在一个场景里，怪物A攻击了玩家B，玩家B掉了5血量。玩家B反击，怪物A掉了10血量。玩家C在旁边观看了这一过程，而在远处的玩家D对这一过程毫无所知。这是MMO游戏中很常见的一情景，从程序逻辑的角度来看，把它拆分成以下几部分
- 怪物A感知玩家B在攻击距离内，释放了技能，并把整个过程广播给附近的玩家B、玩家C
- 玩家B感知怪物A在攻击距离内，释放了技能进行反击，并把整个过程广播给自己(玩家B)、附近的玩家C
- 玩家D因为离得太远，无法感知这个过程
可以看到，整个逻辑都是以位置为基础来进行的，玩家需要知道周边发生了什么。通常把玩家周边的这块区域叫做玩家感兴趣的区域，即AOI(Area Of Interest)，其大小即玩家的视野大小，上图画出了C、D这两个玩家的AOI。玩家AOI区域里的视觉变化（如攻击、掉血、移动、变身、换装等等），都需要通知玩家。而不在区域内的变化，比如上面的玩家D的AOI不包含A、B，就不需要通知他。怪物是不需要知道这些视觉变化的，因此一般来说怪物是没有AOI的。
AOI的核心是位置管理，其作用一是根据AOI优化数据发送（离得太远的玩家不需要发送数据，减少通信量），二是为位置相关的操作提供支持（例如玩家一个技能打出去，需要知道自己周围有哪些怪物、玩家，这些都是通过AOI来查询）。
PS: 场景中的玩家、怪物、NPC等统称为实体，下面有用到。
Interest列表
AOI的作用之一是优化数据发送，哪到底这个要怎么实现呢。以上面的情景为例，怪物A攻击时，是如何知道要把数据发送给B、C，而不发给D呢？最简单的办法是把场景里的玩家遍历一次，计算一下位置。但在实际中，一次攻击可能会下发4到5个数据包（攻击、掉血同步、怪物死亡、击退等等），现在有些游戏喜欢做成一刀打一片怪，那数据包可能要到10个以上了，每次都计算一下显然是不太现实的。因此一般每个实体上都有一个列表，所有对该实体感兴趣的玩家（即AOI包含该实体的玩家），都在列表上，一般把这个列表叫做Interest列表，或者观察者列表、目击者列表。例如，C在A、B的Interest列表里，D不在，所以A、B攻击时，把数据发给了玩家C，没发给D。
每当位置变化时，需要维护这个列表，这个处理起来还挺麻烦，后面再细说。
AOI区域的形状与大小
理想情况下，AOI区域是圆形的，因为现实生活中人在各个方向的视野大小都是一样的。不过用来玩游戏的手机、显示器可不是圆形的，因此为了方便，很多时候AOI是做成了方形的。一来AOI区域的大小并不需要很严格，大点小点一般没问题，二是判断点是否在圆内，需要计算平方，而判断是否在正方形内，只需要判断大小，效率高一些。还有另一个原因就是有些AOI算法，不太好实现圆形区域（如下面的格子算法）。
虽然实体看得比较远，例如玩家可以看到很远的那座山。但很多游戏不会给你拉那么远的镜头的机会（看到的远处的山实际是装饰用的，走不到那个位置，和AOI无关），所以不少游戏的AOI都很小，只有几个格子，等同手机屏幕大小即可。折算到现实现生活中大概只有10多米，即只能看到旁边的那块石头。
AOI算法
AOI并没有什么特别优秀又通用的算法，甚至做一些同场景人数不多的游戏时（比如经典的传奇类游戏），简单的遍历或者全场景广播都比其他算法优秀。其他算法是各有各的特点，下面简单说下一些通用的AOI算法
- 九宫格
如图所示，九宫格AOI算法核心是把整个地图划分成大小相等的正方形格子，每个格子用一个数组存储在格子里的玩家，玩家的视野即上图中标了数字的九个格子（如果视野大小为2个格子，再往外扩一圈即可，依此类推）。九宫格的优点是效率高，拿到坐标后即可跳转到对应的格子，视野范围内需要遍历的格子也不多，配合经典的格子地图（tile map）再合适不过，都不需要把像素坐标转格子坐标。其缺点是占用内存有点大，因为必须为所有格子预留一个数组，即使是一个数组指针，长宽为1024的一个地图也要1024 * 1024 * 8 = 8M内存，这还不算真正要存数据的结构，仅仅是必须预留的。
我实现了一个格子的AOI算法用于测试：https://github.com/changnet/MServer/blob/master/engine/src/scene/grid_aoi.hpp。
-
灯塔
