1. 背景
· 想要同一时间做N个实验？
· 想要同一份流量不同实验之间不干扰？
· 想要每个实验都能得到100%流量?
那么你就需要分层实验。
1.1 什么是分层实验
分层实验概念：每个独立实验为一层，层与层之间流量是正交的。
简单来讲，就是一份流量穿越每层实验时，都会再次随机打散，且随机效果离散。
所有分层实验的奠基石--Goolge论文
《Overlapping Experiment Infrastructure More, Better, Faster Experimentation》
下面将以一个简单例子来解释分层实验核心原理，如果要了解全貌，可以看一下上面论文
首先来看一下MD5的作为hash的特点,本文以最简单得MD5算法来介绍分层实验。(但一定要知道，实际应用场景复杂，需要我们设计更复杂的hash算法)
1.2 MD5 特点
· 压缩性：任意长度的数据，算出的MD5值长度都是固定的。
· 容易计算：从原数据计算出MD5值很容易。
· 抗修改性：对原数据进行任何改动，哪怕只修改1个字节，所得到的MD5值都有很大区别。(重要理论依据!)
· 弱抗碰撞：已知原数据和其MD5值，想找到一个具有相同MD5值的数据（即伪造数据）是非常困难的。
· 强抗碰撞：想找到两个不同的数据，使它们具有相同的MD5值，是非常困难的。
正是由于上面的特性，MD5也经常作为文件是否被篡改的校验方式。
所以，
理论上，如果我们采用MD5计算hash值，对每个cookie 加上某固定字符串（离散因子），求余的结果，就会与不加产生很大区别。加上离散因子后，当数据样本够大的时候，基于概率来看，所有cookie的分桶就会被再次随机化。
下面我们将通过实际程序来验证。
2. 实战讲解
2.1 我们的程序介绍
· 使用java SecureRandom模拟cookie的获取（随机化cookie，模拟真实场景）
· hash算法选用上文介绍的MD5。实验分两种：对cookie不做任何处理；对cookie采用增加离散因子离散化
· 一共三层实验（也就是3个实验），我们会观察第一层2号桶流量在第2层的分配，以及第2层2号桶流量在第3层的分配
· 如果cookie加入离散因子后，一份流量经过三个实验，按照如下图比例每层平均打散，则证明实验流量正交
从上图可以看出，即使第1层的2号桶的实验结果比其他几个桶效果好很多，由于流量被离散化，这些效果被均匀分配到第2层。（第3层及后面层类同），这样虽然实验效果被带到了下一层，但是每个桶都得到了相同的影响，对于层内的桶与桶的对比来说，是没有影响的。而我们分析实验数据，恰恰只会针对同一实验内部的基准桶和实验桶。
=>与原来实验方式区别？
· 传统方式，我们采用将100%流量分成不同的桶，假设有A,B两个人做实验，为了让他们互不影响，只能约定0-3号桶给A做实验，4-10号桶给B做实验的方式，这样做实验，每个人拿到的只是总流量的一部分。
· 上面基于MD5分层的例子告诉我们，分层实验可以实现实验与实验之间"互不影响"，这样我们就可以把100%流量给A做实验，同时这100%流量也给B做实验。(这里的A,B举例来说，一个请求，页面做了改版（实验A）、处理逻辑中调用了算法，而算法也做了调整（实验B）)，如果采用不采用分层方式，强行将100%流量穿过A,B，那么最终看实验报表时，我们无法区分，是由于改版导致转化率提高，还是算法调整的好，导致转化率提高。
2.2 代码
import java.security.MessageDigest;import java.security.NoSuchAlgorithmException;import java.security.SecureRandom;import java.util.ArrayList;import java.util.List;/**
* @author 九德
*/public class MultiLayerExperiment {
private static String byteArrayToHex(byte[] byteArray) {
char[] hexDigits = {'0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'a', 'b', 'c', 'd', 'e', 'f'};
char[] resultCharArray = new char[byteArray.length * 2];
int index = 0;
for (byte b : byteArray) {
resultCharArray[index++] = hexDigits[b >>> 4 & 0xf];
resultCharArray[index++] = hexDigits[b & 0xf];
}
return new String(resultCharArray);
}
private static long splitBucket(MessageDigest md5,long val,String shuffle){
String key = String.valueOf(val) +((shuffle==null)?"":shuffle);
byte[] ret = md5.digest(key.getBytes());
String s = byteArrayToHex(ret) ;
long hash =Long.parseUnsignedLong(s.substring(s.length()-16,s.length()-1),16);
if(hash < 0){
hash = hash * (-1);
}
return hash ;
}
private static void exp(SecureRandom sr,MessageDigest md5,
final int LevelOneBucketNumm,/*第一层实验桶数*/
final int LevelTwoBucketNumm,/*第二层实验桶数*/
final int LevelThreeBucketNumm,/*第三层实验桶数*/
final int AllFlows,/*所有流量数*/
String shuffleLevel1,/*第一层实验离散因子*/
String shuffleLevel2,/*第二层实验离散因子*/
String shuffleLevel3/*第三层实验离散因子*/
){
System.out.println("==第1层实验 start!==");
int[] bucketlevel1 = new int[LevelOneBucketNumm];
for (int i=0; i<LevelOneBucketNumm; i++) {
bucketlevel1[i] = 0;
}
List<Integer> level1bucket2 = new ArrayList<Integer>();
