想象你是“云果饮”连锁总部的配方总监。总部有上千家加盟门店，每家店里都有当地特有的水果——热带城市多芒果、北方多苹果、南方多荔枝。你想迭代一款新口味饮品，最科学的做法当然是让每家门市都用当地水果试做一版，把“配方心得”交回总部，由总部融合各家心得，迭代出更好的配方。这个过程，就是联邦学习：总部是中央服务器，门店是客户端，水果是本地数据，配方心得是模型更新。但你不可能让一千家门店同时开工——有的店网络差、有的店只有三颗果子、有的店烤箱还是上世纪的老古董。那么问题来了：这一轮，究竟选哪些门店参与试做？ 这就是联邦学习的客户端选择策略。选对了，配方迭代又快又稳；选错了，可能几轮下来配方还是那个味，甚至越调越偏。本文将带你从“抓阄”到“精算”，看清客户端选择的全貌。

岗位关联

对 AI 从业者而言，客户端选择是联邦学习系统中“性价比最高”的优化杠杆——不碰任何模型算法，仅靠“选谁参与”就能显著加速收敛、提升公平性，是算法工程落地时最能体现工程价值的能力之一。

目录
  1. 可视化演示
  2. 1. 随机选择基线（抓阄凑人）
  3. 2. 数据量感知（看果仓下菜碟）
  4. 3. 资源感知选择（看硬件排班）
  5. 4. 收敛速度影响（配方迭代的快慢）
  6. 5. 公平性权衡（雨露均沾的艺术）
  7. 6. Non-IID配合（口味异质的应对）
  8. 7. 系统实现落地（调度台运作）
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

动态演示联邦学习选哪些客户端？选择策的核心机制，通过入门/进阶/实战/优化四种模式展示关键概念与交互流程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

联邦学习选哪些客户端？选择策：随机选择 随机选择基线策略剖析 数据量感知选择策略 核心机制可视化 联邦学习选哪些客户端？选择策整体架构与关键组件

1. 随机选择基线（抓阄凑人）

“云果饮”总部最开始的方案很朴素：二十家门店，抓阄抽六家，抽中谁就是谁。你心想，这够公平了吧？每家店概率一样，谁也不偏心。这就是联邦学习里最经典的基线策略——均匀随机抽样，所有客户端一视同仁。

把这个“抓阄”翻译成技术语言：设当前可参与训练的门店集合为 $\mathcal{U}$，共 $K$ 家，每家被选中的概率都是 $1/K$。它实现起来只需要一行随机数，且从期望上看是无偏的——不会系统性地偏向任何一家门店。联邦平均（FedAvg）论文最初就是用这种策略完成跨设备训练验证的。

随机选择的局限也显而易见：你可能抽中一家只有三颗苹果、网络还老掉线的店，它交回来的配方心得既单薄又迟到。但这并不意味着随机选择没有价值——它拥有“不引入任何额外偏置”的纯粹性，是衡量一切花式策略的标尺。你在总部吐槽：“抓阄总比没人做强”，但想调出百城同味的爆款，光靠运气可不够。

Pi=1K,i∈U\displaystyle P_i = \frac{1}{K}, \quad i \in \mathcal{U}
每个客户端被选中的概率相等，都等于客户端总数的倒数。
  1. 候选集合$\mathcal{U}$ 表示当前所有可参与训练的客户端集合，$K = |\mathcal{U}|$ 是客户端总数。相当于抓阄箱里的总签数。
    K=∣U∣\displaystyle K = |\mathcal{U}|
  2. 单位概率每个客户端 $i$ 被抽中的概率是 $1/K$，与它的数据量、算力、网络统统无关。这是“纯运气”的数学表达。
    Pi=1K\displaystyle P_i = \frac{1}{K}
  3. 归一化校验所有客户端的概率加起来等于 $1$，满足概率分布的基本要求，保证每轮恰好选出一批参与者。
    ∑i∈UPi=1\displaystyle \sum_{i \in \mathcal{U}} P_i = 1