灯塔AOI是把整个地图划分成比较大的格子，每个格子称为一个灯塔，玩家视野一般涉及上下左右4个灯塔（之所以不是周边的9个而是4个是因为灯塔必须大于玩家的视野，因此偏向左下方就查左下方那4个格子即可，不用查9个，其他依此类推）。我觉得这个算法和九宫格没啥区别，无非就是格子变大了些，九宫格变成了四宫格，因此我没有实现这个算法。网易的pomelo有实现这个算法，可以参考一下。 -
十字链表
把场景中的实体按位置从小到大用双向链表保存起来，X轴用一条双向链表，Y轴用一条双向链表，因为在画坐标时X轴和Y轴刚好呈十字，所以称十字链表（嗯，我觉得是这样，但找不到出处）。但是查资料的时候我发现，这个算法的实现几乎按55比例分成了两种
-
链表中保存的是一个点
每个实体在链表中为一个节点，如a->b->c->d->f -
链表中保存的是一条线段
每个实体在链表中为一个线段，包含(左视野边界AL、实体本身A、右视野边界AR)三个点，如下图
我不太理解第一种的算法，因为插入、移动实体时，都需要从其中一条链表当前实体分别向两边遍历到视野边界，才能维护interest列表，查找视野范围内的实体也是如此。既然是只遍历其中一条链表，为啥需要两条链表，只用X轴一条链表即可。有人认为需要两条链表是因为查找视野内实体是需要分别遍历x、y两轴，再求两轴的交集。我觉得遍历x轴，判断每个实体是否在视野内比求交集高效。
而对于第二种算法，每个实体为一条线段，线段起点为左视野边界，终点为右视野边界，中间还得加上实体本身，如上图中实体A为AL、A、AR，实体B为BL、B、BR。当插入、移动实体时，如果已方边界遇到对方实体，则表示对方进入或退出自己视野，如果对方边界遇到己方实体，则表示自己进入或退出对方视野。例如上图中，A在BL与BR之间，则表示A在B的视野范围内，而B不在AL与AR之间，则B不在A的视野范围内。当然，像怪物、NPC这种没有视野的实体，就可以优化成只需要一个点，按第一种算法处理。
算法二的实现比较复杂，其优点是移动的时候，遍历的数量比较少。例如：实体从(1, 100)移动到(1, 101)，必须找出视野范围内的玩家。对于算法一，没有什么变量能确定是遍历X轴还是遍历Y轴，因此只能随意选择一个。假如选择X轴，极端情况下，场景所有实体X坐标都在1，但Y轴都不一样，但这种算法就变成了遍历所有实体。对于算法二，由于X轴不变，因此X轴不需要移动，把Y轴向右移动1，在移动的过程中，根据“如果已方边界遇到对方实体，则表示对方进入或退出自己视野，如果对方边界遇到己方实体，则表示自己进入或退出对方视野”这个规则来处理遍历的实体即可。
但我的疑问是，算法二会导致链表长度大增加，其插入、移除的复杂度都高于算法一，仅仅是移动所带来的好处能抵消吗？
目前我用算法二实现了一个十字链表https://github.com/changnet/MServer/blob/master/engine/src/scene/list_aoi.hpp。
另外，十字链表这算法都是很怕聚集的，例如大部分实体的X坐标都在2，另一个实体从1移到3就需要遍历大量的实体了。
- 四叉树
AOI的核心是对空间进行管理，格子太耗内存，链表遍历太耗CPU，那四叉树是一个比较合适的方案。四叉树是把地图分成4块，每一块里再分4小块，根据场景中实体的数量不断地递归划分直到最小值（比如一个实体的视野范围）。盗用别人的图演示一下
假如一个实体的坐标在L区域，那么需要从A->H->L这条路线来查询，遍历也不算太多。但是这个算法有一个缺点，就是视野不好处理，没法直接搜索相邻的实体。假如上图中的L区域右边为B区域，但是在四叉树查询B区域的实体是走B->?的，和L区域的完全不一样。
由于我对四叉树不太熟悉，也没在实际项目中用过，因此不太清楚一些具体的细节是怎么处理的，暂时没有实现。不过别人实现了一个，可以参考一下。
- 跳表
我原本并没有考虑这个算法，但在对比九宫格和十字链表的性能后，我对自己实现的十字链表性能很不满意，但是九宫格效率虽高，却不适合大地图、可变视野、三轴坐标，说到底还是没有实现一种比较通用高效的算法，心有不甘。用callgrind看了十字链表半天后，CPU都耗在链表的遍历、插入、移动，因为它的链表实在太长了，而且有三条链表，最终没有找到什么办法来优化，放弃了。九宫格如果改用unordered map，性能会下降一些，加上三轴，需要遍历的格子多了，再降一些，实现可变视野后，继续再降一点，这么多缺点我连尝试的动力都没有了。而我到现在也没想明白四叉树是怎么搜索相邻的实体，如果非得从树根遍历，再加上三轴和可变视野，那我觉得性能不会太好看。
