ABTest 平台设计 - 如何进行流量分桶
这篇讲的是ABTest平台设计中一个看似简单却容易踩坑的环节：如何进行用户分桶。作者从很多初创公司常见的错误做法——直接用UserID取模分桶——出发，点明了这种看似随机的方法在长期、交叉实验场景下会导致流量利用率低、实验结果互相干扰以及桶间用户行为产生偏差的三大问题。 为了解决这些痛点，文章引出了业界主流的解决方案：可重叠的分层分桶方法。核心思路是将流量划分为多个逻辑层（如UI层、算法层），在每层内使用不同的随机算法（如Hash(Layer, Tag) % 1000）进行正交分桶。这样，同一份流量可以同时穿过多个实验层而互不干扰，极大提升了实验效率。文章还对比了适用于大公司的“无限分层”探索，指出其对组织管理和数据能力的更高要求。 作者最后提到了Google相关论文作为延伸，并预告下一篇将讨论实验开关与信息传递，为搭建完整的ABTest平台提供了清晰的脉络参考。