2. 数据量感知（看果仓下菜碟）

几轮迭代后你发现一个规律：水果存货最多的那几家“旗舰大店”，交回的配方心得信息量大、改进口味也靠谱；而那些只有三颗果子的街角小店，心得总是翻来覆去两句话。于是你调整规则——按果仓大小来配签，果子多的店拿到更多签。

技术上的做法是给每个客户端赋予一个与本地样本数 $n_i$ 成正比的抽样权重。于是选中的概率不再均等，而是正比于数据量。这个朴素的改动在数学上效果显著：它让联邦优化的采样分布与全局数据分布对齐，从而降低梯度估计的方差（variance）。方差小了，每轮模型更新的方向就更稳，收敛自然更快。早期许多联邦系统（如 Oort、FedCS 相关工作）都把数据量感知作为首选改进项。

但只按数据量下菜碟也有隐患：大店容易过度参与，小店长期缺席。你可以想象，如果每周都是那几家芒果大店来试做，配方迟早变成“全芒果味”，谁也救不回来。所以数据量感知是良好起点，但远不是终点。

Pi=ni∑j∈Unj\displaystyle P_i = \frac{n_i}{\sum_{j \in \mathcal{U}} n_j}
客户端被选中的概率，等于它的本地样本数占全体候选样本数的比例。
  1. 分子是本地样本量$n_i$ 表示客户端 $i$ 本地拥有的训练样本数，相当于这家门店的果仓库存。数据越多，签越多。
    ni\displaystyle n_i
  2. 分母是全局总样本量把候选集合 $\mathcal{U}$ 中所有客户端的样本数加起来，作为归一化因子，保证所有概率之和为 1。
    ∑j∈Unj\displaystyle \sum_{j \in \mathcal{U}} n_j
  3. 概率正比关系$P_i$ 与 $n_i$ 成正比。当 $n_i$ 很大时，$P_i$ 趋近于 1；当 $n_i$ 很小时，它也趋近于 0。这实现了“按果仓大小配签”。
    Pi∝ni\displaystyle P_i \propto n_i

3. 资源感知选择（看硬件排班）

又过了一段时间，你遇到新麻烦：某家店的烤箱是老式煤炉，烤一批水果要 40 分钟；另一家店的宽带是拨号上网，传一份心得要半小时。它们就算被抽中，也会让整轮配方研发的节奏卡死——因为 FedAvg 是同步聚合的，总部必须等所有人交齐心得才能调配方。

这就是资源感知选择的动机。在派活之前，先对门店做一次“体检”：网络带宽够不够？算力跑不跑得动？预计耗时是否超过本轮时限？只有体检合格的门店才进入抽签池。形式化地说，每个客户端有一个预估的轮次总耗时 $T_i^{round}$，只有满足 $T_i^{round} \le T_{\max}$ 的客户端才有资格被选中。这里的 $T_i^{round}$ 通常被拆成训练耗时和通信耗时两项，前者取决于算力和数据量，后者取决于带宽和模型大小。

资源感知的价值在于“不让短板拖垮木桶”。它牺牲了一部分候选规模，换来了每一轮的稳定性。你可以把它理解为健壮的门店排班制度：虽然可用的店少了几家，但一旦开工，每轮都能准时收齐心得，配方的迭代节奏反而从“三天一轮”提升到“一天三轮”。这种取舍在真实联邦系统中几乎是必须的，毕竟现实世界没有永远在线的设备。

Tiround=Titrain+Ticomm,Tiround≤Tmax⁡\displaystyle T_i^{round} = T_i^{train} + T_i^{comm}, \quad T_i^{round} \leq T_{\max}
每个客户端的预估轮次总耗时 = 训练耗时 + 通信耗时，只有不超过轮次时限的客户端才有资格参与本轮。
  1. 训练耗时$T_i^{train}$ 是客户端在本地数据上训练一个 epoch 的预估时间，取决于算力和数据量。烤箱越旧、水果越多，烤得越久。
    Titrain\displaystyle T_i^{train}
  2. 通信耗时$T_i^{comm}$ 是把模型更新上传给服务器所需的时间，取决于网络带宽和更新大小。带宽越小，传得越久。
    Ticomm\displaystyle T_i^{comm}
  3. 筛选判据将两者相加得到总耗时，并与本轮时限 $T_{\max}$ 比较。超过时限的客户端被过滤出候选集合，这就是“先体检、后排班”。
    Titrain+Ticomm≤Tmax⁡\displaystyle T_i^{train} + T_i^{comm} \leq T_{\max}

