Nginx Lua编程主要的应用场景如下：

• API网关：实现数据校验前置、请求过滤、API请求聚合、AB测试、灰度发布、降级、监控等功能，著名的开源网关Kong就是基于Nginx Lua开发的。
• 高速缓存：可以对响应内容进行缓存，减少到后端的请求，从而提升性能。比如，Nginx Lua可以和Java容器、Redis整合，由Java容器进行业务处理和数据缓存，而Nginx负责读缓存并进行响应，从而解决Java容器的性能瓶颈。
• 简单的动态Web应用：可以完成一些业务逻辑处理较少但耗费CPU的简单应用，比如模板页面的渲染。一般的Nginx Lua页面渲染处理流程为：从Redis获取业务处理结果数据，从本地加载XML/HTML页面模板，然后进行页面渲染。
• 网关限流：缓存、降级、限流是解决高并发的三大利器，Nginx内置了令牌限流的算法，但是对于分布式的限流场景，可以通过Nginx Lua编程定制自己的限流机制。

ngx_lua是Nginx的一个扩展模块，将Lua VM嵌入Nginx，请求时创建一个VM，请求结束时回收VM，这样就可以在Nginx内部运行Lua脚本，使得Nginx变成一个Web容器。以OpenResty为例，其提供了一些常用的ngx_lua开发模块：

• lua-resty-memcached：通过Lua操作memcache
• lua-resty-mysql：通过Lua操作MySQL
• lua-resty-redis：通过Lua操作Redis缓存
• lua-resty-dns：通过Lua操作DNS域名服务器
• lua-resty-limit-traffic：通过Lua进行限流
• lua-resty-template：通过Lua进行模板渲染
• lua-resty-jwt：通过Lua生成jwt
• lua-resty-kafka：通过Lua操作kafka

Lua脚本需要通过Lua解释器来解释执行，除了Lua官方的默认解释器外，目前使用广泛的Lua解释器叫做LuaJIT。LuaJIT采用C语言编写，被设计成全兼容标准Lua 5.1，因此LuaJIT代码的语法和标准Lua的语法没多大区别。但是LuaJIT的运行速度比标准Lua快数十倍。

在OpenResty中，每个Worker进程使用一个Lua VM，当请求被分配到Worker时，将在这个Lua VM中创建一个协程，协程之间数据隔离，每个协程都具有独立的全局变量。

ngx_lua是将Lua VM嵌入Nginx，让Nginx执行Lua脚本，并且高并发、非阻塞地处理各种请求。Lua内置协程可以很好地将异步回调转换成顺序调用的形式。ngx_lua在Lua中进行的IO操作都会委托给Nginx的事件模型，从而实现非阻塞调用。开发者可以采用串行的方式编写程序，ngx_lua会在进行阻塞的IO操作时自动中断，保存上下文，然后将IO操作委托给Nginx事件处理机制，在IO操作完成后，ngx_lua会恢复上下文，程序继续执行，这些操作对用户程序都是透明的。

每个Worker进程都持有一个Lua解释器或LuaJIT实例，被这个Worker处理的所有请求共享这个实例。每个请求的context上下文会被Lua轻量级的协程分隔，从而保证每个请求是独立的。

ngx_lua采用one-coroutine-per-request的处理模型，对于每个用户请求，ngx_lua会唤醒一个协程用于执行用户代码处理请求，当请求处理完成后，这个协程会被销毁。每个协程都有一个独立的全局环境，继承于全局共享的、只读的公共数据。所以，被用户代码注入全局空间的任何变量都不会影响其他请求的处理，并且这些变量在请求处理完成后会被释放，这样就保证所有的用户代码都运行在一个sandbox（沙箱）中，这个沙箱与请求具有相同的生命周期。

