ABTest 平台设计 - 如何进行流量分桶
这篇讲的是ABTest平台设计中的一个核心难题：如何科学地进行用户流量分桶。作者从实践中常见的错误切入——比如简单用UserID取模或手机尾号分桶，指出这种做法虽看似随机，但在长期、多实验场景下会导致实验间相互干扰、用户群体行为产生偏差，且流量利用率极低。 文章的核心方案是介绍业界主流的“可重叠分层分桶”方法。其关键思路是将流量划分为多个逻辑层（如UI层、算法层），在每一层内使用不同的哈希函数（以层信息作为Seed）对用户ID进行分桶，从而确保各层之间的流量正交，互不影响。这样一来，一份流量可以同时参与多个层的不同实验，极大提升了迭代效率。作者还提到了适用于海量并行实验的“无限分层”思路，以及这对组织协调能力提出的更高要求。 对于想设计或优化自己实验平台的技术团队，这篇文章从错误案例到系统方案，梳理得相当清晰，文末也附上了Google相关的经典论文供深入研究。