文档

A/B 服务集成

pairec_ab.jpg

集成 A/B 实验功能

  1. 设置当前环境,环境的值为 daily, prepub, product。 有两种方式设置a. 在 config.json 里设置 RunMode。b.设置环境变量 PAIREC_ENVIRONMENT, 环境变量的优先级更高

  2. 服务的运行,请参考推荐引擎部署章节

3.pairec 本身已经预定了一些实验参数,设置实验参数,需要完全按照参数名称的规则来,否则匹配了实验,也找不到对应的参数

参数名称

参数类型

参数说明

样例

类目+ ".RecallNames"

json array

召回的列表,需要包含所有的召回

"default.RecallNames":[ "HomepageEtrecRecall", "HomepageDssmRecall"]

"recall." + 具体的recall name

json object

根据 recall config , 创建新的 recall

{"recall.MyRecall":{"version":"v2"}}

filterNames

json array

过滤列表,包含所有的过滤流程

{"filterNames":["UniqueFilter", "UserExposureFilter"]}

rankconf

recconf.RankConfig

排序算法的配置

"rankconf":{"RankAlgoList":["pai_homepage_fm"],"RankScore":"${pai_homepage_fm}"}

features.scene.name

string

Features load 对应的场景名称

"homepagetf"

generalRankConf

recconf.GeneralRankConfig

粗排的配置, 包括 user feature 的获取,算法配置 RankConf, 详细配置参考粗排配置

{"generalRankConf":{"FeatureLoadConfs":[{"FeatureDaoConf":{}}],"RankConf":{},"ActionConfs":[]}}

coldStartGeneralRankConf

recconf.ColdStartGeneralRankConfig

冷启动粗排配置, 详细配置参考粗排配置

{"coldStartGeneralRankConf":{"FeatureLoadConfs":[{"FeatureDaoConf":{}}],"RankConf":{},"ActionConfs":[]}}

coldStartRankConf

recconf.ColdStartRankConfig

冷启动召回,rank 阶段配置,指定 rank 算法

{"coldStartRankConf":{"RecallName":"ColdStartRecall", "AlgoName":"linucb"}}

4.每次请求来,都需要匹配实验,构造好实验上下文。代码如下

        func (c *HomeFeedController) makeRecommendContext() {
        c.context = context.NewRecommendContext()
        c.context.Size = c.param.Limit
        c.context.Param = &c.param
        c.context.RecommendId = c.RequestId
        c.context.Config = recconf.Config
        c.context.Debug = c.param.Debug
        abcontext := model.ExperimentContext{
                Uid:         c.param.DistinctId,
                RequestId:   c.RequestId,
                FilterParams: map[string]interface{}{},
        }

        if abtest.GetExperimentClient() != nil {
                c.context.ExperimentResult = abtest.GetExperimentClient().MatchExperiment(c.param.SceneId, &abcontext)
                log.Info(c.context.ExperimentResult.Info())
        }
}

5.用户代码调整实验参数,只要有 RecommendContext 对象,都能通过 context.ExperimentResult 获取到。

        count := r.recallCount
        if context.ExperimentResult != nil {
                count = context.ExperimentResult.GetLayerParams("").GetInt("recall.base.count", count)
        }
        fmt.Println("test count", count)

GetLayerParams 获取某一层上的实验参数,可以通过 Get, GetInt, GetFloat, GetInt64 获取参数,第一个参数是参数名称,第二个参数是默认值,如果没有找到的情况下,返回默认值

6.有时我们需要对某一个具体的召回做实验,通过不同的参数来调整 recall 的配置。之前的做法

  • 对某一个具体的参数值当做实验参数,如果有多个实验参数的话,需要配置多个

  • 在 config 中新增一个 recall 配置,在实验参数中引用全新的 recall name

目前支持新的方式,在实验中可以配置一组实验参数,pairec 在运行中,根据已有的recall 名称,clone 出新实例,新实例接受这组实验参数。为了实现这一目的,需要遵循以下规则

  • 实验参数名称为 "recall."(固定前缀) + 已有的 recall name。

  • 参数配置必须是 json map 的形式

  • 已有的 recall 必须实现 CloneWithConfig 方法,接受参数列表,返回具体的 recall 实例。 例如

type MyRecall struct {
        version string
}

func NewMyRecall() *MyRecall {
        r := MyRecall{version: "v1"}

        return &r
}
func (m *MyRecall) CloneWithConfig(params map[string]interface{}) *MyRecall {

        r := MyRecall{}
        if _, ok := params["version"]; ok {
                r.version = params["version"].(string)
        }
        return &r
}

原理实现: 召回运行时,首先检查召回相关的实验参数,如果有,根据已有的召回实例反射调用 CloneWithConfig 方法,传入实验参数从而生成新的召回实例。新的召回实例会注册到系统中,如果下次调用,直接返回已有的实例,而无需重新创建。

集成 A/B 参数功能

使用方式

// 获取到具体的场景名称
scene := context.GetParameter("scene").(string)

// 根据场景获取参数列表,然后用具体的 Get* function 获取具体的参数值
count := abtest.GetParams(scene).GetInt("count", 100)
fmt.Println("recall count:", count)
  • 本页导读 (0)
文档反馈