4. 收敛速度影响（配方迭代的快慢）

你开始关注一个关键指标：配方究竟要迭代多少轮才能逼近理想口味？在联邦学习里，这个指标对应收敛速度。你发现选择策略直接决定收敛速度——选择的门店越多、越多样，配方的口味融合就越全面，损失的下降曲线就越陡；反之，如果总选同一批类似的店，曲线会在某个口味区域长期打转，像陷入高原停滞。

背后的原理是梯度估计。FedAvg 每轮的全局模型更新，实际上是对选中客户端梯度的加权平均：

这里 $\mathcal{S}_t$ 是第 $t$ 轮被选中的客户端集合，$\nabla F_i(w_t)$ 是门店 $i$ 在自己数据上算出的梯度方向。如果选择策略让 $\mathcal{S}_t$ 的分布与全局数据分布一致，那么上式就近似于用全部数据算出的真实梯度——方差小，收敛快；如果选择有偏，比如总选中芒果大店，梯度方向就会反复偏向芒果口味。更糟的是，Non-IID 场景下这种偏置会被放大，模型在小店覆盖的区域上表现崩坏。好在，数据量加权、分层配额等方法能显著压低这种梯度估计的方差，从而加速收敛并减少损失曲线的震荡。

你现在明白：客户端选择不只是“找几个干活的人”，它本质上是在操控梯度估计的精度。选得好，配方十轮封神；选得差，一百轮还在原地打磨一杯平庸的果茶。

wt+1=wt−η∑i∈Stni∑j∈Stnj∇Fi(wt)\displaystyle w_{t+1} = w_t - \eta \sum_{i \in \mathcal{S}_t} \frac{n_i}{\sum_{j \in \mathcal{S}_t} n_j} \nabla F_i(w_t)
E[∥∑inin∇Fi(wt)−∇F(wt)∥2]\displaystyle \mathbb{E}\left[\left\|\sum_{i}\frac{n_i}{n}\nabla F_i(w_t) - \nabla F(w_t)\right\|^2\right]
选择策略的质量可以用梯度估计的期望方差来度量，方差越小，收敛越快、越稳。
  1. 全局模型更新$w_{t+1}$ 是第 $t+1$ 轮的总配方，$w_t$ 是当前配方，$\eta$ 是学习率，决定每次调整配方的步子迈多大。
    wt+1=wt−η⋅Δ\displaystyle w_{t+1} = w_t - \eta \cdot \Delta
  2. 聚合梯度$\Delta$ 是选中客户端梯度的加权平均，权重是 $\frac{n_i}{\sum_{j \in \mathcal{S}_t} n_j}$。数据量越大的门店，对整体配方走向的话语权越大。
    Δ=∑i∈Stni∑j∈Stnj∇Fi(wt)\displaystyle \Delta = \sum_{i \in \mathcal{S}_t} \frac{n_i}{\sum_{j \in \mathcal{S}_t} n_j} \nabla F_i(w_t)
  3. 方差度量用 $\mathbb{E}\|\cdot\|^2$ 衡量“选中子集的梯度方向”与“全体数据的真实梯度方向”的偏差。选择越有代表性，这个值越小，收敛越稳。
    E[∥采样梯度−全量梯度∥2]\displaystyle \mathbb{E}\left[\|\text{采样梯度} - \text{全量梯度}\|^2\right]

5. 公平性权衡（雨露均沾的艺术）

策略越优化，你越担心另一个问题：大店们几乎轮轮被青睐，而街头小店可能一个月也轮不上一次。虽然配方迭代快了，但小店覆盖的本地口味（比如南方的黄皮果）从来没机会进入总配方。这在联邦学习中叫公平性（fairness）问题。