for(int i=0; i<AllFlows; i++)
{
int cookie = sr.nextInt();
long hashValue = splitBucket(md5, cookie, shuffleLevel1);
int bucket =(int) (hashValue % LevelOneBucketNumm);
if(bucket == 2){
/*将2号桶的流量记录下来*/
level1bucket2.add(cookie);
}
bucketlevel1[bucket]++;
}
for(int i=0; i<LevelOneBucketNumm; i++){
System.out.println("1层" + i + "桶:" + bucketlevel1[i]);
}
System.out.println("==第1层实验 end!==");
System.out.println("==第1层2号桶流量到达第2层实验 start!==");
int[] bucketlevel2 = new int[LevelTwoBucketNumm];
for (int i=0; i<LevelTwoBucketNumm; ++i) {
bucketlevel2[i] = 0;
}
List<Integer> level2bucket2 = new ArrayList<Integer>();
for(int cookie : level1bucket2) {
long hashValue = splitBucket(md5, cookie, shuffleLevel2);
int bucket =(int) (hashValue % LevelTwoBucketNumm);
if(bucket == 2){
/*将第2层2号桶的流量记录下来*/
level2bucket2.add(cookie);
}
bucketlevel2[bucket]++;
}
for(int i=0; i<LevelTwoBucketNumm; i++){
System.out.println("2层" + i + "桶:" + bucketlevel2[i]);
}
System.out.println("==第1层2号桶流量到达第2层实验 end!==");
System.out.println("==第2层2号桶流量到达第3层实验 start!==");
int[] bucketlevel3 = new int[LevelThreeBucketNumm];
for (int i=0; i<LevelThreeBucketNumm; ++i) {
bucketlevel3[i] = 0;
}
for(int cookie : level2bucket2) {
long hashValue = splitBucket(md5, cookie, shuffleLevel3);
int bucket =(int) (hashValue % LevelThreeBucketNumm);
bucketlevel3[bucket]++;
}
for(int i=0; i<LevelThreeBucketNumm; i++){
System.out.println("3层" + i + "桶:" + bucketlevel3[i]);
}
System.out.println("==第2层2号桶流量到达第3层实验 end!==");
}
public static void main(String[] args) throws NoSuchAlgorithmException {
SecureRandom sr = SecureRandom.getInstance("SHA1PRNG");/*用来生成随机数*/
MessageDigest md5 = MessageDigest.getInstance("MD5");/*用来生成MD5值*/
/*1. 不对cookie做处理，一个cookie在每层实验分到的桶是一致的*/
exp(sr,md5,5,5,5,1000000,null,null,null);
System.out.println("=======================");
/*2. 每层加一个离散因子，这里只是简单的a,b,c,就可以将多层了流量打散*/
exp(sr,md5,5,5,5,1000000,"a","b","c");
}
}
2.3 结果分析（重点）
2.3.1 不对cookie处理，每层实验的分桶号一样
因为hash%5中的hash保持不变，无论哪层，所以流量一直处于2号桶。
==第1层实验 start!==
1层0桶:199698
1层1桶:199874
1层2桶:199989
1层3桶:200711
1层4桶:199728
==第1层实验 end!==
==第1层2号桶流量到达第2层实验 start!==
2层0桶:0
2层1桶:0
2层2桶:199989
2层3桶:0
2层4桶:0
===第1层2号桶流量到达第2层实验 end!==
===第2层2号桶流量到达第3层实验 start!==
3层0桶:0
3层1桶:0
3层2桶:199989
3层3桶:0
3层4桶:0
===第2层2号桶流量到达第3层实验 end!==
2.3.2. 对cookie做离散处理后，每层流量均匀分配
如下所示，
· 流量到达第一层时，流量被均匀分配
· 第2层实验的2号桶流量到达第3层时，流量均匀分配到第2层的5个桶。
· 第2层实验的2号桶流量到达第3层时，流量均匀分配到第3层的5个桶。
==第1层实验 start!==
1层0桶:199951
1层1桶:199536
1层2桶:200127
1层3桶:200938
1层4桶:199448
==第1层实验 end!==
==第1层2号桶流量到达第2层实验 start!==
2层0桶:40122
2层1桶:40080
2层2桶:39881
2层3桶:40096
2层4桶:39948
===第1层2号桶流量到达第2层实验 end!==
===第2层2号桶流量到达第3层实验 start!==
3层0桶:8043
3层1桶:7971
3层2桶:7823
3层3桶:7956
3层4桶:8088
===第2层2号桶流量到达第3层实验 end!==
2.4 结论
我们观测的第2层和第3层流量均来源于第一层的2号桶。
所以得出结论，第一层的流量在第2层、第3层均得到重新的离散分配。
3. 总结
· 随着个性化和算法不断引入我们的应用，同一时间做多个实验需求越来越多，更多人开始使用分层实验。
· 实际使用中，业务场景复杂，我们会面临需要设计更复杂的hash算法的情况，MD5是一种相对容易，效果也不错的方式。有兴趣可以关注大质数素数hash算法等更加精密优良的算法。同时，分层实验中，为了防止流量影响，还会有"流量隔离"等更复杂的概念。
没有评论:
发表评论