得益于Lua协程的支持，ngx_lua在处理10000个并发请求时，只需要很少的内存。根据测试，ngx_lua处理每个请求只需要2KB的内存，如果使用LuaJIT就会更少。

ngx_lua定义的Nginx配置指令大致如下：

• lua_package_path：配置Lua外部库的搜索路径，搜索的文件类型为.lua。
• lua_package_cpath：配置Lua外部搜索库的搜索路径，搜索C语言编写的外部库文件。
• init_by_lua：Master进程启动时挂载的Lua代码块，常用于导入公共模块。
• init_by_lua_file：Master进程启动时挂载的Lua脚本文件。
• init_worker_by_lua：Worker进程启动时挂载的Lua代码块，常用于执行一些定时任务。
• init_worker_by_lua_file：Worker进程启动时挂载的Lua文件，常用于执行一些定时任务。
• set_by_lua：类似于rewrite模块的set指令，将Lua代码块的返回结果设置在Nginx的变量中。
• set_by_lua_file：同上，执行的是脚本Lua脚本文件。
• rewrite_by_lua：执行在rewrite阶段的Lua代码块，完成转发、重定向、缓存等功能。
• rewrite_by_lua_file：同上，执行的是Lua脚本文件。
• access_by_lua：执行在access阶段的Lua代码块，完成IP准入、接口权限等功能。
• access_by_lua_file：同上，执行的是Lua脚本文件。
• content_by_lua：执行在content阶段的Lua代码块，执行结果将作为请求响应的内容。
• content_by_lua_file：同上，执行的是Lua脚本文件。
• content_by_lua_block：content_by_lua的升级款，在一对花括号中编写Lua代码，而不需要做特殊字符转译。
• header_filter_by_lua：响应头部过滤处理的Lua代码块，可以用于添加设置响应头部信息，如Cookie相关属性。
• body_filter_by_lua：响应体过滤处理的Lua代码块，例如加密响应体。
• log_by_lua：异步完成日志记录的Lua代码块，例如既可以在本地记录日志，也可以记录到ETL集群。

ngx_lua配置指令在Nginx的HTTP请求处理阶段所处的位置如图：

• lua_package_path指令：用于设置\”.lua\”外部库的搜索路径，此指令的上下文为http配置块，默认值为LUA_PATH环境变量内容或者lua编译的默认值。
• 格式：lua_package_path lua-style-path-str。
• lua_package_cpath指令：用于设置Lua的C语言块外部库\”.so\”(Linux)或\”.dll\”(Windows)的搜索路径，此指令的上下文为http配置块。
• 格式：lua_package_cpath lua-style-cpath-str

对于以上两个指令，OpenResty可以在搜索路径中使用插值变量。例如，可以使用插值变量$prefix或${prefix}获取虚拟服务器server的前缀路径，server的前缀路径通常在Nginx服务器启动时通过-p PATH命令在指定。

• init_by_lua指令：只能用于http上下文，运行在配置加载阶段。当Nginx的master进程在加载Nginx配置文件时，在全局Lua VM级别上运行由参数lua-script-str指定的Lua脚本块。若使用init_by_lua_file指令，后面跟lua文件的路径（ lua_file_path），则在全局Lua VM 级别上运行lua_file_path文件指定的lua脚本。如果Lua脚本的缓存是关闭的，那么每一次请求都运行一次init_by_lua处理程序。

格式为：init_by_lua lua-script-str。

• lua_load_cache指令：用于启用或禁止Lua脚本缓存。可以使用的上下文为http、server、location配置块。默认开启。

格式为：lua_code_cache on | off

在缓存关闭的时，set_by_lua_file、content_by_lua_file、access_by_lua_file、content_by_lua_file等指令中引用的Lua脚本都将不会被缓存，所有的Lua脚本都将从头开始加载。

• set_by_lua指令：将Lua脚本块的返回结果设置在Nginx变量中。

格式为：set_by_lua $destVar lua-script-str params

运行结果：

• access_by_lua指令：执行在HTTP请求处理11个阶段的access阶段，使用Lua脚本进行访问控制。运行于access阶段的末尾，总是在allow和deny这样的指令之后运行。

格式为：access_by_lua $destVar lua-script-str

运行结果：

• content_by_lua/content_by_lua_block指令：用于设置执行在content阶段的Lua代码块，执行结果将作为请求响应的内容。该指令用于location上下文。

