A/B 服务集成

集成 A/B 实验功能

1. 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。

2. 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。

3. 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"}}

        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。

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。

在左侧导航栏中单击系统配置 > 参数管理，选择当前开发环境（如日常）和推荐场景（如HomePage），然后单击创建参数按钮添加自定义参数。例如，创建参数名称为 custom_param、参数值为 custom 的参数。

// 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)