创建、配置实验案例

召回实验案例

第一步：创建实验室

实验室是一组流量的集合，既可以只创建一个实验室，也可以创建多个实验室。当只有一个实验室的时候，这个实验室必须是Base实验室（作为兜底的实验室），并且Base实验室是必需的。流量会优先匹配非 Base 实验室，当推荐请求没有匹配到非Base实验室时会进入 Base实验室。因此，我们可以只创建一个兜底的实验室。

第二步：设置实验层

层和层之间的流量是正交的。我们可以把实验室看作一个容器，实验层可以看作是这种容器中的一层层网，每经过一层，会把流量重新打乱，进入下一层，所以这里我们可以认为，在较大的数据量下，每一层实验的效果是互不干扰的。

第三步：设置实验组

每个层上，可以有多个实验组，每个实验组可以划分层上的流量，这里我们只设置一个实验组作为举例。

第四步：设置实验

实验组下可以配置多个实验，多个实验之间互为对照，每一个实验要有一份不同的配置。

创建基准实验

创建对比实验

第五步：调试与观察

这一步，我们可以把实验室、实验组、实验都上线，然后对推荐引擎打请求，观察引擎返回结果中的exp_id是否有值。

如果exp_id的值一直为空，则需要检查实验室、实验组、实验是否是已上线状态，在实验导览页面，已上线的状态是绿色，未上线是灰色。

如果exp_id的值为ER1_L1#EG1#E1，则表示本次请求，经过了1号实验，会采用1号实验的配置，后面再配置相关指标，我们就可以观察实验的效果啦。

算法配置实验

算法配置的相关实验和召回类似，为了防止实验的相互作用，我们可以创建一个算法层，如 rank。其他实验组、实验的配置基本相同，我们只需要更改实验的配置即可。

如基准实验的配置可以为：

{
    "rankconf": {
        "RankAlgoList": [
            "dbmtl_v1"
        ],
        "RankScore": "${dbmtl_v1_prob}",
        "BatchCount":100,
        "Processor": "EasyRec"
    }
}

对比实验的配置可以为

{
    "rankconf": {
        "RankAlgoList": [
            "dbmtl_v2"
        ],
        "RankScore": "${dbmtl_v2_prob}",
        "BatchCount":100,
        "Processor": "EasyRec"
    }
}