RocketMap项目中的Speed Scheduler扫描方法详解

RocketMap项目中的Speed Scheduler扫描方法详解

概述

Speed Scheduler是RocketMap项目中一种创新的扫描调度算法，它通过智能化的扫描策略和速度控制机制，实现了高效的游戏数据采集。与传统的Hex Scan或Spawnpoint Scan相比，Speed Scheduler在保持合规性的同时，显著提升了扫描效率和准确性。

核心特性

1. 智能速度控制

• 可配置常规扫描速度限制（默认35 km/h）
• 高级账号遭遇速度限制（默认25 km/h）
• 零值可禁用速度限制

2. 自动化扫描流程

• 完整区域初始扫描
• 自动切换至精确产卵时间追踪（TTH）
• 最终仅针对产卵点进行扫描

3. 产卵点智能识别

• 支持15分钟、30分钟和60分钟三种产卵点类型识别
• 自动调整扫描时间以匹配产卵点类型
• 动态识别新增产卵点
• 自动检测并停止扫描已移除的产卵点

配置指南

基础配置示例

runserver.py -speed -st 25 -w 100 -ac accounts.csv

关键参数说明

• -st（步长）：建议设置大于20的值，较小的值需要更多实例支持
• -sd（扫描延迟）：默认速度限制下无需设置（约12秒间隔已足够）
• -kph：设置最大扫描速度（km/h）
• --hlvl-kph：设置高级账号的最大遭遇速度

特殊场景配置

• 蜂巢模式：适用于超大区域扫描（-st > 50）
• 无抖动模式：完全兼容，不影响内部位置计算
• JSON产卵点列表：当前版本不支持

工作原理深度解析

初始扫描阶段

• 约1小时完成全区域扫描（需足够的工作线程）
• 采用五波段扫描策略，显著减少所需扫描次数（仅为传统方法的1/5）
• 每个位置间隔约12分钟扫描

产卵时间识别（TTH）

• 采用二分查找算法定位精确消失时间
• 通常5次内即可确定TTH
• 对于罕见产卵类型（非标准15/30/60分钟），识别率可能维持在99%左右

动态调整机制

• 发现新产卵点时自动重置相关区域扫描
• 连续5次未检测到预期产卵点则停止扫描
• 工作线程自主选择最优扫描目标

性能优化建议

工作线程配置

工作线程数 ≈ 单元格数 / 20
单元格数 = (steps × (steps - 1) × 3 + 1)

示例：-st 26 → 1951单元格 → 约98个工作线程

扫描效率提升

• 初始扫描完成后可适当减少工作线程
• 关注"Spawns Reached"指标，100%表示效率最优
• 降低扫描速度需相应增加工作线程

常见问题排查

警告信息处理

1. 速度违规警告：

   • 确认已启用-speed参数
   • 检查数据库工作线程表是否被清除
   • 可能是水域等无产卵点区域正常现象

2. 无效扫描警告(0/0/0)：

   • 检查验证码状态
   • 确认IP未被封禁
   • 避免同时使用-no-gyms和-no-pokestops参数

3. 连续未发现产卵点警告：

   • 可能是极罕见的双产卵点
   • 可能产卵点已被移除

状态监控指标

• 初始扫描完成度：应1小时左右达100%
• TTH发现率：通常需1天达90%+
• 产卵点到达率：初始阶段较低，后期应达100%
• 扫描成功率：正常应保持99%+

最佳实践

1. 区域规划：

   • 避免频繁更改扫描位置（会触发重新初始扫描）
   • 移动扫描位置时保持速度限制

2. 资源分配：

   • 优先增加-st值而非使用蜂巢模式
   • 根据产卵密度动态调整工作线程数

3. 异常处理：

   • 长时间显示"无扫描目标"可能是监管线程异常
   • 定期检查日志中的异常信息

技术优势

Speed Scheduler通过创新的算法设计，实现了：

• 更少的API调用次数
• 更高的数据准确性
• 更好的合规性保障
• 自适应扫描策略
• 动态资源分配

这种设计特别适合以宝可梦扫描为主要目标的场景，为运营者提供了高效可靠的解决方案。