格式为：content_by_lua lua-script-str

OpenResty v0.9.17版本以后，使用content_by_lua_block指令代替content_by_lua指令，避免对代码块中的字符串进行转译。

运行结果：

内置变量

• ngx.arg：类型为Lua table，ngx.arg.VARIABLE用于获取ngx_lua配置指令后面的调用参数。
• ngx.var：类型为Lua table，ngx.var.VARIABLE用于引用某个Nginx变量。前提是Nginx变量必须提前声明。
• ngx.ctx：类型为Lua table，可以用来访问当前请求的Lua上下文数据，其生存周期与当前请求相同
• ngx.header：类型为Lua table，用于访问HTTP响应头，可以通过ngx.header.HEADER形式引用某个头
• ngx.status：用于设置当前请求的HTTP响应码

内置常量

内置常量基本是见名知意的，可以根据后面的实战案例，加深理解。

核心常量

• ngx.OK(0)
• ngx.ERROR(-1)
• ngx.AGAIN(-2)
• ngx.DONE(-4)
• ngx.DECLINED(-5)
• ngx.nil

HTTP方法常量

• ngx.HTTP.GET
• ngx.HTTP.HEAD
• ngx.HTTP.PUT
• ngx.HTTP.POST
• ngx.HTTP.DELETE
• ngx.HTTP.OPTIONS
• ngx.HTTP.MKCOL
• ngx.HTTP.MOVE
• ngx.HTTP.PROPFIND
• ngx.HTTP.PROPPATCH
• ngx.HTTP.LOCK
• ngx.HTTP.UNLOCK
• ngx.HTTP.PATH
• ngx.HTTP.TRACE

HTTP状态码常量

• ngx.HTTP_OK(200)
• ngx.HTTP_CREATED(201)
• ngx.HTTP_SPECIAL_RESPONSE(300)
• ngx.HTTP_MOVED_PERMANENTLY(301)
• ngx.HTTP_MOVER_TEMPORARILY(302)
• ngx.HTTP_SEE_OTHER(303)
• ngx.HTTP_NOT_MODIFIED(304)
• ngx.HTTP_BAD_REQUEST(400)
• ngx.HTTP_UNAUTHORIZED(401)
• ngx.HTTP_FORBIDDEN(403)
• ngx.HTTP_NOT_FOUND(404)
• ngx.HTTP_NOT_ALLOWED(405)
• ngx.HTTP_GONE(410)
• ngx.HTTP_INTERNAL_SERVER_ERROR(500)

日志类型常量

• ngx.STDERR
• ngx.EMERG
• ngx.ALERT
• ngx.CRIT
• ngx.ERR
• ngx.WARE
• ngx.NOTICE
• ngx.INFO
• ngx.DEBUG

Nginx+LUA基础到此结束，下一篇开始实战！并在实战中掌握基础。

AI挑战星际争霸：未来电竞比赛是否成为代码的天下？

自从谷歌的AlphaGo（以下简称AG）战胜了围棋九段高手李世乭后，一方面关于人工智能的争议再次尘嚣直上，另一方面AG又找到了新的挑战领域。3月27日，暴雪娱乐制作总监Tim Morten在上海WCS世锦赛上宣布证实，狗狗下一个挑战目标将是星际争霸2（以下简称SC2，星际争霸简称为SC，以后不再赘述）。

关于AG和星际争霸职业选手的比赛，人们最关注的无疑是比赛结果，究竟是AG再次将人类骄傲的自尊捏个粉碎，还是人类反戈一击，证明人工智能所谓的胜利只不过是一时侥幸？

AG如何学习？

所谓“知己知彼，百战不殆”，要分析AG能否战胜职业选手，首先就要了解AG如何学习一种全新的规则。与前辈“深蓝”所采用的推演式算法不同，AG在与李世乭对战之前，除了学习围棋的基本规则外，还学习了人类对弈中使用的近3000万种走法来“丰富阅历”，让AG学会预测人类专业棋手怎么落子。然后让AG自己跟自己下棋，从而又产生规模庞大的全新的棋谱，据谷歌工程师宣称，AG每天可以尝试百万量级的走法。而在正式对弈中，AG会通过蒙特卡洛树搜索算法从这种对弈方法中搜索出胜率最高的走法。

