bandit库choose_arm()不返回概率分布是设计使然；线上ab测试需可解释性时应改用contextual-bandits或手写算法，或重载方法自算softmax/thompson采样。
bandit 算法线上部署时，bandit 库的 choose_arm() 不返回概率分布？
它确实不返回，这是设计使然——bandit 库（如 bandit PyPI 包）默认只做动作选择，不暴露内部置信度或采样分布。线上 AB 测试需要“探索-利用”可解释性时，这会卡住。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 改用
contextual-bandits或手写epsilon_greedy/ucb1，它们天然支持返回arm_probs或upper_bounds - 若必须用原生
bandit，得重载choose_arm()方法，把self.values和self.counts拿出来自己算 softmax 或 Thompson 采样 - 注意：直接读
self.values是平均奖励，不是后验分布；Thompson 场景下没维护 beta 参数，不能直接采样
线上服务中，epsilon_greedy 的 epsilon 该不该随请求量衰减？
不该在请求粒度上实时衰减。线上流量有峰谷、冷启动、AB 切流，按请求数线性衰减 epsilon 会导致高峰时段探索不足、低峰时过度扰动。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 按「天」或「小时」做阶梯衰减，例如每天 0 点将
epsilon乘以 0.95，且下限设为 0.02 - 更稳妥的是绑定业务指标：当某臂的
click_through_rate连续 3 小时稳定在 ±0.5% 内，才触发epsilon *= 0.8 - 绝对不要用
epsilon = 1 / log(t+1)这类公式——t 是全局计数器，但线上多实例部署时各节点 t 不一致，会导致行为不可复现
thompson_sampling 在 Python 中用 scipy.stats.beta.rvs 抽样慢？
是的，尤其在 QPS > 500 的服务里，每次调用 rvs 带来约 0.3ms 开销，叠加锁和 GIL，容易成为瓶颈。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 预生成一批 beta 样本（比如 10000 个），存在内存队列里，用完再批量重采——能压到 0.02ms/次
- 用
numpy.random.Generator.beta替代scipy.stats.beta.rvs，快 3–5 倍，且支持 batch 抽样：rng.beta(a, b, size=100) - 别在热路径里做
a=successes+1、b=failures+1这种计算——提前存好alpha和beta字段，避免重复加法
线上灰度阶段，bandit 模型状态怎么持久化才不丢探索？
最常踩的坑是只存最终 arm 选择结果，不存每个臂的 successes、failures 或 values/counts，重启后变回纯随机探索，等于白跑两天。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 每 30 秒异步写一次全量状态到 Redis Hash，key 用
bandit:campaign_123:state，field 是arm_0_successes、arm_1_counts等 - 加载时用
Redis.hgetall()+ 类型转换，别依赖 JSON ——int字段被读成字符串会导致后续除零或类型错误 - 务必加版本号字段
schema_version，升级算法逻辑时靠它跳过旧状态或触发迁移脚本
真正难的不是选哪个算法，而是让 successes 和 failures 在机器重启、蓝绿发布、突发扩容之间对得上。状态错一位，探索就偏一整周。