于是我打算实现单链表（类似十字链表的第一种算法，但没了y轴链表），对比一下是否会有更好的表现。不过单链表很明显的一个问题就是插入太慢，于是我打算加上索引。链表加上索引，那不就是跳表么。
参考别人的blog
从上图中可以看到，跳表需要在链表中加上多层索引，然后根据索引跳跃式搜索。不过我觉得对于AOI来说，多层索引过于复杂，维护这些索引费时费力。那就用一层？用一层的话遍历索引也很费力，效率提升不大。链表节点变化时，还得更新索引，麻烦。
后来想用多链表来实现，即像九宫格那样，把x轴平均分段，每段是一个链表，用数组管理，访问时直接用x/index计算出数组下标。但是这样的话要查询相邻的实体可能要查询两条链表，而且实体移动需要跨链表时也需要额外的处理。
这里我忽然想到，我为啥不用静态索引跳表呢？对于一个通用的跳表而言，它存什么数据是未知的，数据的分布是未知的，它的索引理想的情况应该是平均分布的，这样查找的时候效率才高，因此需要维护索引。但对于AOI而言，它存的就是坐标，而且创建AOI的时候，肯定是知道地图的大小的。把x轴平均分段，每一段起点插入一个特殊的节点当作索引，然后用数组管理索引，访问时直接用x/index计算出数组下标。
红色为固定的索引节点（索引分段为1000），在创建AOI时就建立好，然后存到一个数组里。插入实体A(X=2200)时，2200/1000=2，所以直接取索引节点2（索引从0开始）开始搜索合适的位置。
和原生的跳表相比，这种实现简单而且搜索效率高，不用维护索引。缺点是当实体聚集（比如所有实体坐标都在[0,1000]）时索引命中非常低。
可变视野与飞行、跳跃
绝大多数MMO游戏，尤其是武侠类的游戏，基本上都所有实体的视野都一样的。不过随着一些跳跃、飞行玩法的加入，飞行中或者跳到高处的玩家，视野更大。九宫格、灯塔之类的算法其实不太适合做这个。例如九宫格原本只需要遍历九个格子，假如有了可变视野，那只能按最大视野范围遍历，那就不止九个了，而绝大部分玩家的视野都是9个格子，徒增一些无效的遍历。
而用链表实现的AOI，视野变化只是遍历链表长度不一样，对现在的逻辑没有任何影响，都不需要改任何代码。
三轴AOI
越来越多的游戏开始使用3D地形，不过一般来说，地形对于武侠类游戏的服务器几乎没有影响，依然可以使用二轴AOI。一般是忽略高度，在高处的玩家和低处的玩家对于服务端来说是一样的，如果技能释放的时候有要求，那特殊处理一下也行。比如TrinityCore使用的是三坐标，但对于AOI来说只有二坐标。
当然想要做得细致一点也是可以的。九宫格需要多出一条轴，就变成27宫格了，而一张长宽高均为1024个格子的地图预留的内存就变成1024 * 1024 * 1024 * 8 = 8G。当然没人会给一张地图分这么多内存，可以考虑用unordered map，只是会慢一点而已。而十字链表，也需要多加一条链表。我上面实现的十字链表就是三轴可变视野的，而九宫格实现三轴的，我还没见过。
AOI的实现方式
有些项目做AOI时，是在AOI里定时去更新同步位置的。即更新位置时，不通知前端，而是在定时器里定更新位置，同步到前端。这种方式可能会更省一些资源，但极限情况下就需要特殊处理。例如释放技能时，把远处的玩家勾过来，再一脚踢飞出去，如果用定时器，那这个位置变化过程可能就没有同步到前端。当然特殊的问题可以特殊处理，这个可以手动同步一次，或者在技能那边处理即可。
有些甚至以一个独立的进程去实现的。即实体有变化时，通知另一个进程，由该进程定时同步位置到前端，云风讨论AOI模块时便是这个思路。从位置同步这一块来讲，这是没问题的。但是一般来说AOI兼顾技能的位置查询，以及一些外显数据的同步，不知道他们是怎么处理的。
另一种方式是AOI做实时，更新玩家位置时，立刻更新AOI中的位置，并同步到前端。而像移动这种，不是在AOI中做的，而是由定时器根据玩家移动速度定时计算出新位置，同步到AOI中。
