集成 A/B 实验功能
上图中的Client指的是客户侧服务。客户可以通过PAI-Rec控制台进行实验配置。
当客户集成PAI-Rec引擎服务后，引擎服务启动后，会自动拉取实验配置，当推荐请求到来时，SDK会进行实验匹配，并能关联到具体实验的实验参数。通过不同的实验参数，引擎会体现不同的行为，走不同的召回路径，或者调用不同的Rank模型。
PAI-Rec 本身已经预定了一些实验参数，可以直接在实验配置中使用。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 |
default.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"]} |
default.SortNames | json array | 重排列表，包含所有的重排流程 | {"default.SortNames":["ItemRankScore"]} |
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"}} |
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())
}
}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。
集成 A/B 参数功能
类似上文的实验参数路径，PAI-Rec引擎服务运行时，可以通过自定义的参数配置来改变引擎行为。这样无需重启服务就可以动态改变服务状态。
// 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)