业务场景

百度游戏是手机游戏娱乐平台，提供“搜索引擎+应用商店+媒体社区”多核驱动的游戏发行服务。百度游戏依托百度搜索及手机百度，通过PC端和移动端入口为游戏分发导量。通过与国内外数千家移动游戏研发商、发行商的合作，承载从单机到网游，从动作、休闲到策略、卡牌等全类型移动游戏的运营与推广，为用户提供精彩的掌中娱乐服务。百度游戏用户覆盖份额在2014年Q4达42.48%，已连续四个季度位居中国安卓渠道第一，成为中国最大的移动游戏平台，为手游分发带来直接的巨大的分发价值。

百度游戏面对数亿用户，每天接受数亿次请求，产生T级别日志文件。如何充分挖掘这些数据的价值，为用户推荐心仪的游戏，从而提升用户体验并优化变现能力，成为百度游戏的燃眉之急。

解决方案

百度游戏的初始方案如下：

• 购买多台服务器搭建计算集群以处理海量数据。
• 招聘机器学习人才开发算法和优化模型。
• 招聘运维人员维护集群。

但这个解决方案存在很大的问题。首先，购买服务器需要一个周期，不但需要花费大量资金，而且无法适应增长迅速的业务。其次，招聘员工维护计算集群，成本是相当高的，要维护24乘7的可用性更是难上加难。最后，招聘人才、新员工熟悉环境到开发算法、优化模型、模型上线需要耗费非常长的时间，不能解决燃眉之急。百度游戏最终选择了百度智能云的大数据解决方案：使用百度MapReduce（BMR）来清理数据，以及百度机器学习（BML）来做推荐。

百度MapReduce提供了以下特性：

• 全托管的Hadoop以及Spark服务，提供全天候的运维。
• 按需调整集群规模，适应弹性的计算需求。

百度机器学习带来以下明显的优势：

• 全托管的计算平台，提供多种分布式并行算法，实现从模型训练、评估到在线预测一站式服务。
• 依托海量搜索数据和优化的机器学习算法，为客户提供营销大数据，丰富客户原有数据，提升客户的优化效果。
• 提供专家咨询，由经验丰富的一线研发人员组成专家咨询团队，快速响应客户提出的问题。

使用百度大数据分析解决方案，上述问题全部迎刃而解。