4. 分流机制设计：用户级分流、请求级分流、分层分流（重叠实验框架）、分流键选择与哈希一致性

在风控 A/B 测试中，分流机制决定了实验流量如何被切割、分配与隔离。设计不当的分流方案会导致实验污染（交互效应）、样本不均衡或统计功效下降。本章从四种核心分流模式出发，结合风控场景的特殊约束，给出可落地的设计指南。

4.1 分流模式对比与适用场景

4.2 用户级分流 vs 请求级分流

用户级分流 以用户唯一标识（如 user_id、手机号、身份证哈希）为分流键，将用户固定分配到实验组或对照组。同一用户的所有请求始终进入同一组，保证策略体验的一致性。

# 用户级分流伪代码
def assign_user_to_group(user_id: str, experiment_id: str) -> str:
    hash_val = hash(f"{user_id}:{experiment_id}") % 100
    if hash_val < 50:
        return "control"
    else:
        return "treatment"

请求级分流 以每次请求的独立标识（如 request_id、event_id、时间戳+随机数）为分流键。同一用户的不同请求可能进入不同组，适合「无状态」策略验证。

# 请求级分流伪代码
def assign_request_to_group(request_id: str, experiment_id: str) -> str:
    hash_val = hash(f"{request_id}:{experiment_id}") % 100
    if hash_val < 50:
        return "control"
    else:
        return "treatment"

4.3 分层分流与重叠实验框架

当风控团队需要同时测试多个策略（如模型版本、规则阈值、决策流顺序）时，单层分流会导致流量被过度切割，每个实验的样本量不足。分层分流（重叠实验框架）通过「层」的概念实现流量复用。

核心原则：同一层内互斥，不同层间正交。每个用户在每个层中独立随机分桶，层与层之间通过哈希正交性保证无系统性偏倚。

4.4 分流键选择与哈希一致性

分流键是分流算法的输入，直接影响分桶的稳定性和均匀性。风控场景中常见的分流键包括：

• 用户 ID：最常用，适合用户级分流。需注意用户 ID 的分布是否均匀（如自增 ID 低比特位可能偏倚）。
• 设备 ID：适合设备维度的策略（如设备指纹、模拟器检测）。设备 ID 缺失率需提前评估。
• 订单/交易 ID：适合请求级分流，需保证 ID 的唯一性和随机性。
• 手机号/身份证哈希：适合合规场景，需脱敏后使用。

哈希一致性 要求：同一分流键在实验期间始终映射到同一分组。实现方式：

# 哈希一致性实现示例（Python）
import hashlib

def consistent_hash(key: str, experiment_id: str, num_buckets: int = 100) -> int:
    # 使用 SHA-256 保证均匀性
    hash_input = f"{experiment_id}:{key}"
    hash_bytes = hashlib.sha256(hash_input.encode('utf-8')).digest()
    # 取前 4 字节转为整数
    hash_int = int.from_bytes(hash_bytes[:4], byteorder='big')
    return hash_int % num_buckets

# 使用示例
user_id = "user_12345"
experiment = "exp_model_v2"
bucket = consistent_hash(user_id, experiment)
group = "treatment" if bucket < 50 else "control"

4.5 分流机制设计决策树

在实际风控 A/B 测试中，可按以下决策树选择分流方案：

4.6 风控场景特殊注意事项

• 黑名单/白名单用户处理： 实验分流前需排除黑白名单用户，避免策略冲突。建议在分流服务中内置「强制分流」规则。
• 流量比例动态调整： 风控实验可能需要根据风险暴露情况动态调整流量比例（如从 10% 逐步提升到 50%）。需确保调整时已分桶用户不重新分配。
• 跨实验交互效应： 即使使用分层分流，模型层和规则层之间仍可能存在交互效应（如模型 A + 规则 V1 的组合效果不等于两者独立效果之和）。建议在分析时加入「层间交互项」作为协变量。
• 分流日志审计： 每次分流决策必须记录完整日志（时间戳、分流键、实验 ID、层 ID、分配组），用于事后校验和异常排查。