Platform For AI：A/B 服務整合

整合 A/B 實驗功能

1. 上圖中的Client指的是客戶側服務。客戶可以通過PAI-Rec控制台進行實驗配置。

2. 當客戶整合PAI-Rec引擎服務後，引擎服務啟動後，會自動拉取實驗配置，當推薦請求到來時，SDK會進行實驗匹配，並能關聯到具體實驗的實驗參數。通過不同的實驗參數，引擎會體現不同的行為，走不同的召迴路徑，或者調用不同的Rank模型。

3. PAI-Rec 本身已經預定了一些實驗參數，可以直接在實驗配置中使用。設定實驗參數，需要完全按照參數名稱的規則來，否則匹配了實驗，也找不到對應的參數。

參數名稱	參數類型	參數說明	範例
default.RecallNames	json array	召回的列表，需要包含所有的召回	"default.RecallNames":[ "HomepageEtrecRecall", "HomepageDssmRecall"]
"recall." + 具體的recall name	json object	根據 recall config , 建立新的 recall	{"recall.MyRecall":{"version":"v2"}}
filterNames	json array	過濾列表，包含所有的過濾流程	{"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	排序演算法的配置	"rankconf":{"RankAlgoList":["pai_homepage_fm"],"RankScore":"${pai_homepage_fm}"}
features.scene.name	string	Features load 對應的情境名稱	"homepagetf"
generalRankConf	recconf.GeneralRankConfig	粗排的配置, 包括 user feature 的擷取，演算法配置 RankConf, 詳細配置參考粗排配置	{"generalRankConf":{"FeatureLoadConfs":[{"FeatureDaoConf":{}}],"RankConf":{},"ActionConfs":[]}}
coldStartGeneralRankConf	recconf.ColdStartGeneralRankConfig	冷啟動粗排配置, 詳細配置參考粗排配置	{"coldStartGeneralRankConf":{"FeatureLoadConfs":[{"FeatureDaoConf":{}}],"RankConf":{},"ActionConfs":[]}}
coldStartRankConf	recconf.ColdStartRankConfig	冷啟動召回，rank 階段配置，指定 rank 演算法	{"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. 使用者代碼調整實驗參數，只要有 RecommendContext 對象，都能通過 context.ExperimentResult 擷取到。

        count := r.recallCount
        if context.ExperimentResult != nil {
                count = context.ExperimentResult.GetLayerParams("").GetInt("recall.base.count", count)
        }
        fmt.Println("test count", count)

GetLayerParams 擷取某一層上的實驗參數，可以通過Get、GetInt、GetFloat、GetInt64擷取參數，第一個參數是參數名稱，第二個參數是預設值，如果沒有找到的情況下，返回預設值。

整合 A/B 參數功能

類似上文的實驗參數路徑，PAI-Rec引擎服務運行時，可以通過自訂的參數配置來改變引擎行為。這樣無需重啟服務就可以動態改變服務狀態。

在左側導覽列中單擊系統配置 > 參數管理，選擇當前開發環境（如日常）和推薦情境（如HomePage），然後單擊建立參數按鈕添加自訂參數。例如，建立參數名稱為 custom_param、參數值為 custom 的參數。

// 擷取到具體的情境名稱
scene := context.GetParameter("scene").(string)
// 根據情境擷取參數列表，然後用具體的 Get* function 擷取具體的參數值
count := abtest.GetParams(scene).GetInt("count", 100)
fmt.Println("recall count:", count)