圣淘沙游戏数据中心上线智能运维平台 服务可用性提升至 99.99%

2026 年 2 月 6 日，圣淘沙游戏（Sentosa Games）数据中心宣布，自研的智能运维平台“灯塔”已完成全量上线。平台上线后，公司核心游戏服务的可用性提升至 99.99%，故障平均发现时间从 8 分钟缩短至 42 秒，平均恢复时间下降约百分之六十五。对于一款拥有数十万同时在线用户的产品而言，这意味着玩家感知到的异常情况显著减少。

从“看监控”到“懂业务”

传统的监控体系只能回答“服务器是否还活着”，却无法回答“玩家是否玩得顺畅”。灯塔平台在基础设施指标之上叠加了业务语义层：在线人数、匹配等待时长、战斗结算成功率、支付回调延迟等指标被统一纳入健康度模型。当某个指标的波动超出历史同期的置信区间时，平台会自动关联相关服务的日志与链路追踪数据，生成一份初步的归因建议。

• 异常检测：基于时序基线动态学习，避免固定阈值带来的误报；
• 自动止损：对已知故障模式预设处置脚本，如自动摘除异常节点、回滚配置；
• 变更管控：所有发布与配置变更关联健康度曲线，异常时自动冻结发布。

容量规划：把扩容做成预测

游戏业务的流量具有强周期性——版本更新、节假日、赛事活动都会带来脉冲式增长。灯塔平台引入了容量预测模块，结合历史活动数据与预约人数，提前 7 天预测各分区的资源需求，并自动生成扩容工单。在《九霄云歌》资料片上线前的容量演练中，预测值与实际峰值的偏差控制在百分之十二以内。

成本控制：让每一分算力都有归属

性能之外，平台还承担了成本治理职能。所有云资源被打上项目与环境的标签，按小时核算成本并推送给项目负责人，闲置资源与低效实例会被自动标记。过去一年，圣淘沙游戏在服务器与带宽成本上的单位用户成本下降了约百分之十八。

数据中心负责人表示，运维的最高境界是“让玩家感觉不到运维的存在”。下一步团队将把玩家端的网络质量数据接入平台，实现对不同运营商、不同地区的链路质量优化，进一步降低卡顿与掉线率。