第 284 题：设计AB测试的分流算法，正交分层与互斥实验。
题目
设计AB测试的分流算法，正交分层与互斥实验。
完整讲解
一、AB 测试与分流
- AB 测试：将流量按一定规则分流到不同实验组（如策略 A/B），比较各组的指标，推断策略效果。分流算法需保证：同一用户/请求尽量稳定在同一组（一致性）、各实验正交或互斥可配置、支持多实验并行。
二、正交分层
- 分层：将流量按层划分（如层1=召回策略、层2=排序模型、层3=UI）；每层内再分桶（如 100 个桶）。正交即不同层使用独立的 hash 或随机种子，这样「层1 的桶 i」与「层2 的桶 j」独立，层1 实验与层2 实验可同时进行、结论不互相干扰。
- 实现：user_id（或 request_id）→ hash( user_id, layer_id ) % 100 得到该层桶号；每层内再按桶号划分实验组（如桶 0～49 为 A，50～99 为 B）。分层内可再划分子域（如按地域）做互斥。
三、互斥实验
- 互斥：同一业务域或同一入口下，某些实验不能同时生效（如两个排序模型不能同时改同一位置）。做法：同层内一个桶只能属于一个实验；或设「实验组」为互斥集合，分流时先选互斥组再选组内策略。
- 分流算法：user_id → hash → 桶号；桶号 → 查配置表 → 实验 id 或策略 id。配置表记录「桶区间 → 实验」的映射；互斥实验占用不重叠的桶区间。可支持按比例扩缩（如某实验从 10% 扩到 20% 则桶区间扩大）。
四、实现要点
- 稳定性：同一 user 同一层同一桶，避免频繁切换组；白名单与强制命中可覆盖 hash；记录分流结果用于日志与分析。
面试要点
- 能说清 AB 分流中正交分层的目的（多实验并行、结论不互相干扰）及实现（每层独立 hash 得桶号）。
- 能说明互斥实验的含义与实现（同层桶不重叠、或互斥组内选一）；能简述分流算法流程（hash→桶→配置→实验）。
记忆要点
- AB 分流：正交=分层+每层独立 hash 得桶，多实验并行；互斥=同层/同域桶不重叠。
- 分流：user_id → hash(layer) → 桶号 → 配置表 → 实验；需稳定、可白名单。