Google tiết lộ hệ thống kiểm tra A/B quy mô lớn phối hợp trên toàn bộ hạ tầng dịch vụ

Google mới đây đã công bố chi tiết về cách họ vận hành hệ thống thử nghiệm A/B quy mô lớn trên toàn bộ đội tàu dịch vụ (fleet-wide). Hệ thống nội bộ này được thiết kế để hỗ trợ việc thử nghiệm nhất quán và đáng tin cậy trên các sản phẩm hoạt động ở quy mô khổng lồ. Cách tiếp cận này tập trung vào việc cho phép các nhóm kỹ sư chạy thử nghiệm một cách an toàn trên cơ sở hạ tầng phân tán, đồng thời duy trì tính chặt chẽ về thống kê và giảm thiểu sự nhiễu loạn giữa các thử nghiệm khác nhau.

Trọng tâm của hệ thống là giải quyết một thách thức phổ biến ở các tổ chức lớn vận hành nhiều dịch vụ liên kết: đảm bảo rằng các thử nghiệm tạo ra tín hiệu nhân quả đáng tin cậy khi lưu lượng truy cập trải qua nhiều lớp hạ tầng, giao diện người dùng và hệ thống backend. Khi việc thử nghiệm ngày càng phổ biến trong phát triển sản phẩm, sự không nhất quán trong việc phân bổ, các thử nghiệm chồng chéo và dữ liệu đo lường phân mảnh có thể làm giảm chất lượng của các thông tin chi tiết (insights). Cách tiếp cận của Google nhằm mục đích chuẩn hóa việc phân bổ và đo lường thử nghiệm trên toàn bộ đội tàu dịch vụ này.

Hệ thống cung cấp một khung thử nghiệm tập trung điều phối cách người dùng hoặc yêu cầu được phân bổ vào các biến thể thử nghiệm. Thay vì dựa vào các triển khai riêng biệt cho từng sản phẩm hoặc dịch vụ, Google sử dụng cơ sở hạ tầng dùng chung để quản lý cấu hình thử nghiệm, logic phân bổ và ghi nhật ký tiếp xúc (exposure logging). Điều này giúp đảm bảo rằng người dùng được phân nhóm nhất quán vào các nhóm thử nghiệm, ngay cả khi họ tương tác với nhiều dịch vụ hoặc tính năng đang tham gia các thử nghiệm khác nhau.

Quy trình thử nghiệm cơ sở hạ tầng tại Google

Một thành phần chính là lớp phân bổ thống nhất xác định cách lưu lượng được phân bổ cho các thử nghiệm. Lớp này hỗ trợ phân bổ phân cấp, cho phép thử nghiệm ở các cấp độ khác nhau của ngăn xếp công nghệ (stack) trong khi giảm thiểu xung đột giữa các bài kiểm tra chồng chéo. Nó cũng đảm bảo rằng việc phân bổ là xác định cho một người dùng hoặc phiên cụ thể, điều rất quan trọng để tránh sự ô nhiễm giữa các biến thể và duy trì mức độ tiếp xúc thử nghiệm ổn định theo thời gian.

Để hỗ trợ tính chính xác trong đo lường, hệ thống nhấn mạnh vào ghi nhật ký tiếp xúc, ghi lại thời điểm và cách người dùng thực sự tiếp xúc với các phương pháp điều trị thử nghiệm. Điều này cho phép các hệ thống phân tích hạ lưu phân biệt được giữa những người được phân bổ và những người thực sự tiếp xúc, từ đó nâng cao độ tin cậy của các chỉ số. Nền tảng cũng tích hợp các tính năng bảo vệ để ngăn các thử nghiệm vượt quá giới hạn lưu lượng đã cấu hình hoặc vi phạm các ràng buộc an toàn.

Google cũng nhấn mạnh tầm quan trọng của việc truyền tải cấu hình trên cơ sở hạ tầng của mình. Các định nghĩa thử nghiệm được phân phối đến các hệ thống phục vụ (serving systems) để các dịch vụ có thể đánh giá trạng thái thử nghiệm cục bộ, giảm độ trễ và sự phụ thuộc vào các cuộc gọi tập trung tại thời điểm chạy. Thiết kế này hỗ trợ các môi trường có thông lượng cao nơi việc ra quyết định theo thời gian thực là bắt buộc.

Anil Bhagavatula, Phó Chủ tịch tại digi edZe, đã chia sẻ trên LinkedIn rằng:

"Điểm mấu chốt là việc thử nghiệm cơ sở hạ tầng không chỉ đơn thuần là điều chỉnh mã code; nó đòi hỏi một khung công cụ mạnh mẽ, chặt chẽ về mặt thống kê và an toàn, coi trung tâm dữ liệu như một phòng thí nghiệm."

Hạ tầng thử nghiệm này được tích hợp chặt chẽ với các quy trình phân tích để tổng hợp kết quả trên các dịch vụ. Điều này cho phép các nhóm kỹ sư đánh giá tác động của các thay đổi không chỉ ở cấp độ dịch vụ đơn lẻ mà còn trên toàn bộ hành trình của người dùng (end-to-end). Bằng cách chuẩn hóa cả việc phân bổ và đo lường, hệ thống giúp giảm thiểu chi phí vận hành cho các nhóm sản phẩm và cho phép các chu kỳ lặp lại phát triển nhanh hơn, tự tin hơn.