一个经典的公平性度量是参与机会的基尼系数。假设我们记录了 $N$ 个客户端在一段时间内的参与频率 $p_i$，基尼系数定义为：

其中 $\bar{p}$ 是所有客户端的平均参与频率。当 $G=0$ 时，所有门店参与次数完全相同，绝对公平；当 $G$ 趋近于 1 时，参与机会极度不均。算法工程师在调优选择策略时，不只看收敛曲线，还要看这个系数——它提醒我们，效率最高的策略未必能长期维持健康的联邦生态。如果小店长期缺席，它们的数据视角就永久丢失，模型在这些节点上会持续变差，最终导致门店集体退网。所以，一个成熟的联邦系统总是用“公平性约束 + 效率目标”的双目标来设计选择策略，在每轮决策时给长尾客户端保留一定的参与机会，这才是雨露均沾的艺术。

G=12pˉN2∑i=1N∑j=1N∣pi−pj∣\displaystyle G = \frac{1}{2\bar{p}N^2}\sum_{i=1}^{N}\sum_{j=1}^{N}|p_i - p_j|
G=0⟷绝对公平\displaystyle G = 0 \quad \longleftrightarrow \quad \text{绝对公平}
基尼系数为 0 意味着所有客户端参与机会完全相等，这是公平性约束追求的极限目标。
  1. 参与频率$p_i$ 是客户端 $i$ 在统计窗口内的参与轮次占比；$\bar{p}$ 是所有 $p_i$ 的平均值。
    pˉ=1N∑i=1Npi\displaystyle \bar{p} = \frac{1}{N}\sum_{i=1}^{N}p_i
  2. 双重求和$\sum_{i=1}^{N}\sum_{j=1}^{N}|p_i-p_j|$ 把所有客户端两两之间的参与频率差距相加。差距越大，总值越大，不公平程度越高。
    ∑i,j∣pi−pj∣\displaystyle \sum_{i,j}|p_i - p_j|
  3. 归一化因子分母 $2\bar{p}N^2$ 把数值压缩到 0 到 1 之间，方便跨系统比较。它衡量的是“相对于平均水平，参与机会有多大差异”。
    12pˉN2\displaystyle \frac{1}{2\bar{p}N^2}

6. Non-IID配合（口味异质的应对）

你管理的门店有个天然特点：每家店的水果品类分布完全不同——这叫数据异质性（Non-IID）。芒果大店几乎没有苹果数据，苹果大店又几乎没有荔枝数据。如果选择策略不加以干预，芒果大店们反复试做，配方就直接倒向芒果味，苹果口味彻底失守。

选择策略在这里扮演了“放大器”的角色。它本身不创造分布偏差，但一个有偏的选择会系统性地放大 Non-IID 的影响——这是选择策略与 Non-IID 配合的核心矛盾。解决方案之一是代表性采样：让被选中的门店集合在水果品类上尽可能接近全集的分布。工程上常用分层配额（stratified sampling）实现：

把门店按数据类别（比如主打水果）分成若干组 $g$，$|D_g|$ 是组内总样本量，$C$ 是每轮总预算（最多选的客户端数），$m_g$ 就是这一轮从该组选出的名额。层内再按数据量加权随机选，既保证了品类代表，又保留了效率优势。分层配额像是给每家“口味阵营”都预留了座位，谁也别想包场。选人时兼顾了口味多样性和数据质量，Non-IID 这只猛兽就被驯服了大半。

mg=⌊C⋅∣Dg∣∣D∣⌋\displaystyle m_g = \left\lfloor C \cdot \frac{|D_g|}{|D|} \right\rfloor
⋃gSg=St,Sg∩Sg′=∅\displaystyle \bigcup_{g} \mathcal{S}_g = \mathcal{S}_t, \quad \mathcal{S}_g \cap \mathcal{S}_{g'} = \emptyset
分层配额把每轮选中的客户端集合划分为若干互不重叠的子集，每个子集对应一种数据类别，保证各类别都有代表参与。
  1. 分组与预算$C$ 是每轮最大参与的客户端数，$|D_g|$ 是第 $g$ 组（如芒果组）的数据总量，$|D|$ 是全部数据总量。
    C,∣Dg∣,∣D∣\displaystyle C, \quad |D_g|, \quad |D|
  2. 名额分配$m_g$ 等于预算乘以组数据占比，用向下取整 $\lfloor \cdot \rfloor$ 保证名额是整数，且不会超发。
    mg=⌊C⋅∣Dg∣∣D∣⌋\displaystyle m_g = \lfloor C \cdot \frac{|D_g|}{|D|} \rfloor
  3. 组内抽样每组再按数据量加权或随机选出 $m_g$ 个客户端，最终汇总为本轮的参与集合 $\mathcal{S}_t$。
    St=⋃gSg\displaystyle \mathcal{S}_t = \bigcup_g \mathcal{S}_g

