应使用 hash/maphash 做稳定分桶:输入相同 user_id 永远输出相同桶,Go 1.21+ 推荐 maphash;需全局复用 seed、归一化输入、实验名不参与哈希、按权重前缀和匹配分组。

用 hash/maphash 做稳定分桶,别用 math/rand
AB 实验最怕用户今天在 A 组、明天变 B 组。随机数生成器每次运行都不同,math/rand 生成的值不一致,根本没法复现或回溯。必须用确定性哈希:输入相同用户标识(比如 user_id),永远输出相同分桶结果。
Go 1.21+ 推荐用 hash/maphash,它比 crypto/md5 快、比 fmt.Sprintf + sum64 更安全,且默认禁用反射,防哈希碰撞攻击。
- 固定种子:创建
maphash.Hash时调用h.SetSeed(maphash.MakeSeed())—— 但注意,这个 seed 要全局复用,不能每次请求都新造一个 - 输入必须归一化:
user_id是字符串就直接写;是 int64 就先转成字节序列(binary.PutVarint或unsafe.Slice),别直接h.Write([]byte(strconv.Itoa(id))),负数和前导零会导致不一致 - 别把实验名拼进哈希输入里:如果将来要扩组或改比例,哈希输入变了,所有用户重分桶——应该把实验名作为独立参数参与路由逻辑,而不是哈希原料
uint64 % group_count 分组有偏?用 hash & (n-1) 前先确认 n 是 2 的幂
想按 10% / 90% 分两组?别直接 hash.Sum64() % 2 —— 看似没问题,但 Sum64() 返回的是 uint64,取模运算在非 2 的幂时会有轻微偏差(尤其当 hash 分布不够理想时)。更糟的是,如果后续要支持 3 组(比如 A/B/C)、5 组,% 会放大偏差。
真正稳定的做法是:先算出总权重和(比如 A:3, B:7 → 总重 10),再用 hash.Sum64() % total_weight,然后做前缀和匹配:
使用 uber-go/dig 在 Golang 中实现依赖注入——基于反射容器,提供 Provide/Invoke、dig.In/dig.Out 参数与结果对象,支持命名依赖等
if h —— 权重一变,全得改条件分支。
- key 命名强制小写 + 下划线 + 字母数字:用
strings.Map过滤非合规字符,或直接sha256(expName)[:8]截断作后缀 - 配置结构必须带版本号字段(如
version: 2):旧代码读到新版配置时能明确失败,而不是静默忽略新加的holdout_group字段 - 缓存失效要双删:先删本地内存缓存(比如
sync.Map),再删 Redis;否则并发请求可能刚删完 Redis,另一个 goroutine 又从旧缓存里读出过期配置
灰度发布时,user_id % 100 不可靠
按百分比灰度(比如只对 5% 用户开实验)看似简单,但直接用取模判断会出问题:用户量少时分布极不均,100 个用户里可能一个没分到;ID 不连续时(比如用 UUID 或雪花 ID),% 100 完全无法代表真实比例。
正确做法是用哈希值做一致性判断:
rolloutPercent
golang免费学习笔记(深入):立即使用
在学习笔记中,你将探索golang的核心概念和高级技巧!










