阿里跨终端的H5游戏开发解决方案——Hilo

Hilo是由阿里巴巴集团开发的一款 HTML5 跨终端 游戏 解决方案，可以帮助开发者快速创建 HTML5 游戏 。有以下特征：独立模块设计，支持多种模块范式的包装版本面向对象程序化开发多重渲染模型，其中包括 Canvas，DOM 和 WebGL 等兼容多台台式机和移动浏览器；使用 Flash Shim 来支持 IE 支持物理扩展： Chipmunk；支持骨骼动画扩展： DragonBone！

1、Hilo 支持多种模块范式的包装版本，包括AMD，CMD，COMMONJS，Standalone多种方式接入。另外，你可以根据需要新增和扩展模块和类型；

2、极精简的模块设计，完全面向对象；

3、多种渲染方式, 提供DOM，Canvas，Flash，WebGL等多种渲染方案（目前已经申请专利）；

4、全端浏览器的支持和高性能方案，独有的Flash渲染方案，即使在低版本IE浏览器下也可以跑起来“酷炫” 游戏 ； DOM渲染方案能显著解决低性能手机浏览器遇到的性能问题；

5、物理引擎支持——Chipmunk，支持自扩展物理实现；骨骼动画支持——DragonBones，同时内建骨骼动画系统——Tahiti（目前内部使用）；

6、案例丰富，框架成熟，已经经历多届阿里巴巴双十一，年中大促互动营销活动考验；

舞台Stage是一个各种图形、精灵动画等的总载体。所以可见的对象都要添加到舞台或其子容器后，才会被渲染出来。

Stage构造函数接收一个参数properties，此参数包含创建stage的各种属性。

舞台Stage上的物体的运动等变化，都是通过一个定时器Ticker不断地调用Stage.tick()方法来实现刷新的。

舞台上的一切对象都是可视对象，可以是图片、精灵、文字、图形，甚至DOM元素等等。Hilo提供了一些基本的可视类供您使用，比如添加一个图片到舞台上：

要想舞台上的图形、精灵动画等对象能响应用户的点击、触碰等交互事件，就必需先为舞台开启DOM事件响应，然后就可以使用View.on()来响应事件。

接下来，您就可以开始利用hilo提供的各种可视类来创建各种图形、精灵动画，尽情发挥您的创造力，开始您的HTML5 游戏 之旅吧！

Hilo对于开发H5 游戏 的开发者和对Web端渲染感兴趣的小伙伴来说值得一看，Hilo有诸多案例可供参考，如果你想继续深入了解它，可移步官方文档或者Github一探究竟！

在阿里云的大数据体系中，有两个数据展现组件，一个是QuickBI、一个是DataV。

使用QuickBI过程类似于吃炸酱面，技术人员提前帮业务人员准备好数据（第1步、第2步），业务人员把自己需要的数据拖到仪表板或者表格里（第3步或第4步），最后再把仪表板和报表加上菜单就是数据门户（第5步）。

为了让大数据更加普惠，QuickBI和DataV分别找到了两种不同的解决方案：

Quick BI产品架构如下图所示：

Quick BI的主要模块和相关功能。

能够解决：

推荐搭配使用：

RDS + Quick BI

图例：

通过整合散落的各类数据，构建统一的大数据平台系统，实现经营、商品、流量、店铺、订 单、营销等各类场景分析，从各类整体指标概览，再到分层细节指标数据的对比分析，实现 数据指导业务精细化运营。

能够解决：

多渠道数据无法整合分析

多渠道经营、流量、店铺等数据各自为阵，无法整合关联分析。

数据的汇管用无法统一

各业务部分规则不同导致无法实现统一化管控，数据分析过程中效率低下。

业务人员自助分析困难

业务人员分析数据完全依赖IT部门，无法根据需求灵活分析

新的时代需要全方位的去利用大数据提高会员服务的体验，需要对会员的分类、分级、偏好、以及连锁门店的经营状况等数据进行分析，以增加对会员行为预测的更准确的判断。

能够解决

-用户数据提取效率

要从业务上面考虑，如何从会员及其行为数据提取洞见，并给会员提供更好的服务；

-BI系统建设成本

传统BI 和大数据建设的体系成本非常高，速度也很慢；

-业务人员协同

传统连锁的报表分析业务门槛很高，限于连锁模式的特性，很多业务人员分散在全国各地。

下面将以一个真实的数据分析案例为场景带您开启QuickBI产品之旅。

假设您是一家大型互联网新零售企业的数据分析师，您的经理刚刚拿到2019年8月份的月度运营分析数据，他发现近期企业运营状况不佳，8月份毛利额环比前几个月下滑较大，三季度存在达标风险。

因此将这个任务交给了您，根据订单信息和流量渠道信息等相关数据，分析企业8月份毛利额下滑的关键要素，并将其分享给团队，以便指导相关业务部门采取决策和行动，提高企业整体毛利额。

Quick BI快速入门分为以下步骤：

当文件的状态为 同步完成

默认在 Personal Workspace 下，通过上传文件的方式连接数据源成功后，则在 我的数据集 下看到新建的数据集。如果没有，您可以通过以下方式创建数据集。若已有目标数据集，请跳过此步骤。

下面为您介绍查看订单信息明细表的度量和维度信息。

为了分析各个渠道的毛利情况，您需要在 度量 中添加 毛利额 和 毛利率 两个指标，方便后续进行相关数据统计。

为了分析各个渠道的毛利情况，您需要将订单信息明细表和渠道信息维度表进行通过 渠道ID 字段进行关联，以获取对应的渠道名称和渠道类别，方便后续进行相关数据统计。

通过以下步骤，分析毛利额异常下滑的原因。

进入仪表板编辑页面。

为了分析毛利额下滑原因，您需要先查看月度毛利额的走势，确认毛利额在哪个月份出现下滑。同时需要分析销售额的月度走势，确认近几个月的销售情况。本文以线图来展示月度毛利额和月度销售额的走势图。

查看月度毛利额统计

您可以通过线图查看毛利额的月度走势数据。

此时，您可以看到2019年8月份的毛利额从7月份的66.54万下降到了58.46万。

查看销售额统计

为了进一步排查毛利额的下降原因，您可以通过线图查看销售额的月度走势数据。

---