7. 系统实现落地（调度台运作）

讲完了理论，最后看工程。你决定在总部搭建一个“客户端调度台”，把选择策略变成一个可运行的流水线。无论采用哪种策略，系统实现的流程都大致如下：探测 → 评分 → 筛选 → 抽样 → 派发 → 回收记录。

这个流程可以用一个总分公式统一起来：每个客户端有一个参与得分 $s_i$，由数据量、资源、历史参与度共同决定：

其中 $\hat{r}_i^{data}$ 是标准化后的数据量得分，$\hat{r}_i^{res}$ 是资源健康度得分（带宽、算力、能耗），$q_i$ 是“疲劳度”惩罚项（参与太频繁的客户端被降权）。每轮先把得分低于阈值的客户端过滤掉，再在候选集中按得分做加权抽样。调度台还会记录每家的历史参与次数，避免某些门店连续多轮过劳，也避免某些门店被永久遗忘。规模控制同样关键：每轮参与的客户端数有上限，太少则梯度估计方差大，太多则通信成本高，$\frac{\sqrt{E}}{M}$ 之类的经典权衡需要根据场景反复调参。

这一整套调度系统，相当于把前面所有策略变成了一台全自动的排班机器。总部只需设定目标和约束，调度台就能在每轮自动选出最合适的门店阵容。至此，“云果饮”的配方迭代既快又稳，小店不失声，大店不过劳，百城同味不再是梦。

si=α⋅r^idata+β⋅r^ires−γ⋅qi\displaystyle s_i = \alpha \cdot \hat{r}_i^{data} + \beta \cdot \hat{r}_i^{res} - \gamma \cdot q_i
r^idata=ni−nmin⁡nmax⁡−nmin⁡\displaystyle \hat{r}_i^{data} = \frac{n_i - n_{\min}}{n_{\max} - n_{\min}}
标准化数据量得分把原始样本量压缩到 0 到 1 之间的可比较分数，便于与资源得分加权合成。
  1. 线性评分模型$s_i$ 是客户端 $i$ 的综合参与得分，$\alpha$、$\beta$、$\gamma$ 是三个平衡系数，分别控制数据量、资源和历史参与的重要程度。
    si=α⋅(⋯ )+β⋅(⋯ )−γ⋅(⋯ )\displaystyle s_i = \alpha\cdot(\cdots) + \beta\cdot(\cdots) - \gamma\cdot(\cdots)
  2. 数据量标准化对原始数据量做 min-max 标准化，消除量纲差异，让不同门店的得分可直接比较。
    r^idata=ni−nmin⁡nmax⁡−nmin⁡\displaystyle \hat{r}_i^{data} = \frac{n_i - n_{\min}}{n_{\max} - n_{\min}}
  3. 疲劳度惩罚$q_i$ 反映客户端近期的参与频率，参与越多 $q_i$ 越大，得分被扣得越多，从而平衡机会、防止过劳。
    γ⋅qi\displaystyle \gamma \cdot q_i

AI 应用场景

场景一：跨机构联邦风控模型训练

阶段：数据预处理与训练调度

解决的问题：多家银行各自持有本地交易数据，出于隐私合规不能直接汇聚。传统方式要么每家单独建模导致样本不足，要么全量参与导致资源浪费、训练缓慢。客户端选择让平台每轮只挑「数据质量高 + 网络稳定」的机构参与训练，把训练时间从数天压缩到数小时。

