A/B测试算法

Question

我需要为我的用户开发一个A/B测试方法。基本上，我需要将我的用户分成若干组，例如40%和60%。
我有大约10万个用户，我需要知道什么是我最好的方法。随机数不是一个选项，因为用户每次都会得到不同的结果。我的第二个选择是修改数据库，这样每个用户都将有一个预定义的数字（随机生成）。除非我得到一个负的数字，否则我会创建一个新的数字。我不介意，但我不确定改变数据库是否是个好主意。在

有没有其他的解决办法可以避免这种情况？在

Answer 1

你使用的是MySQL，所以很难说是不是个好主意。改变数据库可能代价高昂。而且，如果它开始变大，从长远来看可能会影响性能。此外，您还必须修改您的系统，以便为每个新用户在数据库中包含该号码。您已经将此标记为python问题。所以这里有另一种方法，不用对数据库做任何更改。既然你说的是用户，那么你可能对所有用户都有一个唯一的标识符，比如说电子邮件。我会用uuid代替电子邮件

import hashlib

def calculateab(email):
        maxhash = 16**40
        emailhash = int(hashlib.sha1(email).hexdigest(), 16)
        div = (maxhash/100)-1
        return int(float(emailhash/div))


#A small demo
if __name__ == '__main__':
        import uuid, time, json
        emails = []
        verify = {}
        for i in range(1000000):
                emails.append(str(uuid.uuid4()))
        starttime = time.time()
        for i in emails:
                ab = calculateab(i)
                if ab not in verify:
                        verify[ab] = 1
                else:
                        verify[ab] += 1

        #json for your eye's pleasure
        print json.dumps(verify, indent = 4)
        #if you look at the numbers, you'll see that they are well distributed so 
        #unless you are going to do that every second for all users, it should work fine
        print "total calculation time {0} seconds".format((time.time() - starttime))

与python没有多大关系，更多的是一个数学解决方案。你可以使用md5，sha1或者其他任何东西，只要它有固定的长度并且是一个十六进制数。第6行上的-1是可选的-它设置的范围是0到99，而不是1到100。您也可以将其修改为使用浮动，这将为您提供更大的灵活性。在

Answer 2

对主键运行一个简单的算法。例如，如果用户id有一个整数，用偶数和奇数分开。在

如果您需要两个以上的组，请使用mod函数。在

Answer 3

我将添加一个只有userId和A/B的辅助表，您不需要更改现有的表，如果需要，可以很容易地更改每个类的百分比。它的侵入性很小。在