zhuli_liucheng

用户添加或更新strategy配置

调起[[app_name]]_release的job

是否存在不通过的结果

执行检查

否

对比策略检查配置项和检查结果

是

编辑/删除实验

策略执行

执行后评估报告

策略需求方/策略开发者/QA

依赖

执行

调起app_name的check job

蜂策系统实验平台

策略检查是否通过

信号过滤（人工）

策略平台检查

策略执行批次

用户添加或更新strategy执行job配置

通过各渠道获取数据

策略文件开发

调度系统

执行策略检查

信号转化商品（人工）

策略执行文件包含三个方法

查看执行/检查日志

在策略平台上执行

查看策略检查报告及策略依赖

策略A

推送策略检查结果数据

检查

策略

策略n.......

系统检查策略配置是否存在依赖策略项

保存job返回的检查结果

策略计算平台系统（检查）

建立实验版本及分组

策略检查job[app_name]_check.job

shell脚本执行，如.job文件

对应批次发布

发布

根据实验指标sql得到实验效果数据

策略执行job[app_name].job

1：1

系统接收并保存检查结果

策略开发者/检查者

strategy_conf:1. strategy_name 为主键2. strategy_status default 1 有效3. has_check_key 是否需要有检查结果，如果为0，否，则upstream_strategies 一定要有依赖4. strategy_check_key default strategy_name5. strategy_owner 负责人 default 添加人6. strategy_group 对应的策略组7. upstream_strategies 数组，上游依赖strategies8. strategy_job 对应的调度系统job名称

策略平台：记录各批次的策略检查结果

策略检查以及其依赖策略所有检查项的检查通过，通过则发布，不通过则重新检查

策略b检查项b1

执行sql

返回build_id

通过

导入

对应批次检查

策略需求方

check

1：n

蜂策平台

生成检查报告

各测试版本数据对比报告

策略计算平台检查

确定所需的信号源数据，如搜索泛化词，具体账号或页面列表

检查报告

对检查失败或者不通过策略重新执行策略

添加策略配置

策略A检查项a1

策略计算平台将此策略发布上线

数据交互

回测验证信号有效性（人工）

策略a

系统是否能获取检查结果

prepare_data

策略：app_name

实验组

策略开发者

策略中添加发布方法

hadoop 生态 提供hive数据支持

所有检查项通过

调起app_name的job

自身检查

策略发布

是否已经配置app_name检查job

根据配置自动或者手动调起发策略发布job

形成所有检查项检查报告

策略执行job[app_name]_release.job

对策略执行完未检查的策略添加查检job配置

新建实验

strategy_conf主要字段:1. app_name 为主键：策略name以及对应job_name2. strategy_status default 1 有效3. strategy_owner 负责人 default 添加人4. strategy_group 对应的策略组5. upstream_strategies 数组，上游依赖strategies6. check_items: 策略检查项7. is_auto_release 是否自动发布

实验

系统处理对于每一依赖项进行检查

py2脚本执行，如*.py2

1:1

根据策略检查项与job检查结果匹配

调度系统生成对应业务清单数据

对应批次下策略检查是否通过

点击发布

策略a检查项a2

py脚本执行，如*.py

添加[[app_name]]_release的job

默认为py3脚本执行，如*.py

开发环境进行策略调试

通知对应策略负责人将不通过的检查项修改正确

使用方查看未通过的检查项

新建实验配置

业务检查

calculate

检查通过，系统记录每个通过的结果

策略执行job: app_name.job

实验配置

评估

检查不通过，系统记录每个不通过的结果

调度系统策略发布上线

策略n检查项ni......

回测

将执行结果保存到目标结果

通过bulid_id获取job状态及日志并回填

在调试系统中配置依赖执行

策略文件迁移

1.执行数据保存到目标结果表2.推送目标数据到业务方3.更新对应批次的检查已发布

查看发布日志

添加[[app_name]]_check的job

全量

策略配置

策略c

配置检查策略job

汇总检查结果

策略计算平台（支持pyspark）

生成

测试job

开发

新建实验版本

用户跑策略->执行策略job->修改执行状态

策略检查项

存在

1. shell环境2.py2环境3.py3环境4.pyspark环境

检查结果

策略计算平台

策略A检查项结果

策略执行检查

实验分组

提取信号

默认同一批次(batch_code)确定是否是同一批检查结果，也可以根据依赖配置获取批次

汇总实验数据，形成实验对照数据

策略迭代

返回执行检查结果数据

检查依赖项以及与其检查job返回的检查结果

定时器，按一定频率通过bulid_id拿执行结果或日志

策略上游依赖

是否已经配置app_name发布job

策略A检查项a2......

调起[[app_name]]_check的job

查询待检查策略

无检查报告生成，检查结束

在策略平台上开发job

查看策略检查不通过项

策略jobs目录中，添加或者查询相应的策略业务目录

调度系统中策略开发

灰度

AB试验评估报告

HIVE数据平台

策略b

结束

是否存在此批次下的检查报告

获取job执行状态及日志

配置每个job对应的上下游依赖，和目前的依赖配置保持一致，因为线上都是在同一个调试系统平台以及hadoop生态执行，同时会依赖其它业务方数据

实验版本

根据配置自动或者手动触发检查job

策略在系统准备执行

如缺少同一批次的检查结果需要补全

平台推送业务数据

配置策略依赖

系统根据配置是否需要有检查结果

查看历史检查报告

配置执行jobs

是否存在需要人工确认的检查结果

实验用户

调度（或其它）系统实现策略检查逻辑

获取实验结果数据

不通过

推送业务数据

策略a检查项a1

本次检测不通过，生成所有检测结果，不通过结果排序标红

不存在

执行检查策略

保存执行结果

执行发布策略job

查看实验

用户在系统中添加检查strategy配置

添加调度执行job配置

人工确认的检查结果是否通过

查看执行完成但未检查的策略

通过bulid_id获取执行结果或日志

写入

HIVE指标数据查询

开发job

本次检测通过，生成所有检测结果