
Penggunaan memanfaatkan konsol AWS untuk S3 dan CloudFront, dan tindanan CDK AWS (Python) untuk metrik tanpa pelayan Lambda.
Timbunan CDK
Timbunan CDK untuk metrik tanpa pelayan Lambda adalah ringkas:
from aws_cdk import ( aws_lambda as lambda_, aws_apigateway as apigw, aws_ecr as ecr, aws_certificatemanager as acm, aws_route53 as route53, Duration, Stack) from constructs import Construct import os class DysonSwarmStack(Stack): def __init__(self, scope: Construct, construct_id: str, **kwargs) -> None: super().__init__(scope, construct_id, **kwargs) repo = ecr.Repository.from_repository_name(self, "dysonSwarmRepo", "gamesapi") dyson_swarm_lambda = lambda_.DockerImageFunction(self, "dysonSwarmLambda", code=lambda_.DockerImageCode.from_ecr( repository=repo, tag=os.environ["CDK_DOCKER_TAG"] ), memory_size=256, timeout=Duration.seconds(60), architecture=lambda_.Architecture.ARM_64 ) # do auth inside lambda api = apigw.LambdaRestApi(self, "dysonSwarm-endpoint", handler=dyson_swarm_lambda, default_cors_preflight_options=apigw.CorsOptions(allow_origins=["*"]) ) custom_domain = apigw.DomainName( self, "custom-domain", domain_name="gameapi.compellingsciencefiction.com", certificate=acm.Certificate.from_certificate_arn(self,'cert',"[cert ARN here]"), endpoint_type=apigw.EndpointType.EDGE ) apigw.BasePathMapping( self, "base-path-mapping", domain_name=custom_domain, rest_api=api ) hosted_zone = route53.HostedZone.from_hosted_zone_attributes( self, "hosted-zone", hosted_zone_id="[zone id here]", zone_name="compellingsciencefiction.com" ) route53.CnameRecord( self, "cname", zone=hosted_zone, record_name="gameapi", domain_name=custom_domain.domain_name_alias_domain_name )
Ia memanfaatkan repositori ECR sedia ada (mengandungi imej kontena Lambda) dan zon dihoskan Laluan 53 (untuk domain tersuai). Pada asasnya, ia mencipta titik akhir Gateway API yang disokong oleh fungsi Lambda. Kod penuh boleh didapati di: dyson_swarm_stack.py
Kod
Kod sumber permainan lengkap ada di GitHub: Dyson Swarm GitHub Repo
Gelung permainan utama, yang terdapat dalam dysonswarm.html
, menggunakan selang 100 milisaat. Storan penyemak imbas setempat (localStorage) mengendalikan kegigihan keadaan permainan. Fungsi butang (jumlah 56) diuruskan dalam buttonFunctions.js
. Animasi permainan, pada mulanya SVG, telah dialihkan kepada Kanvas untuk prestasi yang lebih baik dengan sejumlah besar elemen. Ujian menyeluruh dan penambahbaikan berulang menangani pelbagai kes kelebihan dalam logik permainan.
Menggunakan AWS Q Developer
Cabaran Pembina Permainan AWS digalakkan menggunakan Pembangun AWS Q. Saya dapati ia membantu:
Kebaikan:
- Antara muka sembang intuitif untuk jawapan pantas. Ciri
-
/dev
menjana dan menggunakan perbezaan kod, memperkemas pembangunan. - Berkesan dalam mereplikasi corak kod.
Keburukan:
-
Ciri
-
/dev
boleh menjadi perlahan disebabkan oleh berbilang panggilan LLM. -
/dev
kadangkala mencipta fail baharu dan bukannya penambahan kod dalam talian. Kejuruteraan segera yang berhati-hati adalah penting. - Bilik untuk penambahbaikan, tetapi menunjukkan potensi yang ketara.
Permainan Sumber Terbuka
Kod sumber permainan tersedia di bawah lesen MIT. Jangan ragu untuk menggunakannya sebagai asas untuk projek anda. Saya mengalu-alukan mendengar tentang ciptaan permainan anda!
Atas ialah kandungan terperinci Dyson Swarm: Bagaimana saya membina permainan fiksyen sains yang keras dengan perkhidmatan AWS. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Enjin JavaScript yang berbeza mempunyai kesan yang berbeza apabila menguraikan dan melaksanakan kod JavaScript, kerana prinsip pelaksanaan dan strategi pengoptimuman setiap enjin berbeza. 1. Analisis leksikal: Menukar kod sumber ke dalam unit leksikal. 2. Analisis Tatabahasa: Menjana pokok sintaks abstrak. 3. Pengoptimuman dan Penyusunan: Menjana kod mesin melalui pengkompil JIT. 4. Jalankan: Jalankan kod mesin. Enjin V8 mengoptimumkan melalui kompilasi segera dan kelas tersembunyi, Spidermonkey menggunakan sistem kesimpulan jenis, menghasilkan prestasi prestasi yang berbeza pada kod yang sama.