相比国际象棋，围棋的走法可能性非常多，仅起手时就有19*19种落子方式，更不要说以后的棋子布局方式了。在有限的国际象棋棋盘上，“深蓝”可以依靠推演算法算出之后的12步棋，但是在围棋上，这种“思维方式”非常陈旧，耗费资源多且效率低下，因此才被“学习+思维”的全新方式取代。

AG有何优劣？

可以说，AG需要先学习SC2的基本规则，包括地图地形、各种族兵种的攻防数值，在此基础上消耗时间学习之前SC2职业高手大量的对战，最后自我对战形成更多战术储存在服务器中，最后利用蒙特卡洛树搜索算法进行战术对比，在实际对战中与职业高手一较高下。

但是，由于游戏本身就是多个规则逻辑模块组成的程序集合，与AG可以说是源出同门，由人工智能程序执行游戏程序，执行效率不知要高出人多少倍。目前顶尖的职业选手，其APM（每分钟操作次数，键盘+鼠标的总和）也不过400多，如果扣除了重复操作外，其EAPM（每分钟有效操作次数）就更低了，但与此相比，AG运行后保守估计其APM可以超过8000，并且全部都为有效操作，AG完全可以凭借高速操作，达到战术胜利累积到战略胜利的目的，这段视频足以说明AI能够以人类完全达不到的手速吊打人类。

100指小狗VS20辆攻城坦克，职业选手仅消灭了2-3辆坦克，AI却能判断弹着点防卫避开攻击，消灭全部坦克后还有仅20只左右的剩余。当然AG也并不是完全没有劣势，人工智能没有什么战略战术的概念，如果要AG达到职业选手所需要的战略战术概念，目前还不知道要消耗多长时间。同时目前在比赛中需要为AG设定操作视野范围和侦察的功能，不然地图加载完成后，AG可以在最短时间内制定出最优路线，而职业选手需要依靠士兵探索，这样的比赛几无公平可言。

由AI挑战AI的电竞？

虽然AG挑战职业选手的众多细节还未确定，但目前已经引起了各方的兴趣，暴雪方面可以通过比赛增加对SC2的关注度，一改目前SC2的弱势局面。而同时，AG与职业选手的比赛也可以为电竞增加新的内容形式，不仅是人工智能挑战人类，而且可以衍生出AI挑战AI的比赛方式。

由于SC中的 AI可以由第三方脚本的形式存在，所以AI挑战AI的技术并无技术难度。早在母巢之战资料片中，用代码玩 SC的 的服务器API就已经存在， 用C++代码以及LUA语言可自由编程生成dll格式的AI文件，将这个AI文件注入程序后即可操纵SC的兵种。至今为止，AI文件已经获取SC内存底层的各种建筑与兵种数据，并且操纵各种兵种作出各种动作，如果更多的人应用这个API制作属于自己的SC AI文件，那么在AI之间进行电竞比赛就不再是一个梦了。

此前，美国的Elecbyte小组使用C语言与Allegro程序库开发了一款免费2D格斗游戏引擎Mugen，吸纳了众多格斗游戏的知名人物和招式，通过这款引擎实现了各人物的穿越乱斗，并且已经实现了AI之间的战斗，众多爱好者可以使用自己编写的AI算法，让格斗人物发出无法在实际操作中实现的酷爽连招，如今在SC中也同样可以实现。

电竞比赛发展到今天，此前竞赛游戏的战术潜力已经被开发殆尽，此次人工智能挑战职业选手一方面是为测试人工智能的潜力，另一方面也为电竞比赛带来了新的看点，同时支持第三方算法脚本的竞技又为AI扩展提供了技术基础，那么AI之间的电竞挑战又有何不可？让众多手速不足的“手残”程序猿们通过自己的代码一决高下，你兴奋了吗？

光速追猎者，微信svx2000，游戏开发者出身的游戏自媒体人，给你一个独特的视角。希望加入同样关注VR领域的游戏媒体。