会话填充率
会话填充率是指在运行的游戏服务器中实际占用的可用玩家席位比例，它是每个会话整个生命周期的平均值。一个专为 10 名玩家设计但只容纳 4 名玩家的服务器，其运行填充率为 40%。这个数值直接将匹配行为与托管成本联系起来。
又称
填充率，游戏会话填充率，对手匹配填充率
，
如何衡量会话填充率？
会话填充率 = 被占用的席位分钟数 ÷ 可用席位分钟数
该指标是在整个会话期间进行测量的，而不是在比赛开始时。一个开始有 10 名玩家，结束时有 6 名玩家的服务器，在某一时刻是满载的，而在全额计费的其余比赛时间里则是部分空闲的。公式中的每个部分都隐藏着一种选择：
被占用的席位分钟数。 每个席位容纳已连接玩家的分钟数。为仍在加载的队伍成员保留的席位通常也计算在内。机器人是另一个问题，将在下文讨论。
可用席位分钟数。 指该模式设计支持的席位，而不是服务器在技术上能容纳的最大席位，乘以服务器运行的时间。第一个玩家连接之前和最后一个玩家离开之后的分钟数也计算在内，因为这些时间也是计费的。在多房间服务器上，计算每个房间。
统计窗口。 这两个总和是在多个会话中累加的，然后按地区、按队列和按一天的每小时进行读取。单一的全球平均值可能会掩盖一个冷门地区、非高峰时段或小众模式。
通过这种方式测量，可以对每周的填充率进行比较。而在比赛开始时的快照，主要反映的是开始规则是如何设置的。
会话中的哪个阶段填充率会下降？
填充率在会话生命周期中的三个时刻决定，每个时刻都有其自身的原因。
开始时。 匹配系统如果以最低玩家人数启动比赛，或者当等待计时器超时，就会开启一个已有空位的服务器。为了保持较短的排队时间，这两者都是合理的规则。这两者都会从第一分钟起降低填充率。
比赛期间。 玩家离开：他们掉线、退出或提前完成自己的部分。在战术竞技游戏（大逃杀）中，淘汰在设计上就会使座位变空，因此即使无人退出，每场比赛的填充率也会下降。回填可以在允许延迟加入的模型中重新填满座位。
结束时。 比赛已结束但服务器仍在运行：结算画面、缓慢的关机过程，或正在等待被告知停止的服务器。这些时间里的每一分钟都是无人使用的容量。在最后一名玩家离开后立即停止服务器通常是最容易获得收益的方式之一，因为没有玩家会因此等待更长时间。
哪个时刻的比重最大因游戏而异，同样，解决每种流失的价值也因游戏而异。如果工作室对这三个时刻的填充率都进行衡量，就能看出空位来自何处，然后选择接受哪些以及解决哪些。
为什么有些游戏类型的数量比其他类型少？
在进行任何调整之前，游戏的设计本身就已经大致决定了其服务器的填充率上限。
大厅人数。 坐满 2 个位置只需几秒钟。而坐满 100 个位置则需要更长的时间，且等待的每一秒都是选择以较少人数开始游戏的理由。
单局时长。 游戏时间越长，流失玩家的时间就越充裕。而游戏时间越短，其计费时间中用于热身和结束阶段的占比就越大。
设计性流失。 淘汰模式会刻意清空席位，因此其平均填充率远低于初始人数。撤离类游戏则是填充率随时间推移而下降的典型代表。
分流。 针对不同平台、输入方式或模式的独立队列，各自能获取的玩家数量都会更少。
因此，跨游戏品类对比填充率并没有太大意义。而对比同一款游戏自身的队列、地区和时段则要有用得多。
在一款游戏内部，填充率与等待时间是相互权衡的。为了等待一个更满的大厅会提高填充率，但同时也会延长排队时间。这就是为什么在查看填充率时，最好结合票据过期率一起分析：如果两者同时上升，说明玩家在匹配成功前就因超时而退出了。我们的会话填充率优化指南介绍了能同时影响这两项指标 shore 的匹配器规则。
机器人能提高会话填充率吗？
机器人会填满大厅。这可能非常有助于确保玩家感知到队列规模更饱满，从而提高对您游戏的满意度。然而，就影响成本的关键意义而言，它们并没有起到填充作用。
机器人具有真正的设计价值：它们能让模式在冷清时段更快启动，并能给新玩家一个更平缓的上手过程。但服务器仍以满大厅规模运行，实际人类玩家较少，且机器人自身也会增加成本。我们对填充率和托管成本的分析描述了三个层面：
人类未占用的席位仍会降低填充率。
服务器端 AI 会增加 CPU 负载。
每个机器人的状态都会发送给每个客户端，从而增加了随玩家数量和嘀嗒率（tick rate）增长的出站流量（egress）。
当机器人席位被视为空位时，填充率就会显示出真实的差距，而机器人的成本也会在托管预算中体现为独立的一项，而不是未经验证的超支。
来自我们的赞助商（其实就是我们自己！）的寄语
每个空余的玩家位置都是您付费了但无人使用的容量。在 2025 年第二季度，Edgegap 匹配系统上的一个工作室在其所有游戏会话中实现了平均 91% 的玩家位置填充率，因此用更少的服务器承载了相同数量的玩家。
Edgegap 的观点（仅代表个人意见，姑且听之即可！）
志存高远，然后懂得妥协的时机与缘由
最佳实践表明，我们的目标应该定得更高。我们的填充率计算器模拟的优化撮合率为 95%，并且在使用我们撮合系统的工作室中，有一家在 2025 年第二季度的会话填充率平均达到了 91%（根据平台数据），这只是单一游戏的数据，而非平台平均水平。在真实流量下，高填充率是完全可以实现的。
在线游戏很少能在所有地方都保持最佳数据。一个冷清的地区、非高峰时段或小众模式的填充率通常会较低，这其实没关系。关键在于要清楚在何处以及为何会这样，然后决定这是可以接受的，还是需要进一步调整。
一个可以入手的方向：每周查看每个地区和每个队列的时间加权填充率，并将其与玩家匹配票据的过期率进行对比。填充率低且过期票据少，通常表明启动规则设定得比实际所需的更宽松。填充率低且过期票据多，则表明玩家池过小，此时采用独立的低在线人数配置或共享的区域玩家池，往往比使用更严格的规则更有帮助。
，
