这是一个实现了AB实验流量分配算法的Java包。 主要实现了如下功能：
- 支持多层实验配置
- 实现按照key哈希的实验选择方法， 能够保证不同层的实验策略正交组合。
- Thompson Sampling 算法实现的实验策略选择方法。大部分流量会分配到目前为止表现最好的策略，少部分流量会分配到其它策略进行实验。
- UCB算法实现的实验策略选择方法。如果有新策略则选择新策略，否则选择置信区间上界最大的那个策略。
- Epsilon greedy算法实现的策略选择方法。
- 实验策略（policy）: 由一个策略的名称和一组参数构成。策略在此包中是个抽象的概念，它实际对应的是业务系统的某种实验策略，可以是某种实体，也可以是一组实验参数(比如推荐算法的某种策略，或者页面上按钮的某个配色方案等)。
- 层(layer): 一个应用中，业务方可能会同时进行几组不同的AB对照实验，其中每一组AB对照实验即为一层。其中每一层都会使用到全部的流量。
- 域(domain): 在AB实验过程中，实验者可以配置多个域。在选择实验策略时，会先将流量分配到某个域，再在此域内选择每一层的实验策略。 其中的每个域内选择策略时，只能使用同一种策略选择算法。
目前支持的域的种类有：
- 固定组合域（FixedGroup）：此域中的每一层只有一个固定的实验策略。
- 多层正交域（MultiLayerHash）: 使用哈希算法，将流量按照配置的比例划分到每一层的各个实验策略。 并且保证不同层的实验策略是正交组合。
- Thompson Sampling域(MultiLayerThompson): Thompson Sampling算法实现的策略选择域。 此域的大部分流量会分配到目前为止表现最好的策略，少部分流量会分配到其它策略进行实验。
- UCB域(MultiLayerUCB): UCB算法实现的策略选择域。此域选择实验策略的规则是， 如果有新策略则选择新策略，否则选择置信区间上界最大的那个策略。
- EpsilonGreedy域(多层EpsilonGreedy域): 可以指定一定比例的流量做实验（平均分配到各个策略），其它流量全部分配到当前表现最好的策略。
-
applicationId: 此实验的ID/名称
-
totalSize: 总的桶数。流量哈希到域的基数。 如果没有使用Hash策略的域，则可以不设置此参数。
-
audienceDefinition: 对实验受众的描述，由一组受众特征
- features: 受众的特征
- property: 特征的字段名
- description：描述
- keyProperty：boolean类型，是否是key。如果是，则会分配流量的时候用来做hash计算。
如果没有配置受众的描述，则会将传入的object转换为String来计算hash值。
8000
- features: 受众的特征
-
domain: 域的配置
-
domainId: domain的唯一标识
-
ruleStrategy: 流量划分到当前域的策略，取值为[Hash/ExpressionBase]. 可多选。
- Hash: 会根据当前domain的size和application的totalSize比例，把一定比例的流量分配到当前域
- ExpressionBase: 会根据ruleExpression把符合规则的受众流量分配到当前域。
在一个实验中，支持两重类型的域同时存在。 流量分配的时候ExpressionBase类型的域会有限匹配，匹配不到的流量才会分配到Hash域。 如果多个ExpressionBase域的规则有重叠的部分（比如 domain1 的规则是age > 10，domain2的规则是age > 20）流量会分配到第一个匹配到的域。 另外，ExpressionBase域的size只是本域内的base流量，不受application 的totalSize的限制。
-
ruleExpression: 使用ExpressionBase策略的表达式，例如： (age > 10) and (sex = 男)。 如果有多个限制条件， 每个子条件都需要加小括号。目前支持的表达式有：
- > : 大于
- < : 小于
- in : in, 多个条件用逗号隔开。 例如： id in 11,12,13,14
- = : 等于
- and : 并且
- or : 或
如果传入的参数是个基本类型的对象（String, Integer）等， 可以用 _ 表示。 如： _ in 1,2,3,4
-
domainType: domain的类型， 取值为：FixedGroup/MultiLayerHash/MultiLayerUCB/MultiLayerThompson
-
description: domain的描述。
-
size: 当前domain的桶数
-
isDefault: 是否是默认域。 在配置实验策略时，没有指定域ID的策略，都会分配到默认域。 默认域只能有一个，而且可以不配置size。totalSize - 非默认域的size和就是默认域的size。
-
-
layer：层的配置
- layerId: 层的唯一标识
- description: 层的说明信息
- policies: 本层的所有备选实验策略
- name : 策略的名称。也是策略的唯一标识。
- size : 策略所占的桶数。只有分配到MultiLayerHash域，此参数才会起作用。如果是UCB或者Thompson的实验策略，则会根据策略的评估参数进行选择，此项配置不会生效。
- domainIds : 此策略所属的域。 同一个策略可以指定多个域，也可以不指定域，如果没有指定域，则此策路会分配到默认域。
- param : 此策略的参数。业务系统自己定义，没有特别的要求。
- isDefault: 是否是默认实验, 每一层的默认实验最多只能有一个。非必填，默认实验的使用规则如下：
- 默认实验的domainId配置和size配置都不会生效。默认实验策略会在初始化的时候添加到所有域。
- FixedGroup域如果配置了实验策略，则使用配置的策略，如果没有，则使用默认策略
- MultiLayerHash域的剩余流量（域的总流量 - 所有配置策略的流量）都会分配到默认策略。
- MultiLayerUCB/MultiLayerThompson根据各自的评估算法分配流量
-
estimateParam : 实验策略评估参数。如果使用了bandit域（MultiLayerUCB或者MultiLayerThompson）则需要指定此参数。 每个实验策略对应一个参数。
- policyName: 策略名称
- total: 当前策略总的实验次数
- successes: 当前策略成功转化的次数
通过如下格式的json，可以直接转换成ExperimentApp.Builder来初始化ExperimentApp。
ab_test.json
{
"applicationId": "test_hash_domain",