具体案例：某金融联盟用联邦学习训练反欺诈模型，成员包括 8 家大行和 20 家城商行。平台采用「资源感知选择 + 分层配额」：按机构资产规模分层确保小银行也有代表，同时过滤掉专线带宽不足的节点。结果模型在长尾小银行的欺诈召回率提升约 12%，整体收敛轮数减少约 40%。

场景二：移动端输入法隐私联邦优化

阶段：在线推理辅助训练调度

解决的问题：手机输入法需要学习用户新词和输入习惯，但用户的键盘输入高度隐私、不能上传。且移动设备网络状况千奇百怪，若随机选取设备参与，慢设备会拖垮整轮同步。客户端选择策略只选「在 Wi-Fi 下、充电中、算力空闲」的设备，真正实现“零感”联邦学习。

具体案例：某输入法团队在千万级活跃设备上联邦训练词库模型。调度平台先通过系统 API 探测设备状态，只保留空闲充电设备，再按输入法使用频率（数据量代理）加权抽选 2% 设备。用户在完全无感知的情况下贡献了模型更新，新词热词的召回率稳定提升，且对电池和流量零额外占用。

Python 演示

python64 行
import random  class Client:    def __init__(self, cid, data_size, speed):        self.cid = cid        self.data_size = data_size        self.speed = speed        self.picked_times = 0     def round_time(self):        return self.data_size / self.speed  def weighted_sample(pool, weights, m):    result = []    for _ in range(min(m, len(pool))):        total = sum(weights)        r = random.uniform(0, total)        acc = 0        for i, w in enumerate(weights):            acc += w            if r <= acc:                result.append(pool[i])                del pool[i]                del weights[i]                break    return result  def random_select(clients, m):    return random.sample(clients, m)  def data_aware_select(clients, m):    return weighted_sample(clients[:], [c.data_size for c in clients], m)  def resource_aware_select(clients, m):    cand = [c for c in clients if c.round_time() < 20]    return random.sample(cand, min(m, len(cand)))  def gini(vals):    n = len(vals)    mean = sum(vals) / n    diff = sum(abs(a - b) for a in vals for b in vals)    return diff / (2 * n * n * mean)  def run(strategy, rounds=30, m=5):    clients = [Client(i, random.randint(100, 2000), random.uniform(0.5, 2.0))               for i in range(50)]    for _ in range(rounds):        for c in strategy(clients, m):            c.picked_times += 1    counts = sorted([c.picked_times for c in clients], reverse=True)    print("top5:", counts[:5], "bottom5:", counts[-5:], "gini:", round(gini(counts), 3))  if __name__ == "__main__":    run(random_select)    run(data_aware_select)    run(resource_aware_select)
目的：模拟 50 个客户端、30 轮联邦训练，对比随机选择、数据量感知、资源感知三种策略下参与次数的分布与基尼系数。
  1. class Client:一家门店：保存编号、数据量、算力，并记录被选中次数
  2. def round_time(self)估算该客户端跑完一轮的耗时：数据量除以算力，模拟“烤水果要多久”
  3. def weighted_sample(pool, weights, m)无放回加权抽样，实现“按果仓大小配签”
  4. score = sum(weights)` / `r = random.uniform(0, total)在权重总和上撒一个随机点，落到谁的范围谁被选中
  5. del pool[i]` / `del weights[i]选中后从池子里移除，保证同一轮不会被重复选两次
  6. def data_aware_select(clients, m)以 data_size 作为抽样权重，实现数据量感知策略
  7. def resource_aware_select(clients, m)先过滤掉 round_time 超过 20 的慢设备，再随机抽样
  8. def gini(vals)用双重求和计算参与次数的基尼系数，衡量选择的公平性

常见误区

误区既然联邦学习是协作训练，那让所有客户端都参与每一轮，信息量最大，模型肯定收敛最快。毕竟人多力量大嘛。

正解真实系统里每个客户端的通信、算力、在线状态差异巨大。同步聚合模式下，最慢的客户端决定一轮的完成时间。全量参与意味着每轮都会被少数慢设备拖到天荒地老；用资源感知策略过滤掉慢设备后，虽然每轮参与数少了，但相同时间内能跑的轮次更多，反而收敛更快。这就像做宴席，与其等一个老煤炉烤 40 分钟，不如只请用新烤箱的店来帮忙。