我更趋向于第二种的，因为可以控制得更加细致，所以AOI是写成一个库。而采用第一种方式的，往往是把AOI直接写成一个独立的进程（或微服务之类的）。当然有了一个库，把它封装成一个微服务的也不算太难。
性能
别人的实现，因为接口、语言都不一样，因此我是没法测试的，不过我自己写的，可以对比一下
CPU: AMD A8-4500M APU@1.9GHz
OS: debian 10@VirtualBox
[T0LP01-24 13:49:21]Using filter: aoi
[T0LP01-24 13:49:21]test grid aoi
[T0LP01-24 13:50:51][ OK] base test (89210ms)
[T0LP01-24 13:50:55][ OK] perf test 2000 entity and 50000 times random move/exit/enter (3902ms)
[T0LP01-24 13:51:01]actually run 1767
[T0LP01-24 13:51:01][ OK] query visual test 2000 entity and 1000 times visual range (5980ms)
[T0LP01-24 13:51:01]list aoi test
[T0LP01-24 13:51:01][ OK] list_aoi_bug
[T0LP01-24 13:51:23][ OK] base list aoi test (21999ms)
[T0LP01-24 13:51:29][ OK] perf test no_y(more index) 2000 entity and 50000 times random M/E/E (6174ms)
[T0LP01-24 13:51:41][ OK] perf test 1 index 2000 entity and 50000 times random move/exit/enter (11683ms)
[T0LP01-24 13:51:46][ OK] perf test 2000 entity and 50000 times random move/exit/enter (5153ms)
[T0LP01-24 13:52:11]actually run 1978
[T0LP01-24 13:52:11][ OK] query visual test 2000 entity and 1000 times visual range (24737ms)
[T0LP01-24 13:53:42]actually run 674000
[T0LP01-24 13:53:42][ OK] change visual test 2000 entity and 1000 times visual range (90775ms)
[T0LP01-24 13:51:01]list aoi test
[T0LP01-24 15:32:15][ OK] list_aoi_bug (2ms)
[T0LP01-24 15:33:07][ OK] base list aoi test (52175ms)
[T0LP01-24 15:33:19][ OK] perf test no_y(more index) 2000 entity and 50000 times random M/E/E (11598ms)
[T0LP01-24 15:33:33][ OK] perf test 1 index 2000 entity and 50000 times random move/exit/enter (14237ms)
[T0LP01-24 15:33:48][ OK] perf test 2000 entity and 50000 times random move/exit/enter (14483ms)
[T0LP01-24 15:34:06]actually run 1952
[T0LP01-24 15:34:06][ OK] query visual test 2000 entity and 1000 times visual range (17719ms)
[T0LP01-24 15:34:49]actually run 634000
