文章內(nèi)容

基于hash計算的多層實驗流量切分的實現(xiàn)

發(fā)布時間: 2012/8/27 9:30:53

1. 背景介紹

　　站點新功能或者是站內(nèi)新策略開發(fā)完畢之后，在全流量上線之前要評估新功能或者新策略的優(yōu)劣，常用的評估方法是A-B測試，做法是在全量中抽樣出兩份小流量，分別走新策略分支和舊策略分支，通過對比這兩份流量下的各指標的差異，我們可以評估出新策略的優(yōu)劣，進而決定新策略是否全流量。

　　上文中提到的抽樣是指按照某種確定的隨機化方法，對線上流量進行劃分。抽樣可以指這種劃分的方法，也可以指劃分得到的一個流量子集。抽樣是一種特殊的小流量，要求對流量的劃分必須保證均勻性和隨機性，并且可以根據(jù)需求過濾掉不符合規(guī)范的部分，我們把抽樣的過程分為流量切分和流量篩選兩個步驟，流量切分是指把全流量進行均勻的打散，提取出其中固定的流量比例，流量篩選是對流量切分的輔助，篩選過程就是從切分好的流量中過濾掉不符合規(guī)范的部分，本文主要涉及的是流量切分的實現(xiàn)。

　　2. 單層流量切分架構(gòu)

　　做到流量切分的常用的方法是單層流量切分，流量切分需要以某種方式進行，即流量切分的打散依據(jù)，例如，我們可以依據(jù)流量中的cookie打散，或者是隨機打散等，打散的方式不同，切分的對象全集也就不同了，如果我們依據(jù)cookie打散，那么我們的切分對象全集就是所有的cookie，如果是隨機打散，那么我們的切分對象全集就是該站點的所有的流量。

　　圖1.1 單層流量切分架構(gòu)示意圖

　　有了上面的想法，我們?nèi)绾螌崿F(xiàn)單層流量切分呢?如圖1.1所示，我們按照指定的流量切分方式，將所需要的輸入?yún)?shù)先經(jīng)過一次hash計算，產(chǎn)生結(jié)果的均勻性和隨機性由hash算法來保證，有了hash產(chǎn)生的結(jié)果，流量切分的過程還沒有結(jié)束，我們還需要將hash結(jié)果對應(yīng)到切分對象的全集上面，實現(xiàn)方法是將切分對象全集看作是一個區(qū)間段，然后將hash結(jié)果對應(yīng)到區(qū)間段上面，區(qū)間的大小是切分的最小粒度決定的，例如，如果需要最小切分粒度為0.01%，則我們選取的區(qū)間段為[0,9999]，有了區(qū)間段的定義，我們可以將hash結(jié)果對一個數(shù)值取模，這個數(shù)值等于區(qū)間段最大值加1，取模之后的結(jié)果可以唯一的對應(yīng)到切分對象全集區(qū)間上面，這樣我們就將所有的流量打到了流量切分對象全集上面。

　　最后，我們再將區(qū)間段按照實驗需求細分，劃分成若干子區(qū)間，用作于實驗對比，例如下圖所示，將整個100%的區(qū)間分為多個子區(qū)間，每個子區(qū)間使用唯一的編號——sid，作為區(qū)間的唯一的標識，sid=1的子區(qū)間對應(yīng)的流量為1%，那么它的子區(qū)間就是[0,99]，同理，sid=2的第二個1%的子區(qū)間對應(yīng)的區(qū)間值為[100,199]，這樣我們就將一個100%的完整區(qū)間劃分成了若干個子區(qū)間，兩個比例相同的子區(qū)間就可以用作于實驗策略對比。

　　圖1.2 流量子區(qū)間的劃分

　　3. 可復(fù)用流量的多層流量切分架構(gòu)