为何常见：人们直觉上把“数据量”等同于“收益”，却忽略了联邦学习的瓶颈常常是同步等待时间，而不是数据总量。

误区随机选择中每个客户端被抽中的概率完全一样，这不就是最公平的策略吗？那些复杂的加权策略才是不公平。

正解平均概率不等于结果公平。假设一家店只有 10 条数据、网速还慢，它被抽中的概率和旗舰大店一样，可真被抽中了，它提交的更新质量低、速度慢，对整体几乎没有贡献，甚至拖累全局。真正的公平要考虑“参与能力”和“长尾覆盖”：资源过滤、疲劳度惩罚、分层配额都是在保障不同客户端被“有效参与”的机会，而不是单纯字面上的等概率。随机选择只是“看似公平”的抓阄。

为何常见：混淆了“概率公平”和“能力公平”，只看到抽签概率相等，没看到参与效果和创新贡献的差异。

误区数据量大的客户端能提供更多信息，选它们准没错。干脆每轮都选数据量最大的那几家，效率不是直接拉满？

正解只按数据量选会让选择集合高度集中，样本多样性骤减。在 Non-IID 场景下，大店可能全部属于同一数据分布，模型每轮看到的都是这一种口味，在小店覆盖的区域上持续变差。更严重的是，这种策略会让梯度估计产生系统性偏置，收敛速度反而变慢，甚至不收敛。数据量加权要配合分层配额、资源筛选一起用，才能既吃到大店的信息量，又不丢失小店的数据视角。

为何常见：把“局部数据丰富”误当成“全局代表性好”，忽略了联邦学习中数据分布异质性这个核心挑战。

误区Non-IID 是数据分布问题，应该改进聚合算法，比如减少权重偏置。选择客户端不过是抽几个人，对 Non-IID 能有什么影响？

正解选择策略是 Non-IID 的“放大器或衰减器”。一个有偏的选择会系统性地让某些分布反复缺席，即使聚合算法再先进，输入的信息本身就偏了，输出必然偏。反过来，分层配额采样让每轮选中的客户端集合在数据分布上近似全局，从源头上缓解了 Non-IID。聚合算法是“事后修补”，选择策略是“事前防控”，两者应当协同设计。

为何常见：把训练过程拆成了互不相关的模块，忽略了“选谁参与”本身就在塑造每轮训练数据的分布形状。

面试题

Q1. 联邦学习随机选择策略中，某客户端第 t 轮被选中的概率是？

单选题 · easy

  • A.与客户端总数成反比，即 1/K← 正确答案
  • B.与客户端本地样本数成正比
  • C.与客户端设备算力成正比
  • D.固定为常数 0.1 不变化

答案：A。随机选择给每个客户端等概率，$P_i = 1/K$，其中 K 是候选客户端总数，与数据量、算力等个体属性无关，因此 A 正确。

Q2. 数据量感知选择中，客户端 i 的抽样权重通常设置为？

单选题 · easy

  • A.本地样本数 n_i 的大小← 正确答案
  • B.本地训练轮数 E 的数值
  • C.全局样本总数 N 的大小
  • D.固定常数 1 的权重值

答案：A。数据量感知策略用本地样本数 n_i 作为权重，样本越多的客户端被抽中的概率越大，因此选 A。训练轮数 E 是超参数，全局样本总数 N 对所有客户端相同，不能区分个体，D 则退化成了随机选择。

Q3. 随机选择策略相对于复杂选择策略的最大优势是？

单选题 · easy

  • A.实现简单且不引入额外偏置← 正确答案
  • B.能筛选出算力最强的设备
  • C.能保证每轮数据均匀分布
  • D.能显著提升模型泛化能力

答案：A。随机选择不需要探测设备状态、统计样本分布，实现最简单，且在期望上没有系统性偏置，是评估其他策略的基线。它不能筛选设备、不能控制分布，也不会直接提升泛化能力。