[T0LP01-24 15:34:49][ OK] change visual test 2000 entity and 1000 times visual range (43290ms)
-
九宫格
地图X最大6400,Y最大12800，格子边长64，视野半宽3 * 64,视野半高4 * 64，即这里实现的不是九宫格，而是视野宽高不对等的格子。2000玩家、怪物、NPC随机进入地图，然后随机执行50000次退出、进入、移动，耗时3902ms，最终场景里还剩下1767个实体，对每个实体执行1000次查询视野范围内的实体，耗时5980ms -
跳表（固定索引）
地图X最大6400,Y最大19200，Z最大12800，视野半径256。2000玩家、怪物、NPC随机进入地图，然后随机执行50000次退出、进入、移动，耗时6174ms，最终场景里还剩下1978个实体，对每个实体执行1000次查询视野范围内的实体，耗时13243ms
当只采用一个索引时，这个就退化成单链表，我测了下，随机执行50000次退出、进入、移动，耗时11683ms，如果测多次，还是略好于十字链表的。
- 十字链表
地图X最大6400,Y最大19200，Z最大12800，视野半径256。2000玩家、怪物、NPC随机进入地图，然后随机执行50000次退出、进入、移动，耗时10656ms，最终场景里还剩下1967个实体，对每个实体执行1000次查询视野范围内的实体，耗时17719ms
可以看到十字链表的性能并不是很理想，虽然算下来单个实体的单次操作（移动、进入、退出、视野变化）都在1ms以下，但是相对于九宫格还是太慢了，只能说够用。用跳表实现的介于两者之间，即支持三轴，也支持可变视野，性能又不太差，算是一个比较通用的AOI。
另外，这些测试数据有些异常，例如跳表的可变视野耗时基本是高于十字链表的，但从逻辑来看它们应该是差不多的，估计哪里有bug，但又没找到证据。
其他方案
__ __ __
/ \__/ \__/
\__/ \__/ \__/
/ \__/ \__/
\__/ \__/ \__/
云风用六边形做了一个灯塔AOI，相比四边形的灯塔只需要查询3个灯塔（灯塔设计得比视野大，虽然被7个灯塔包围，但是偏向哪边就查对应那边的3个灯塔即可）。不过我觉得多边形的运算太过于复杂（假如实体进入AOI时，需要判断属于哪个多边形，这个比灯塔、九宫格复杂。而且，这个要怎么实现三轴啊）。
- kbengine
kbengine的AOI是三轴十字链表，支持可变视野。在查资料的时候，看过他的实现，这里记录一下。
CoordinateSystems是AOI的主核心，三条链表都放这个类里。CoordinateNode是链表节点的基类，EntityCoordinateNode是实体在链表中的节点，RangeTriggerNode是视野左右边界在链表中的节点，通过COORDINATE_NODE_FLAG_POSITIVE_BOUNDARY和COORDINATE_NODE_FLAG_NEGATIVE_BOUNDARY这个flag来区分。
实体进入场景时，走Entity::installCoordinateNodes -- CoordinateSystems::insert把实体插入链表。接着初始化实体的视野会调用Witness::setViewRadius，这里会创建ViewTrigger并分别把左右视野边界插入链表。
当新节点插入或者位置有变化时，都会通过CoordinateSystem::update -- coordinateSystem::moveNodeX -- RangeTrigger::onNodePassX 调整链表中的节点，onNodePassX是一个多态函数，不同类型的CoordinateNode做不同的处理，触发实体进入、离开视野。
总体看下来，这个AOI运算量还是挺大的。这个模块没有单独出来，也没法直接放到我的代码里一同测试，性能如何不太清楚。
- 其他
AOI的实现在英文资料非常少，想参考一下都不行。只搜索到一篇论文，测试了各种奇奇怪怪的AOI算法
但是这看起来并没有什么实际应用价值。唯一看到过真实应用的是TrinityCore，这个只是用了一个九宫格的AOI。