Python lebih sesuai untuk pemula, dengan lengkung pembelajaran yang lancar dan sintaks ringkas; JavaScript sesuai untuk pembangunan front-end, dengan lengkung pembelajaran yang curam dan sintaks yang fleksibel. 1. Sintaks Python adalah intuitif dan sesuai untuk sains data dan pembangunan back-end. 2. JavaScript adalah fleksibel dan digunakan secara meluas dalam pengaturcaraan depan dan pelayan.

Peralihan dari C/C ke JavaScript memerlukan menyesuaikan diri dengan menaip dinamik, pengumpulan sampah dan pengaturcaraan asynchronous. 1) C/C adalah bahasa yang ditaip secara statik yang memerlukan pengurusan memori manual, manakala JavaScript ditaip secara dinamik dan pengumpulan sampah diproses secara automatik. 2) C/C perlu dikumpulkan ke dalam kod mesin, manakala JavaScript adalah bahasa yang ditafsirkan. 3) JavaScript memperkenalkan konsep seperti penutupan, rantaian prototaip dan janji, yang meningkatkan keupayaan pengaturcaraan fleksibiliti dan asynchronous.

Penggunaan utama JavaScript dalam pembangunan web termasuk interaksi klien, pengesahan bentuk dan komunikasi tak segerak. 1) kemas kini kandungan dinamik dan interaksi pengguna melalui operasi DOM; 2) pengesahan pelanggan dijalankan sebelum pengguna mengemukakan data untuk meningkatkan pengalaman pengguna; 3) Komunikasi yang tidak bersesuaian dengan pelayan dicapai melalui teknologi Ajax.

Aplikasi JavaScript di dunia nyata termasuk pembangunan depan dan back-end. 1) Memaparkan aplikasi front-end dengan membina aplikasi senarai TODO, yang melibatkan operasi DOM dan pemprosesan acara. 2) Membina Restfulapi melalui Node.js dan menyatakan untuk menunjukkan aplikasi back-end.

Memahami bagaimana enjin JavaScript berfungsi secara dalaman adalah penting kepada pemaju kerana ia membantu menulis kod yang lebih cekap dan memahami kesesakan prestasi dan strategi pengoptimuman. 1) aliran kerja enjin termasuk tiga peringkat: parsing, penyusun dan pelaksanaan; 2) Semasa proses pelaksanaan, enjin akan melakukan pengoptimuman dinamik, seperti cache dalam talian dan kelas tersembunyi; 3) Amalan terbaik termasuk mengelakkan pembolehubah global, mengoptimumkan gelung, menggunakan const dan membiarkan, dan mengelakkan penggunaan penutupan yang berlebihan.

Python dan JavaScript mempunyai kelebihan dan kekurangan mereka sendiri dari segi komuniti, perpustakaan dan sumber. 1) Komuniti Python mesra dan sesuai untuk pemula, tetapi sumber pembangunan depan tidak kaya dengan JavaScript. 2) Python berkuasa dalam bidang sains data dan perpustakaan pembelajaran mesin, sementara JavaScript lebih baik dalam perpustakaan pembangunan dan kerangka pembangunan depan. 3) Kedua -duanya mempunyai sumber pembelajaran yang kaya, tetapi Python sesuai untuk memulakan dengan dokumen rasmi, sementara JavaScript lebih baik dengan MDNWebDocs. Pilihan harus berdasarkan keperluan projek dan kepentingan peribadi.

Kedua -dua pilihan Python dan JavaScript dalam persekitaran pembangunan adalah penting. 1) Persekitaran pembangunan Python termasuk Pycharm, Jupyternotebook dan Anaconda, yang sesuai untuk sains data dan prototaip cepat. 2) Persekitaran pembangunan JavaScript termasuk node.js, vscode dan webpack, yang sesuai untuk pembangunan front-end dan back-end. Memilih alat yang betul mengikut keperluan projek dapat meningkatkan kecekapan pembangunan dan kadar kejayaan projek.