Q4. f(x)=x² 场景中，下列哪种策略最可能导致 FedAvg 收敛变慢？

单选题 · mid

  • A.资源筛选后再随机选取客户端
  • B.每轮只选数据量最大的三家店← 正确答案
  • C.按数据量加权的随机抽样选择
  • D.分层配额约束下的随机抽样

答案：B。只选数据量最大的少数客户端会让每轮梯度估计方差大且偏置严重，尤其在 Non-IID 下收敛会明显变慢。A、C、D 都通过筛选或加权缓解了方差与偏置，属于更稳健的策略。

Q5. 基尼系数在联邦学习客户端选择中用于衡量什么指标？

单选题 · mid

  • A.客户端参与机会的公平程度← 正确答案
  • B.客户端本地数据的总体信息量
  • C.全局模型在测试集上的准确率
  • D.模型更新经过压缩后的大小

答案：A。基尼系数基于各客户端参与频率 $p_i$ 计算，衡量参与机会的分布是否均匀。它度量的是公平性，与数据信息量、模型准确率、通信压缩大小均无关。

Q6. 资源感知选择中，客户端被过滤掉的直接依据是什么？

单选题 · mid

  • A.预估轮次总耗时超过本轮时限← 正确答案
  • B.本地训练数据包含的标签种类少
  • C.历史任务中模型准确率长期低
  • D.参与次数超过了全体客户端的平均

答案：A。资源感知选择的核心是约束 $T_i^{train}+T_i^{comm} \le T_{\max}$，总耗时超限的设备会被过滤。标签种类少是数据层面的问题，准确率低可能是数据质量问题，参与次数多通常由疲劳度惩罚处理，它们都不属于资源感知的筛选依据。

Q7. 随机选择的概率公式 P_i = 1/K 中，K 代表什么含义？

单选题 · mid

  • A.当前可参与训练的客户端总数← 正确答案
  • B.每轮实际被选中的客户端数量
  • C.全部注册设备的总数量上限
  • D.全局训练数据的总轮次数目

答案：A。$K$ 是候选集合 $\mathcal{U}$ 中可参与训练的客户端总数，是当前状态下真实可用设备的数量。B 是每轮预算 m，C 是设备上限而非当前可用数，D 与轮次无关。

Q8. 数据量加权选择相比随机选择，可能带来哪些改进与风险？

多选题 · mid

  • A.降低全局梯度的估计方差← 正确答案
  • B.加速模型前期的收敛速度← 正确答案
  • C.可能导致长尾客户端被冷落← 正确答案
  • D.完全消除通信延迟的影响

答案：ABC。数据量加权让采样分布更接近全局数据分布，降低梯度估计方差、加速早期收敛；但过度依赖数据量会让小数据客户端长期缺席。通信延迟取决于网络与传输，与抽样权重无关，因此 D 错误。

Q9. 关于 Non-IID 与客户端选择策略的关系，下列哪些说法是正确的？

多选题 · hard

  • A.数据异质性下分层配额能提升代表性← 正确答案
  • B.有偏的选择会放大 Non-IID 造成偏置← 正确答案
  • C.选择策略与 Non-IID 之间没有关联
  • D.代表性采样从源头缓解分布失衡问题← 正确答案

答案：ABD。分层配额按数据类别分配名额，保证各类别都有代表参与，确实提升代表性；有偏选择会让某些分布反复缺席，放大偏置；代表性采样是在选择阶段纠正分布，属于源头防控。两者显然有强关联，C 错误。

Q10. 联邦学习系统实现客户端选择时，需要哪些配套机制来保证工程可用性？

多选题 · hard

  • A.客户端状态探测与综合评分← 正确答案
  • B.每轮参与客户端规模上限控制← 正确答案
  • C.历史参与记录与疲劳度追踪← 正确答案
  • D.拒绝所有曾经参与训练过的客户端

答案：ABC。工程落地需要探测设备状态并评分来支撑筛选，需要规模上限控制通信成本，需要用历史记录做疲劳度惩罚来均衡参与机会。D 明显错误——拒绝所有参与过的客户端会让训练退化为每轮换新设备，且大量设备将永久无法加入。