A/BTest
分离式组间试验，也叫对照试验，科研领域（药物测试）中已广泛应用。
简单来说，A/B测试在产品优化中的应用方法是：在产品正式迭代发版之前，为同一个目标制定两个（或以上）方案，将用户流量对应分成几组，在保证每组用户特征相同的前提下，让用户分别看到不同的方案设计，根据几组用户的真实数据反馈，科学的帮助产品进行决策。
ABTest的一些特性：
先验性： A/B测试其实是一种“先验”的试验体系，属于预测型结论，与“后验”的归纳性结论差别巨大。同样是用数据统计与分析版本的好坏，以往的方式是先将版本发布，再通过数据验证效果，而A/B 测试却是通过科学的试验设计、采样样本代表性、流量分割与小流量测试等方式来获得具有代表性的试验结论，这样就可以用很少的样本量就能推广到全部流量可信。
并行性： A/B测试是将两个或以上的方案同时在线试验，这样做的好处在于保证了每个版本所处环境的一致性，便于更加科学客观地对比优劣。同时，也节省了验证的时间，无需在验证完一个版本之后再测试另一个。
科学性： 这里强调的是流量分配的科学性。A/B 测试的正确做法，是将相似特征的用户均匀的分配到试验组中，确保每个组别的用户特征的相似性，从而避免出现数据偏差，使得试验的结果更有代表性。
基于OpenResty的分流机制
Nginx 是俄罗斯人发明的， Lua 是巴西几个教授发明的，中国人章亦春把 LuaJIT VM 嵌入到 Nginx 中，实现了 OpenResty 这个高性能服务端解决方案。
通过 OpenResty，你可以把 nginx 的各种功能进行自由拼接， 更重要的是，开发门槛并不高，这一切都是用强大轻巧的 Lua 语言来操控。
稳定分流的实现：murmurHash算法
说道ketamahash，它是一致性哈希算法，一般说来都是由若干固定的虚拟节点来计算出每个虚拟节点的slots，数据存储的时候，算出key的slot值，然后存入相邻最近的虚拟节点。而murmurhash则是散列算法，由于其计算产生的结果足够剧烈，所以是目前最好的几种散列算法之一。它主要用来计算出key的slot值的。有人会问，java中的hashcode也能计算出来呀，但是hashcode计算出来的值的剧烈程度远远比不上murmurhash。拿abc和abd来说，hashcode计算出来的差值相差不大，但是murmurhash计算出来的差值则相差甚远。
二者结合，可以实现出类似redis cluster使用的路由算法，且效果也是很好的。目前已知的开源中，jedis，memcache，redis, Hbase等都有采用过，所以将这两种哈希算法吃透，可谓是如虎添翼。【参考：浅析ketamahash和murmurhash】
这边补充一些正交和互斥实验的区别。互斥是指两个实验流量独立，用户只能进入其中的一个实验。而正交意味着用户进入所有的实验之间没有必然联系。
【参考】
2. 马蜂窝ABTest多层分流系统的设计与实现