　　這種單層流量切分方式是一種獨占式的流量切分方式，一個子區(qū)間只能供給一個實驗使用，一個請求只能命中一個實驗，優(yōu)點是實驗之間解藕，不相互影響，缺點是資源有限，流量分配完畢之后，后續(xù)的需求將處于長期的等待與饑餓狀態(tài)，這種獨占式的流量切分方式，顯然在實驗需求不斷增加的情況下是完全不能滿足的，為了解決獨占的問題，我們可以采用多層流量切分方式。

　　多層流量切分的思想是將單層結(jié)構(gòu)擴展為多層結(jié)構(gòu)，如下圖所示，多層之間必須滿足正交性，這里多層之間的正交性是指某一層的任何一個子區(qū)間可以隨機的、均勻的對應(yīng)到其他層上面，這樣我們就把一個子區(qū)間對其他層的影響均勻的分散到整個層上面。

　　多層流量切分架構(gòu)可以將實驗流量從100%擴展到100%*n，也就說每層中的流量我們都可以用做于實驗對比，一次請求可以同時命中多個實驗，實驗流量是復(fù)用的，多層流量是滿足不同層的實驗之間的影響都是均勻、可預(yù)估的，開展多層實驗的前提是保證這種實驗間的影響是可接受的，有一些實驗是不允許任何復(fù)用，例如，展現(xiàn)類的實驗，如果兩個實驗各自指定了一套展現(xiàn)樣式模板，而從展現(xiàn)模塊的角度來講一次請求只能展現(xiàn)一種樣式模板，因此，這里不兼容的實驗只能位于同一層中。

　　圖1.3 多層流量切分架構(gòu)示意圖

　　多層流量切分的另一個優(yōu)勢是每一層我們可以使用不同的切分方式進行，這樣也極大的豐富了流量切分的多樣性，那么，還有另一個問題，每一個流量層中只能采用一種流量切分方式，如果同一層中有多種切分方式的需求又如何解決呢?答案是通過層的嵌套來實現(xiàn)，層的嵌套是指在一個層中可以包含其他的層，如下圖所示，矩形表示層，圓形表示切分出來的實驗流量，其中，1號層包含了2、3、4三個層，4號層又包含9、10、11三個層，為了達到同一層內(nèi)多種流量切分方式的目的，我們需要將該層切分成多個區(qū)間，例如，下圖中的2號層就被分成了5、6兩個層，但是這兩個層也必須采用相同的切分方式，因為這兩個層相當(dāng)于把其父層的流量分成了兩部分，因而這兩部分的產(chǎn)生方式應(yīng)該是一致的，最后，在5、6層中，我們又可以建立其他的層，這兩個層就可以采用不同的流量切分方式了。

　　圖1.4 流量切分多層嵌套示意圖

　　理論上，多層流量切分架構(gòu)的可切分層數(shù)是無限的，可以支持任意多的流量層，但是，從實現(xiàn)的角度來講，層數(shù)做到無限是很難實現(xiàn)的，因為，為了保證層和層之間的正交性，我們必須要為每一層實現(xiàn)一套hash算法，保證每種hash算法的結(jié)果是正交的，要實現(xiàn)層數(shù)的無限，則需要實現(xiàn)無限多個保證正交的hash算法，hash算法的增多勢必會導(dǎo)致正交性的下降，我們可以實現(xiàn)有限個正交的hash算法，hash算法的數(shù)目是要求可以滿足所有的實驗需求的。下面我們介紹一種多層流量切分架構(gòu)的實現(xiàn)方法。

　　為了實現(xiàn)多層流量切分，我們的思路是先實現(xiàn)一種hash算法，這種hash算法的輸入是cookie、隨機值等信息，輸出是單次hash的結(jié)果，并且保證這種hash算法結(jié)果足夠的均勻和隨機，然后將這種hash進行變換，擴展出多個正交的hash算法。

　　為了驗證單個hash算法的隨機性和均勻性，我們進行了實驗驗證，如下圖所示，每一行表示一個100%的全集，每一列表示從全集中抽取出10%，測試的全集是100w，從下面的測試數(shù)據(jù)來看，每個層中的流量切分結(jié)果是比較均勻和隨機的。