"totalSize": 1000,
"domains": [
{
"domainId": "multi",
"domainType": "MultiLayerHash",
"ruleStrategy": "Hash",
"description": "",
"default": true
},
{
"domainId": "fix",
"domainType": "FixedGroup",
"ruleStrategy": "ExpressionBase",
"description": "Old Config No.0",
"ruleExpression": "_ < 3000"
}
],
"layers": [
{
"layerId": "L1",
"description": "第一层",
"policies": [
{
"domainIds": ["fix"],
"name": "E1",
"param": {
"test2": 2
}
},
{
"domainIds":["multi"],
"name": "E2",
"size": 300,
"param": {
"test3": 3
}
},
{
"name": "E3",
"default": true,
"param": {
"test3": 4
}
},
{
"name": "E4",
"size": 200,
"param": {
"test3": 5
}
}
]
},
{
"layerId": "L2",
"description": "第二层",
"policies": [
{
"domainIds": ["fix"],
"name": "F1",
"param": {
"test2": 2
}
},
{
"domainIds": ["multi"],
"name": "F2",
"size": 400,
"param": {}
},
{
"name": "F3",
"size": -1,
"default": true,
"param": {
"test3": 3
}
}
]
}
]
}
策略评估参数的配置（L1.json）
[
{
"policyName": "E1",
"total": 1000,
"successes": 600
},{
"policyName": "E2",
"total": 1000,
"successes" : 600
},
{
"policyName": "E3",
"total": 1000,
"successes": 500
},
{
"policyName": "E4",
"total": 1000,
"successes": 500
}
]通过Json配置初始化ExperimentApp
File file = new File(getClass().getClassLoader().getResource("ab_test.json").toURI());
String configStr = Files.toString(l1File, Charsets.UTF_8);
ExperimentApp.Builder builder = JSONObject.parseObject(configStr, ExperimentApp.Builder.class);
File l1File = new File(getClass().getClassLoader().getResource("layers/L1.json").toURI());
String l1String = Files.toString(l1File, Charsets.UTF_8);;
builder.setEstimateParam(JSONObject.parseArray(l1String, EstimateParam.class));
ExperimentApp experimentApp = builder.build();
ABPolicyModel policyModel = app.getPolicy(key); //policyModel中包含所有层的策略
Policy policy = policyModel.getPolicy(layerId);
// 参数重新赋值
app.putEstimateParam(param);
// 增量更新参数
app.increaseParam(param);
除了使用json配置以外，也可以通过API初始化域和层以及策略的配置（比如持久化到表中），创建ExperimentApp方法如下：
Domain domain = new Domain();
domain.setDomainId("OLD");
domain.setDefault(true); //非必填，默认false
domain.setIdList(Lists.newArrayList("1","2","3")); //非必填
domain.setSize(100); // 默认1000
domain.setDomainType(EnumDomainType.MultiLayerHash); //必填
List<Domain> domains = Lists.newArrayList();
domains.add(domain);
Layer l1 = new Layer();
l1.setLayerId("L1");
List<Policy> policies = Lists.newArrayList();
l1.setPolicies(policies);
Policy policy = new Policy();
policy.setName("p1");
policy.setDomainIds(Sets.newHashSet("d1")); //一个policy可以同属多个domain
policy.setSize(300); //policy属于MultiLayerHash 类型的domain时，需要配置此项
policies.add(policy);
...
Map<String, List<EstimateParam>> params = Maps.newHashMap(); // 策略评估参数，key为所属Layer的ID， value为本层所有策略的参数。
// 配置各层的参数
...
ExperimentApp.Builder builder = new ExperimentApp.Builder();
ExperimentApp app = builder.setApplicationId(applicationId)
.setDomains(domains)
.setAudienceFeatures(features)
.setLayers(layers)
.setTotalSize(size)
.setEstimateParams(params) // 只有使用MultiLayerThompson或MultiLayerUCB域时才需要添加此配置
.build();