Микросервис расчета игровой статистики и аналитики матчей

Бюджет: 2000 EUR Срок: 7 дней

Привет, я работал над аналитическим сервисом для esports-платформы, где мы обрабатывали более 2 миллионов игровых событий в день через Pandas без циклов for, и сократили время расчета метрик до менее 3 секунд ⚡

Проект очень похож на ваш: там тоже нужно было агрегировать сырые логи (убийства, смерти, урон) и отдавать структурированную аналитику через FastAPI + валидацию Pydantic

Вопрос по сути: вы планируете обрабатывать события в реальном времени (стриминг из очереди типа Kafka), или достаточно batch-обработки готовых логов сессий? От этого зависит выбор между ClickHouse и PostgreSQL

Предлагаю связаться, я бесплатно проконсультирую вас с технической стороны и составим план разработки + расскажу о моей команде!

Бюджет: 333 EUR Срок: 10 дней

aИван, вам нужен сервис для быстрой обработки игровых логов, который переводит «сырые» события в понятные метрики эффективности игроков. Главная сложность здесь - не просто собрать данные, а грамотно векторизовать операции, чтобы сервис не захлебывался при анализе больших массивов матчей. Я построю архитектуру обработки на связке Pandas и NumPy, полностью исключив циклы в расчетах, что обеспечит высокую производительность при агрегации событий. Всю входящую нагрузку свалидируем через Pydantic, а для быстрой развертки упакую сервис и выбранную базу в Docker. Расскажите, какой средний объем логов на один матч планируется и есть ли уже готовая схема JSON, которую сервис должен принимать на вход?

Бюджет: 1000 EUR Срок: 7 дней

Здравствуйте!

Заинтересовал ваш проект. У меня есть опыт разработки высоконагруженных backend-сервисов на Python, работы с FastAPI, PostgreSQL, Docker, а также обработки больших объемов данных с акцентом на производительность.

Могу реализовать сервис, который:

* принимает и валидирует игровые события через FastAPI и Pydantic;
* эффективно агрегирует большие массивы данных с использованием Pandas/NumPy без использования циклов `for` там, где это влияет на производительность;
* рассчитывает необходимые метрики игроков (K/D, урон, эффективность, выполнение целей и другие показатели);
* поддерживает хранение данных в PostgreSQL или ClickHouse (если предполагаются действительно большие объемы логов);
* предоставляет удобное API для получения аналитики;
* полностью разворачивается через Docker Compose.

При разработке уделяю внимание не только корректности расчетов, но и масштабируемости сервиса. Архитектура будет построена таким образом, чтобы в дальнейшем можно было добавлять новые типы игровых событий, метрики и источники данных без существенной переработки системы.

Буду рад обсудить структуру входящих событий, ожидаемые объемы данных и набор рассчитываемых метрик, чтобы предложить оптимальную архитектуру.

С уважением,
Дмитрий Развернуть

Бюджет: 25 EUR Срок: 1 день

Привет, Иван,

Это соответствует работе, которую я регулярно выполняю, службы FastAPI, обрабатывающие структурированные данные событий с помощью Pandas для тяжелой агрегации и Pydantic для проверки схемы на входе.

Что касается расчета метрик, требование об отсутствии циклов имеет смысл, учитывая объем, который вы описываете, векторизованные операции Pandas/NumPy над сырыми массивами событий (убийства, смерти, урон, миссии), а не итерация по строкам, группировка и агрегация на уровне DataFrame, передача данных в ClickHouse напрямую, когда набор данных становится достаточно большим, чтобы загрузка всего в память перестала иметь смысл.

Несколько вещей, которые помогут мне точно определить объем работы. Каков ожидаемый объем, говорим ли мы о тысячах событий на матч или миллионах в рамках живого потока, так как это решает, стоит ли ClickHouse затрат на настройку по сравнению с просто PostgreSQL с хорошей индексацией. У вас уже есть образец формата сырых логов, даже несколько реальных записей позволят мне точно определить схему Pydantic с первого раза, вместо того чтобы гадать о названиях полей. И это одноразовая служба загрузки или она должна обрабатывать непрерывные входящие сессии, это меняет, нужно ли мне строить очередь или оставить все просто в формате запрос-ответ.

Я бы настроил это как FastAPI с моделями Pydantic, проверяющими входящие данные, слой агрегации на основе Pandas для вычисления метрик, упакованным в Docker вместе с тем, какая база данных подходит для вашего объема, с использованием docker compose, чтобы все работало одной командой с вашей стороны.

Отправьте образец полезной нагрузки, если у вас есть, и я вернусь с окончательной ценой и сроками вместо грубой оценки. Развернуть

Бюджет: 450 EUR Срок: 9 дней

Здравствуйте! Готов разработать микросервис для расчета игровой статистики с использованием FastAPI и Pandas. Обеспечу высокую производительность и качественную аналитику. Давайте обсудим детали!

Бюджет: 50 EUR Срок: 2 дня

Здравствуйте. Проект по созданию сервиса аналитики игровых сессий мне хорошо понятен и интересен для реализации. Архитектура сервиса будет построена на FastAPI с Pydantic для надежной валидации входных данных, а для быстрой агрегации метрик на больших объемах данных я применю векторизованные операции Pandas и NumPy, избегая циклов for, как указано в требованиях. Использование ClickHouse обеспечит оптимальную производительность для аналитических запросов, а Docker-контейнеризация гарантирует легкое развертывание и масштабирование решения. У меня уже есть готовые архитектурные шаблоны и оптимизированные скрипты для подобных задач, что значительно ускорит процесс разработки и повысит надежность. Все детали реализации, конечный бюджет и сроки предлагаю обсудить в личных сообщениях.

Бюджет: 348 EUR Срок: 5 дней

Приветствую! Заинтересовала ваша задача по созданию аналитического микросервиса. Имею отличный опыт работы с FastAPI и Pydantic для валидации данных, а также глубоко знаком с Pandas и NumPy для векторизированных вычислений, что критически важно для обработки игровых логов без использования медленных циклов. Готов реализовать эффективную архитектуру с использованием ClickHouse или PostgreSQL, упаковать всё в Docker и обеспечить высокую производительность обработки данных. Готов обсудить детали и приступить к работе, пишите.